Loading

Mega May PDF Sale - NOW ON! 25% Off Digital Certs & Diplomas Ends in : : :

Claim My Discount!
Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Grafici e grafici e dati di caricamento

00.00 Speaker 1: Ciao a tutti e benvenuto nella parte sette della sezione due per la nostra Data Visualization con Python e Matplotlib serie tutorial. In questa parte, quello di cui parleremo sono i tracciati di dispersione. Quindi con quello, andiamo avanti e iniziamo. Un esempio di quando potremmo effettivamente usare una trama di dispersione è se stiamo cercando di mostrare magari gruppi o categorie di correlazione, roba del genere, a volte userete una trama di dispersione. Ora cogliamo un esempio dove potreste farlo e faremo una correlazione o un esempio di tendenza. Quindi penso che potremmo continuare sul nostro ultimo esempio che è stato con questi punteggi di prova e vedere se non riusciamo a trovare una sorta di correlazione con i punteggi dei test e il tempo trascorso sui test o qualcosa del genere.

00.55 S1: Così il modo in cui potremmo farlo è con una variabile "time_speso" e da lì possiamo solo popolare che con i presunti tempi che gli studenti hanno speso per la prova. Quindi la domanda è davvero tempo trascorsa sul test, e il motivo per cui potremmo chiedere a questa domanda è di ricavare se più tempo sul test ha eguagliato, in generale, una migliore qualità sulla prova. Quindi da qui, andiamo avanti e iniziamo. Diciamo che gli studenti hanno avuto un'ora per fare il test, e questo è come forse ci sono state lunghe persone. Quindi solo per rendere facile per me vedere quando abbiamo finito, vado avanti e aggiungo un altro spazio lì, in questo modo tutto si rifila, e iniziamo. Quindi mi metto solo ... Puoi mettere i numeri che vuoi qui dentro. Ho solo intenzione di farli alzare. Così eccoci qui.

01.47 S1: 11 minutes, questo ragazzo ha speso 10 minutes, questo ragazzo ha speso 22, questo ragazzo ha speso 23, 28, 32, 54, 55, 43, 23, 53, 33, 23, 64 ... No non possiamo spendere 64, 55, 23, 33, 38, 48, 22, 35, 37, 42, 29 e 12. Ok. Così abbiamo ottenuto punteggi e tempi di prova e non abbiamo bisogno di bidoni, e proprio non abbiamo bisogno di nulla di tutto questo. Quindi la prossima cosa che faremmo è fare una dispersione, e il modo in cui lo facciamo è con il plt., e si potrebbe essere in grado di indovinare, disperso. Poi vogliamo disperderci e faremo solo tempo e poi i punteggi dei test. Così l'asse x sarà tempo trascorso, l'asse y sarà testato. Così possiamo tracciarci che su e lì ce l'abbiamo. Ora, sembra che ci sia possibile una tendenza in questo modo, ma è davvero difficile da raccontare e poi anche, questo è davvero un ottimo esempio di grafico che davvero, davvero, ci porta davvero ad avere delle etichette e un titolo, [ chiacchere] perché altrimenti si guarda questo grafico e non si ha letteralmente idea di cosa stia accadendo.

03.22 S1: Così, potremmo ... Tu magari fai l'etichetta "plt.x" e questo era il tempo passato in prova, e poi "plt.y" etichetta e questo era il punteggio di prova. Ok. E poi potremmo anche aggiungere un titolo come "plt.title", punteggi di prova contro il tempo speso, una cosa del genere. Quindi ora ce l'abbiamo e possiamo come vedere ci potrebbe essere una tendenza, ma di certo non è una tendenza molto forte, ma ovviamente questo è solo dei falsi dati. Ma se questo fosse il dato reale direi che c'è forse una leggera correlazione ma non proprio forte. Comunque sembra che sia solo una bella trama di dispersione semplice con Matplotlib, davvero non molto più di questo.

04.15 S1: Ora, a volte con i tracciati di dispersione si potrebbe voler mostrare più set di dati. Ok. Così come dicevo prima, un sacco di tracciati di dispersione sono usati per mostrare categorie o gruppi anche. Quindi potresti avere una cosa del genere. Ci libereremo di tutto questo per ora. In realtà, lasceremo tutto questo e poi traccieremo un secondo grafico. Così per esempio potresti avere "X1 = Y1 =" e poi forse ne hai uno, due, tre, quattro, cinque ... Cinque abbastanza per ora. E poi avremo due, tre, due, quattro, due. Ok. E in realtà facciamo ... Diciamo che X è uno, due, tre, quattro, cinque e poi avremo diversi Y. E poi questo sarà otto, otto, sei, sette, sei. Ok. Ora, concepibilmente si potrebbe vedere una cosa del genere, "plt.scatterXY1 " e poi si può cambiare il marcatore. Così si può dire il marcatore ... Per impostazione predefinita, il marker è, credo ... Il default sarebbe un O possibilmente, quindi ... Lo terremo, immagino, e poi facciamo il colore uguale, e poi faremo C per cayenne. Allora facciamo un altro, quindi "plt.scatterXY2" e poi diremo questo marcatore uguale, e faremo un V, credo, sarà un triangolo a rovescio, e poi il colore.

06.00 S1: Qui sarà magenta e ora, facciamo un "plt.show" e la prima sarà solo la cosa del test di voto ma poi scenderemo qui e ancora. Così ora vedi che forse hai forse un gruppo qui sopra e poi un gruppo qui sotto. Così si possono usare i tracciati di dispersione anche a riguardo e tracciare gruppi diversi e vedere chiaramente la differenza di essi. Quindi, comunque, questo è per i tracciati di scatter. Nel prossimo tutorial ci occuperemo di tracciati di stack che sono un modo per mostrare tutte le parti che si aggiungono a un tutto e di solito è lì che la vedo fatta in realtà. Quindi, useremo un esempio di spesa aziendale proprio come esempio del perché si potrebbe utilizzare una trama di stack. Quindi, comunque, è quello che voi ragazzi dovete guardare avanti, quindi restate sintonizzati per questo.

00.00 Speaker 1: Che succede a tutti? E benvenuti nell'otto parte della nostra Sezione Due, tutto sulla visualizzazione dei dati con Python e matplotlib. In questa parte, quello di cui parleremo è una trama di stack. Quindi vado avanti ed elimino praticamente tutto tranne che per l'import originale qui, e parleremo di trame di pila ora. Quindi l'idea di una trama di pila è, è il modo di visualizzare l'intero intero ma anche vedere come le parti compongono quella intera. Quindi è come un grafico a torta, solo che è un grafico a torta che ha anche un altro asse. Quindi con il grafico a torta, grafici a torta in qualsiasi momento ha davvero solo la dimensione unica, ma questo avrà due dimensioni. Hai una X e una Y. Così un grafico a torta può mostrarti solo una fetta di torta in qualsiasi momento mentre, nella trama di stack può mostrarti le fette di quella torta nel tempo. Quindi è quello che faremo ora.

00.56 S1: Così andiamo avanti e diciamo ... Facciamo il presupposto che stiamo operando un'azienda e che gestiamo questa azienda da 10 anni. Quindi dovremo solo indovinare un anno qui e che sarà una lista, e ne avremo uno, due, tre, quattro, cinque, sei, sette, otto, nove e 10. Così la nostra azienda è viva da 10 anni e poi abbiamo delle spese. Ora ovviamente una vera azienda ha solo centinaia di cose ma ne prepareremo solo qualche per ora. Diremo "Taxi", e supponiamo che questi numeri siano nelle migliaia. Così abbiamo le tasse. Così abbiamo pagato il primo anno, $17.000 in tasse e poi 18.000, poi 40, poi 43, poi 44.000, poi 8.000 non abbiamo fatto molto quell' anno, i 43.000, 32, 39 e 30. Quindi quello dovrebbe essere uno, due, tre, quattro, cinque, sei, sette, otto, nove, 10. Giusto? Sì. Ok. Quindi sono 10. Ora diremo solo ... Diremo la nostra overhead, e questi sono solo il costo di produzione praticamente per noi per fare qualunque cosa sia il trinchetto che ci capita di fare. Quindi diciamo 30, 22, 9, 29, 17, 12, 14, 24, 49 e 35.

02.23 S1: Poi avremo un po' di intrattenimento, e questi sono solo un po' come la spesa frivola che potremmo fare in compagnia. Così faremo questo 41, 32, 27, 13, 19, 12, 22, 18, 28 e 20. Anche questo dovrebbe essere 10. Sì. Ok. Ora, quello che possiamo fare è pilare tutto questo, così possiamo fare "plt.stackplot", e possiamo fare anno, tasse, overhead, intrattenimento. Quindi la trama del modo in cui funziona la trama è che prende il parametro X e poi Y all'infinito come argomenti. Quindi con i metodi hai gli argini e i kwargs che sono argomenti chiave e devi passare gli argomenti prima di ottenere gli argomenti della parola chiave, ma hai una quantità illimitata di argomenti che puoi passare qui quindi è solo davvero in trame di pila probabilmente come quattro arg in argento uno: O qualcosa del genere e poi come tuo Ys per chi è curioso. Comunque, quindi piloteremo la trama quel brutto ragazzo, e faremo il "plt.show". Vediamo allora dove siamo al momento.

03.40 S1: Così ci si va. Hai una bella trama di stack e questo è un po' come funziona. Quindi queste sono spese aziendali in sostanza anche se le tasse non sarebbero davvero una spesa, ma li stiamo solo usando. Ma ecco l'altra domanda anche se quando guardiamo questo grafico, siamo come "Ama che è qui?". Giusto? E'molto difficile ma purtroppo c'è davvero no, con la trama di stack davvero non ci si può etichettare con le leggende. Quindi, dobbiamo farci un po' di hacky ma possiamo farcela. Quindi prima di tutto quello che possiamo fare è possiamo ... Perché quello che dobbiamo fare è, se vogliamo sposi una leggenda per così dire, quello che possiamo fare è una cosa del genere. Possiamo dire, "plt.plot ", e possiamo tracciare solo insiemi vuoti. Così X, Y del nulla e poi possiamo assegnare dei valori. Quindi potremmo dire che il colore qui è uguale al magenta e poi possiamo dargli un'etichetta. Possiamo dire etichetta uguale tasse. E poi potremmo dire "plt.plot", e poi di nuovo traccieremo un set vuoto così vuoto e poi diremo colore uguale ciano e poi etichetta uguale overhead.

05.12 S1: E se non formiamo i colori come questo, il ciclo avverrà attraverso i colori. Quindi questo sarebbe blu allora penso che vada di verde, rosso poi lo fa, non lo so, viola e nero e si mette in moto. Quindi se non formiamo i colori, sarà solo un tipo di ciclo che saranno colori diversi. Ma poi possiamo farlo, quindi "plt.plot", e continueremo solo qui a vuoto a set di colori uguale, e faremo di questa etichetta blu uguale divertimento. E poi quello che possiamo fare è salire ... Oppure in realtà qui sotto allo stack si trama e possiamo passare i colori come lista. Quindi facciamo colori uguale, e questo sarà un elenco di colori, quindi abbiamo tre colori. E se le nostre tasse, siamo magenta.

06.00 S1: E poi la nostra overhead era ciano e ora avevamo un B per l'intrattenimento. Così ora abbiamo i colori giusti e poi tutto quello che dobbiamo fare è chiamare in "plt.legend", e mentre ci siamo, facciamo un "plt.titlecompanySpese," plt.xlabel " sarà anno. E poi "plt.ylabel" sarà costata in migliaia. Una cosa del genere. Ok. Salviamo e corri quello. E ora ... Ops abbiamo dimenticato di ... Oh, abbiamo fatto "plt.legend" senza i parmi lì. Comunque, ci siamo. E ora l'abbiamo fatto davvero. Così qui possiamo vedere, ok, ecco quanto spendiamo per l'intrattenimento. Ci siamo davvero tagliati indietro sull'intrattenimento questi anni. Davvero tagliati indietro sull'intrattenimento e sulla sovrapposizione. E abbiamo pagato molte meno tasse, guarda come ha funzionato per noi. Comunque, quello è stato per fortuna, muoviti. Così abbiamo i nostri colori e possiamo vedere. Ma ancora, stiamo vedendo come la nostra leggenda sia in realtà questa volta, ma possiamo spostare le cose e fare questo. Ci siamo. E'ancora in arrivo. Non c'è modo di allontanarsi da questo problema. Una cosa che puoi fare in realtà. Se si utilizza il pulsante di zoom, è possibile cliccarlo. E normalmente clicca e trascina per ingrandire, ma se tieni premuto il tasto destro del mouse invece, in realtà si ingranda in base a qualunque sia la tua scelta.

07.26 S1: Allora tenete a mente ' perché potete fare cose del genere. Così ora cosa possiamo fare in questo modo e costringerci ad avere più spazio nel nostro grafico. Sarebbe meglio così possiamo barare. Comunque ok, quindi sono solo trame di pila e zoom fuori e tutto quel tipo di cose divertenti e anche un po' spodestare una leggenda. Quindi ci sono delle cose complottiate che semplicemente no, con le leggende sono solo probabilmente le più frequenti con cui non funziona. Ma trama di stack, e sto cercando di pensare ad alcuni degli altri come le colline. Se tutto quello che trama è riempire, non è una trama e quindi non lo è. Quindi praticamente tutto quello che è poligono. Quindi qualsiasi cosa che si riempie di righe, generalmente non sarà da leggenda. Ma puoi sempre farlo per creare una specie di leggenda fakish. Non sono proprio sicuro del motivo per cui non fanno solo una cosa del genere sullo sfondo anche se è solo un riempimento e si vuole davvero avere un'etichetta. Ma non lo fanno. Quindi, comunque, devi tipo hackerare la tua strada attraverso di esso. Ma va bene così. Ad ogni modo, che sono i tracciati di stack e nel prossimo tutorial, visto che parlavamo di come i tracciati di stack sono come dei grafici a torta con una timeline, parleremo di grafici a torta accanto. Quindi, comunque, restate sintonizzati su questo. Grazie per aver guardato.

00.00 Speaker 1: cosa sta succedendo a tutti? Benvenuti nella parte nove della sezione Due con la visualizzazione dei dati utilizzando matplotlib in Python. In questa parte quello di cui parleremo è dei grafici a torta. Quindi, piuttosto bella l'inclusione a matplotlib sono grafici a torta, e fanno qualche bella cosa dietro le quinte per noi, come convertirsi automaticamente in percentuale della torta, e così via. Quindi, con quello, saltiamo subito. Prima cosa che faremo è la cancellazione abituale di tutto tranne che per quella prima importazione e siamo pronti a rumare. Quindi, con grafici a torta in matplotlib, generalmente si dà il ... Supponiamo che la tua X sia la tua quantità di torta, e poi le tue Y sarebbero le tue etichette, e poi puoi passare attraverso i colori, se vuoi, e poi puoi passare un angolo di inizio, anche, se vuoi, quindi se vuoi che il tuo grafico a torta sia ben orientato, puoi farlo, e poi anche tu puoi compilare percentuali anche se volevi, ti mostrerò ragazzi come fare usando il codice da matplotlib, e questo è tutto.

01.07 S1: Quindi, andiamo avanti e iniziamo subito. Quindi la prima cosa che faremo è assegnare alcune etichette. Le etichette saranno una lista o una tupla ma la faremo diventare una tupla per ora. E queste saranno solo le fette, saranno ordinate, e saranno tracciate in questo modo, e generalmente i tracciati andranno in senso antiorario, solo nel caso in cui vi importasse davvero. Così, abbiamo le nostre tasse, abbiamo la nostra overhead e abbiamo la nostra ... E ops! Abbiamo il nostro intrattenimento. Ok. E poi diremo le nostre dimensioni di queste, e faremo questa lista, le dimensioni saranno 25, 32, 12. E poi specifichiamo i colori. Non ricordo davvero quali fossero i colori prima, ma faremo, facciamo ciano, magenta e penso che abbiamo fatto il blu. Lo faremo, non sono sicuro che quelli fossero quelli che riguardano questi specificatamente, ma che andrà bene. Ora, quello che faremo è, possiamo fare plt.pie e poi passiamo la X, che era di dimensioni. Poi abbiamo le tue etichette e in realtà le etichette dovrebbero eguali "etichette" perché davvero tutto quello che devi fare ... Si potrebbe davvero solo probabilmente allontanare le dimensioni effettivamente di passaggio, sono abbastanza sicuro. Andiamo avanti e facciamo solo un pl.show, vediamo cosa succede.

02.42 S1: Sì, quindi questo ti darà un grafico a torta senza davvero nulla, [ zuckle] quindi va bene così. E un'altra cosa che possiamo fare anche noi è fare "asse plt" e possiamo passare uguali qui, basta fare in modo, vedere cosa fa per noi, giusto. Quindi, se ci si accorge, il default era una sorta di grafico a torta inclinato. Alla gente piace fare quei grafici a torta inclinata per qualche motivo, ma se non vuoi che sia inclinato come quello e tipo distorto, puoi usare eguali lì e che lo impedirà di farlo. Ora, perché quelle dimensioni non significano davvero molto per noi senza etichette, aggiungeremo etichette e formiamo anche quei piccoli colori come abbiamo fatto prima. Allora torta, hai le dimensioni, poi diremo etichette uguale etichette e poi diremo che i colori sono uguali ai colori, possiamo passare l'angolo di inizio e diciamo che è uguale a 90, ok? Quindi andiamo avanti e corriamo subito. E così ora potete vedere che abbiamo le nostre etichette. Questa è le nostre tasse, questa è la nostra spesa di intrattenimento, e questa è la nostra sovrapposizione, quindi è così. E l'angolo di inizio, per via è, hai iniziato a 90 gradi di angolo, ecco perché, ecco la tua linea dritta e poi di nuovo, le cose sono tracciate in senso antiorario, quindi hai tasse, sovrapposizioni, intrattenimento ed è per questo che è andata così.

04.05 S1: Ora ... Ah giusto, quindi le percentuali sul grafico reale, si potrebbe fare una cosa del genere. Auto pct uguale, e poi puoi usare %1.1f%% e poi ora proviamo questo ancora una volta, e ora puoi vedere che qui hai le tue percentuali. Così si può fare. Un'altra cosa che possiamo aggiungere è una "ombra uguale vera", quindi questo dovrebbe aggiungete un po' di ombra, per cui si può scorrere un elemento tridimensionale. Così ora abbiamo fatto l'ombra, forse questo non sembrerà così goffo senza la cosa. Non lo so, mi sento ancora così snaturato a me per qualche ragione, non lo so, non mi piace molto. Si può realizzare la propria mente anche se. [ chuckle] Ma, non mi sembra di piacere. L'ombra è ok, però, non mi dispiace.

05.01 S1: Così, un'ombra e un'altra cosa che possiamo fare è possiamo aggiungere un'esplosione. Quindi un'esplosione è una sorta di dove tiriamo un pezzo un po' fuori, quindi per esempio potremmo aggiungere esplodere, quindi potremmo dire "esplodere uguale", e poi possiamo passare, dato che abbiamo tre elementi in questo grafico a torta, potresti avere zero, zero e zero, ops, e per esplodere qualcosa di poco, potremmo fare 0,1. Quindi questo significa che ... Ops, abbiamo dimenticato la nostra virgola. Questo significa che il secondo pezzo, così overhead, sarà un po' tirato fuori un po ', come se stessimo per mangiare un pezzo di quella torta. Quindi ci si va, si è tirato fuori un po '. Ma potremmo tirarlo fuori piuttosto un po ', [ zuckle] così come potete vedere è tirato davvero lontano. Potresti anche ... Potresti tirarli tutti fuori se volevi. Si potrebbero fare 0,1, 0,1 e 0,1 minuti, una cosa del genere e poi sarebbero tutti separati l'uno dall'altro e roba del genere.

06.11 S1: Ok, quindi basta con i grafici a torta. Ma come potete vedere, ci sono un sacco di roba di personalizzazione che possiamo fare. Quindi, che figata. Nel prossimo tutorial quello di cui parleremo sta caricando i dati da file. Quindi in realtà i prossimi due tutorial, ecco di cosa parleremo. Quindi, questo sarebbe un po' il nostro primo ingresso nel leggere i dati da altre fonti o qualunque cosa, ma molte volte le persone hanno dati che magari in un CSV o addirittura un file di testo, ma di solito sono separati da qualche cosa.

06.41 S1: Così, possiamo usare i metodi per aprire CSV su un qualsiasi file, stessa cosa con i file di testo. E così, parleremo prima del modulo nativo CSV che ci ... Ecco che parte la nostra libreria standard con Python. Parlate di come usare che per aprire un file CSV e poi parleremo di usare NumPy anche per farlo. NumPy è un po' meglio a fare praticamente tutto. E'un modulo molto efficiente mentre i moduli CSV non sono proprio così grandi, ma per piccoli file probabilmente non noverete la differenza. Comunque, ecco quello che voi ragazzi dovete guardare avanti, quindi restate sintonizzati per quello. 00.00 Speaker 1: Ciao a tutti e benvenuti al decimo tutorial di programmazione con la visualizzazione dei dati in Python usando Matplotlib. In questo tutorial quello di cui parleremo sta caricando i dati da un file CSV. Quindi, per farlo andremo avanti e useremo il modulo CSV. Ora, prima le prime cose, il proverbiale "elimina tutti". Ok e ora siamo pronti a continuare.

00.26 S1: Quindi, ho codificato tutto il nostro codice in questa piccola directory di codice video. Ecco allora che andremo avanti e ci metteremo anche questa sceneggiatura. Se sei in Windows, puoi codificare con i percorsi locali, se non sei su Windows dovrai comunque dare il percorso completo ma andiamo avanti e creiamo un nuovo file. E chiamerò solo questo, "esempio". E per ora è un file di testo. Dovremmo essere in grado di ottenere con un file di testo. Non importa ma puoi anche rendere tuo un CSV o quello che vuoi. Ma poi in questo file di esempio ne avrò solo uno, due, tre, quattro, cinque, sei, sette, otto, nove, e un dieci e un 10 andremo avanti e aggiungiamo alcune virgette, non periodi. Virgola, virgola, virgola, virgola, virgola, virgola, virgola. Ok, e poi quello che faremo, quelli sono come i nostri Xs e poi aggiungiamo qualche Ys, facciamo solo delle cose in alto. Non devi copiarmi perfettamente. Quel 78 dovrà essere altro. Ecco a te. Ok, quindi, salva l'esempio lì e questo è praticamente. Così tutorial over. No.

01.32 S1: sposteremo questo da parte ora. E nel nostro codice vogliamo essere in grado di fare riferimento a quel file di esempio. Quindi, quello che andremo avanti e fare è che diremo ... Prima dobbiamo importare CSV e che fa parte della tua libreria standard ogni installazione di Python almeno dopo tre dovrebbero esserne sicuro, sono abbastanza sicuro che arrivi anche in due. E facciamo solo una lista vuota di X e Y. Ora, quello che andremo avanti e fare è che diremo con apertura e questo sarà esempio, e ho fatto il mio in file di testo quindi avrò solo un testo di esempio con l'intenzione di leggere come file CSV, diremo i "complotti uguali CSV.reader" e leggerà il file CSV e il delimitatore uguale A virgola, quindi ovviamente si potrebbe avere solo un qualsiasi delimitatore desiderato. Come ad esempio quando faccio forse dei dati di testo, quindi come dicevo prima di lavorare con Natural Language Processing così in frasi molte persone hanno commenti. Quindi generalmente il mio delimitatore è come un triplo colon come quello ' causa che non si verifica mai davvero nel testo quindi è quello che userò. [ zuckle]

02.52 S1: Comunque, quindi hai dei complotti uguale a quello e poi diremo quattro fila in tracciati, diremo "X.append" e perché stiamo leggendo un testo, questo arriva come stringa. Quindi dobbiamo convertirci, quindi se hai flottature lì dentro l'avresti convertita in un float ma sappiamo che è nel file, sono tutti interi. Quindi ci convertiamo a int e poi la fila e l'elemento zeroth di quella fila è la nostra X, e la nostra Y è il valore int per la fila con il primo elemento. Figo. Quindi, ora faremo ... Questo è praticamente con quello. Così abbiamo popolato X e Y, quindi tutto quello che dobbiamo fare ora è tracciarlo. Così, "plt.plotXY", l'etichetta verrà caricata da file e poi avremo "plt.xlabel" e quello sarà il nostro numero di trama, poi "plt.ylabel" sarà scelto casualmente il numero tutorial e poi andremo avanti e avremo una "plt.legend" e faremo "plt.title" e chiameremo questo, "grafico fantastico". E infine il nostro "plt.show". Quindi salva e corri che, e ci siamo, e ci sono le nostre informazioni caricate dal nostro file di esempio.

04.36 S1: Ora, ecco il modulo CSV e nel prossimo tutorial ci occupiamo di come usare il modulo NumPy che è un modulo di terze parti. Non viene con Python ma è un modulo super utile. Voi potreste davvero averlo a seconda di come avete installato matplotlib. È anche probabilmente uno dei moduli più popolari al fianco di matplotlib che la gente ha solo perché è un modulo così utile. Allora comunque, ecco di cosa parleremo nel prossimo tutorial quindi restate sintonizzati per quello. 00.00 Speaker 1: Che succede a tutti? Benvenuti nella 11 parte della nostra seconda sezione per la visualizzazione dei dati con Python e matplotlib. In questo tutorial parleremo di usare NumPy per caricare i dati da file. Quindi NumPy è generalmente un metodo più veloce per il caricamento dei dati da file e si può anche fare qualche crunching numero in quanto li si sta caricando. Non parleremo davvero troppo di questo, ma vogliamo mostrare usando NumPy semplicemente semplicemente perché in fondo la strada soprattutto ti starai bene probabilmente usando NumPy e usarlo per importare dati da file fa solo un bel po' di senso. Quindi è di questo che parleremo qui. Quindi, andremo avanti e praticamente lasciamo ... Stiamo solo per cancellare questo. E poi, dobbiamo ottenere NumPy. Quindi prima di tutto, assicurati di avere NumPy. Quindi prova a fare importare NumPy, ad esempio in un ... Basta aprire IDLE e fare importare NumPy. E se puoi importare NumPy, grande. Se non puoi, hai bisogno di ottenerlo. Per ottenerlo, si farebbe pip install NumPy così.

01.11 S1: Se questo non dice nessun programma o qualunque cosa trovi per pip, fai solo SQL/Python qualunque sia la tua versione, la mia è 3,4 così Python34/scripts/pipinstallNumPy. Quindi assicurati di ottenere NumPy e poi quello che andremo avanti e fare è che diremo X, Y ... Quindi sì, non abbiamo bisogno di questi in realtà. X, Y uguale NP.loadtxt e poi si specifica il file di testo o il ... Di nuovo, è come CSV, giusto? Con CSV abbiamo caricato un testo; qui con il testo di carico si poteva caricare un CSV, non importa. Quindi carica testo e poi diremo example.text. Poi diremo quello che il nostro delimitatore ... Ops, questo non dovrebbe essere tra virgolette. Delimitatore uguale virgola e poi diremo dispack uguale vero. Quindi disfare è praticamente quello che stiamo facendo qui. Quindi quando si ha una funzione e si definisce semplice e questa funzione restituisce cinque e sette, diciamo, e si dice ... Facciamo Y, U uguale semplice, quello che stai facendo è assegnarti da cinque a Y e otto a U, ed è quello che si chiama non impacchettarsi.

02.47 S1: Quindi se hai fatto solo questo, come Y uguale semplice, Y sarebbe uguale a cinque, otto come una tupla. E infatti, in realtà, questo potrebbe non funzionare nemmeno ma percorriamo così in fretta. NumPy non definito. Quindi dobbiamo importare NumPy. Quindi prima facciamo importare NumPy come NP. Eseguiamola ancora una volta. X e Y devono avere lo stesso ... Oh, so cosa abbiamo fatto. Quello che dobbiamo dire come io uguale semplice. Ci proveremo di nuovo. Sto davvero solo cercando di gestirlo. Ok, quindi ha funzionato. Quindi se veniamo qui ... Quindi prima di tutto questo grafico ha fatto davvero carico e se veniamo qui e chiediamo cosa ... Oh, aspetta, beh, il grafico è alzato, quindi chiudiamo il grafico e diciamo che ora, sono effettivamente uguale alla tupla di cinque, otto. Ma se diciamo che IU uguale semplice, stiamo svaligando in quei valori. Quindi, IU e quindi questo è praticamente quello che sta succedendo qui. Quando diciamo dispack uguale vero, stiamo spacchettando i valori che sono divisi da questo delimitatore comune, li stiamo scaricando nell'ordine di XY per riga.

04.04 S1: Così, come potete vedere abbiamo rimosso piuttosto poche righe che sono state utilizzate per l'intera operazione CSV. Così si può vedere questo è solo anche programmazione saggia molto più efficiente ma NumPy è un modulo C accelerato in modo che utilizzi la lingua C e in molti casi molto più veloce. Questo non è davvero tutto quello che puoi fare anche con NumPy e puoi caricare file che hanno dei francobolli e convertirli e tutti i tipi di roba elegante.

04.31 S1: Quindi, comunque, questo è per il caricamento dei dati con NumPy, e davvero i due modi popolari che potreste caricare i dati in matplotlib. Un altro sarebbe con Pandas o qualcosa del genere, ma è un tutt' uno, un altro tutorial. Quindi, comunque, questo è per il caricamento dei dati con NumPy.