Loading
Nota de Estudos
Study Reminders
Support
Text Version

Tramas e Gráficos e Dados de Lotagem

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

    +

Tramas e Gráficos e Dados de Lotagem

00:00 Speaker 1: Olá, todo mundo, e bem-vindo à parte sete da seção dois para a nossa Data Visualization com série de tutorial Python e Matplotlib. Nesta parte, o que nós vamos estar falando é de tramas de dispersão. Então com isso, vamos em frente e vamos começar. Um exemplo de quando podemos realmente usar um enredo de dispersão é se estamos tentando mostrar talvez grupos ou categorias de correlação, coisas assim, às vezes você vai usar um enredo de dispersão. Agora vamos cobrir um exemplo onde você pode fazê-lo e nós faremos uma correlação ou um exemplo de tendência. Então eu acho que poderíamos continuar no nosso último exemplo que foi com essas pontuações de teste e ver se não conseguimos encontrar algum tipo de correlação com pontuações de teste e tempo gasto em testes ou algo assim.

00:55 S1: Então a maneira que poderíamos fazer isso é com uma variável "time_gasto" e a partir daí podemos apenas preencher isso com supostos tempos que os alunos gastaram na prova. Por isso, a questão realmente é tempo gasto em teste, e a razão pela qual poderíamos fazer essa pergunta é meio que derivar ou não mais tempo na prova igualada, em geral, uma nota melhor na prova. Então a partir daqui, vamos em frente e começar. Digamos que os alunos tiveram uma hora para fazer o teste, e foi assim que talvez longas pessoas gastaram com isso. Então só para facilitar a minha ver quando terminamos, eu vou seguir em frente e adicionar mais um espaço lá, dessa forma tudo se entope, e vamos começar. Então eu só vou colocar ... Você pode colocar os números que quiser aqui dentro. Eu só vou meio que fazê-los subir. Então aqui vamos nós.

01:47 S1: 11 minutes, esse cara gastou 10 minutes, esse cara gastou 22, esse cara gastou 23, 28, 32, 54, 55, 43, 23, 53, 33, 23, 23, 64 ... Não podemos gastar 64, 55, 23, 33, 38, 48, 22, 35, 37 e 42, 29, 29 e 12. Ok. Por isso, temos pontuações de teste e tempo gasto, e não precisamos de bins, e realmente não precisamos de nada disso. Então, a próxima coisa que a gente faria é a gente fazer um espalhador, e a maneira que nós fazemos isso é com o plt., e você pode ser capaz de adivinhar, espalhá-lo. Aí nós queremos espalhar e vamos apenas fazer tempo gasto e depois as pontuações de teste. Assim, o eixo x será o tempo gasto, o eixo y será pontuação de teste. Assim, podemos tramar isso e lá temos. Agora, parece haver possível uma tendência a esse caminho, mas é realmente difícil de contar e então também, este é um exemplo realmente grande de um gráfico que realmente, realmente, realmente nos implora para termos alguns rótulos e um título, [chuckle] porque senão você olha para este gráfico e não tem, literalmente, nenhuma pista do que está acontecendo.

03:22 S1: Então, podemos ... Você talvez faça o rótulo "plt.x" e este foi o tempo gasto em teste, e depois o rótulo "plt.y" e que foi pontuação de teste. Ok. E aí também poderíamos adicionar um título como "plt.título", pontuação de teste versus tempo gasto, algo assim. Então agora temos e podemos ver que pode haver uma tendência, mas certamente não é uma tendência muito forte, mas é claro que isso são apenas dados falsos. Mas se este fosse o dado real nós dizíamos que há talvez uma ligeira correlação mas não realmente forte. De qualquer forma, parece que é apenas uma simpéria e simples trama de dispersão com Matplotlib, realmente não muito mais para ele do que isso.

04:15 S1: Agora, às vezes com tramas de dispersão você pode querer mostrar vários conjuntos de dados. Ok. Então como eu estava dizendo antes, muitas tramas de dispersão são usadas para mostrar categorias ou grupos também. Então você pode ter algo assim. A gente se livrá de tudo isso por enquanto. Na verdade, nós vamos deixar tudo isso e aí vamos traçar um segundo gráfico. Então, por exemplo, você pode ter "X1 = Y1 =" e então talvez você tenha um, dois, três, quatro, cinco ... Cinco é o suficiente por enquanto. E aí teremos dois, três, dois, quatro, dois. Ok. E na verdade vamos fazer ... Vamos dizer que X é um, dois, três, quatro, cinco, e então teremos Y's diferentes. E então este será oito, oito, seis, sete, seis. Ok. Agora, concebivelmente você pode ver algo assim, "plt.scatterXY1, " e então você pode mudar o marcador. Então você pode dizer que o marcador ... Por padrão, o marcador é, eu acredito ... O padrão seria um O possivelmente, então vamos ... Nós vamos manter isso, eu acho, e então vamos fazer cores iguais, e então nós faremos C para cayenne. Então vamos fazer outro, então "plt.scatterXY2", e aí nós vamos dizer que esse marcador é igual, e nós faremos um V, eu acredito, será um triângulo de cabeça para baixo, e depois a cor.

06:00 S1: Aqui vai ser magenta e agora, vamos fazer um "plt.show" e o primeiro vai ser apenas a coisa do teste de grau mas depois vamos descer aqui e ainda. Então agora você vê que você tem talvez possivelmente um grupo até aqui e depois um grupo aqui embaixo. Assim você pode usar tramas de dispersão nesse aspecto também e traçar grupos diferentes e ver claramente a diferença deles. Então, de qualquer maneira, é isso para tramas de dispersão. No próximo tutorial, vamos estar cobrindo tramas de pilha que é meio que uma forma de mostrar todas as partes que se somam a um todo e geralmente é onde eu vejo isso feito de fato. Então, usaremos um exemplo de despesa de uma empresa apenas como um exemplo de por que você pode usar um plot de pilha. Então, de qualquer maneira, é o que vocês têm que olhar para frente, então fiquem atentos para isso.

00:00 Speaker 1: O que está acontecendo, todo mundo? E sejam bem-vindos às oito parte da nossa Seção Dois, tudo sobre visualização de dados com Python e matplotlib. Nesta parte, o que vamos estar falando é um enredo de pilha. Então eu vou seguir em frente e deletar basicamente tudo, menos a importação original aqui, e nós vamos estar falando de parcelas de pilha agora. Por isso, a ideia de um enredo de pilha é, é maneira de se visualizar o todo mas também ver como as peças compõem esse todo. Por isso, é como um gráfico de pizza, só que é um gráfico de pizza que também tem outro eixo para ele. Então com o gráfico de tortas, gráficos de pizza a qualquer um só vez ele realmente só tem a dimensão única para ele, mas isso terá duas dimensões. Você tem um X e um Y. Então um gráfico de pizza só pode mostrar uma fatia de uma torta em qualquer momento, enquanto que, em pilha de pilha pode mostrar as fatias dessa torta ao longo do tempo. Então é isso que nós estaremos fazendo agora.

00:56 S1: Então vamos em frente e diga ... Vamos fazer a suposição de que estamos operando uma empresa e nós estamos operando essa empresa há 10 anos. Então nós só vamos ter eu acho que um ano aqui e que vai ser uma lista, e nós vamos ter um, dois, três, quatro, cinco, seis, sete, oito, nove e 10. Então nossa empresa está viva há 10 anos e então nós temos alguns gastos. Agora é claro, uma empresa de verdade tem apenas centenas de coisas mas nós só vamos fazer algumas por enquanto. Vamos dizer "Taxistas", e vamos supor que esses números estão nos milhares. Então nós temos impostos. Por isso pagamos no primeiro ano, $17.000 em impostos e depois 18.000, depois 40, depois 43, depois 44.000, depois 8.000 não fizemos muito naquele ano, os 43.000, 32, 39 e 30. Então, esse deve ser um, dois, três, quatro, cinco, seis, sete, oito, nove, 10. Certo? Sim. Ok. Então isso é 10. Agora nós só vamos dizer ... Diremos nossa sobrecarinha, e esses são apenas o custo de produção basicamente para nós fazer qualquer que seja o trinômaco que nós aconteçamos para fazer. Assim, vamos dizer 30, 22, 9, 29, 17, 12, 14, 24, 49 e 35.

02:23 S1: Então nós vamos ter algum entretenimento, e estes são apenas meio que como os gastos frívolos que poderíamos fazer na empresa. Então faremos isso 41, 32, 27, 13, 19, 12, 22, 18, 28 e 20. Isso também deve ser de 10. Sim. Ok. Agora, o que podemos fazer é empilhar tudo isso, para que possamos fazer "plt.stackplot", e podemos fazer ano, impostos, sobrecartura, entretenimento. Assim, a forma como a trama de pilha funciona é leva o parâmetro X e depois Y ao infinito como argumentos. Então com métodos você tem args e kwargs que são argumentos de palavra-chave e você tem que passar os argumentos antes de obter os argumentos da palavra-chave, mas você tem uma quantidade ilimitada de argumentos que você pode passar aqui para que seja apenas realmente em parcelas de pilha provavelmente como quatro args em args one: Ou algo assim e depois como seu Ys para aqueles que são curiosos. De qualquer forma, vamos empilhar trama que bad boy, e vamos fazer o "plt.show". Então vamos ver onde estamos no momento.

03:40 S1: Então lá você vai. Você tem um belo enredo de pilha, e este é meio como tudo funciona. Então, essas são despesas da empresa basicamente mesmo que os impostos não seriam realmente uma despesa, mas estamos apenas usando eles. Mas aqui está a outra questão embora quando olhamos para este gráfico, somos como "Hmm, que é qual aqui?". Certo? É muito difícil mas, infelizmente, há realmente não, com a trama de pilha realmente não tem como nós rotularmos com lendas. Então, temos que ter um pouco de hacky com ele mas podemos fazer isso. Portanto, primeiro de tudo o que podemos fazer é podemos ... Porque o que nós temos que fazer é, se queremos colher uma lenda para falar, o que podemos fazer é algo assim. Podemos dizer, "plt.plot ", e podemos traçar apenas conjuntos vazios. So X, Y de nada e então podemos atribuir valores. Por isso, poderíamos dizer que a cor aqui é igual a magenta, e então podemos dar um rótulo. Podemos dizer que rótulo equivale a impostos. E aí poderíamos dizer, "plt.plot", e então novamente vamos traçar um conjunto vazio tão vazio definido e então nós dizíamos que cor equivale a ciano e então rótulo é igual a overhead.

05:12 S1: E se não forçamos as cores como esta, ela vai ciclovia através das cores. Então, este seria azul então acho que vai verde, vermelho então faz, eu não sei, roxo e preto e ele passa de ciclos. Então, se não forçamos as cores, vai apenas meio que ciclo eles para serem cores diferentes. Mas aí nós podemos fazer isso, então "plt.plot", e simplesmente continuaremos junto aqui vazios color color iguais, e vamos fazer deste um rótulo azul igual ao entretenimento. E então o que podemos fazer é vir à tona ... Ou realmente por aqui até a pilha de pilha em si e podemos passar as cores como uma lista. Por isso, fazemos cores iguais, e esta será uma lista de cores, por isso temos três cores. E se os nossos impostos, nós somos magenta.

06:00 S1: E então a nossa sobrecabeça foi cyan, e agora tivemos um B para entretenimento. Então agora temos as cores adequadas, e então tudo o que temos a fazer é chamar em "plt.legend", e enquanto estamos nisso, vamos fazer um "plt.titlecompanyDespesas", plt.xlabel " será ano. E então "plt.ylabel" será custo em milhares. Algo assim. Ok. Vamos salvar e correr isso. E agora ... Opa que esquecemos de ... Ah, nós fizemos "plt.legend" sem os parmos lá. Enfim, lá vamos nós. E agora nós realmente fizemos isso. Então aqui nós podemos ver, ok, isso é o quanto estamos gastando com entretenimento. Nós realmente cortamos de volta ao entretenimento esses anos. Realmente corte de volta no entretenimento e na sobrecaria. E pagamos muito menos impostos, veja como isso deu certo para nós. Enfim, isso foi pela sorte, seguindo em frente. Por isso, temos nossas cores e podemos ver. Mas, novamente, estamos vendo como nossa lenda está realmente em nosso caminho desta vez, mas podemos mover as coisas para baixo e fazer isso. Lá vamos nós. Ainda está no caminho. Não há como se afastar desse problema. Uma coisa que você pode fazer de fato. Se você usar o botão de zoom, você pode clicar nele. E normalmente você clica e arraste para dar um zoom, mas se você segurar o seu botão direito do mouse em vez disso, ele realmente dá um zoom de acordo com qualquer que fosse sua escolha.

07:26 S1: Então mantenha isso em mente porque você pode fazer coisas desse tipo. Então agora o que podemos fazer assim e forçar a nós mesmos a ter mais espaço no nosso gráfico. Isso seria melhor para que possamos trapacear. Enfim, ok, então isso é apenas tramas de pilha e zoom out e tudo isso meio divertido e também meio que spoofing uma lenda. Por isso, há algumas coisas tramitando que simplesmente não, com lendas são apenas provavelmente as mais comuns com as quais ela não trabalha. Mas pilha trama, e eu estou tentando pensar em alguns dos outros como filos. Se tudo o que você trama é preenchimento, isso não é um enredo e assim não é. Então basicamente qualquer coisa que seja polígono. Então qualquer coisa que se enche de linhas, geralmente não vai ser lenda-capaz. Mas você sempre pode fazer isso para criar uma espécie de lenda do fakish. Eu realmente não tenho certeza por que eles não fazem apenas algo assim em segundo plano mesmo que seja apenas um preenchimento e você realmente quer ter um rótulo. Mas eles não. Então, de qualquer maneira, você tem que meio que invadir o seu caminho através dele. Mas tudo bem. Então de qualquer forma, isso são tramas de pilha e no próximo tutorial, já que estávamos falando sobre como as parcelas de pilha são como gráficos de pizza com uma linha do tempo, vamos falar sobre gráficos de pizza em seguida. Então, de qualquer maneira, fique atento a isso. Obrigado por assistir.

00:00 Speaker 1: O que está acontecendo todo mundo? Bem-vindo à parte nove da Seção Dois com visualização de dados usando matplotlib em Python. Nesta parte o que nós vamos estar falando é de gráficos de tortas. Por isso, uma inclusão bem legal para o matplotlib são gráficos de tortas, e eles fazem algumas coisas legais nos bastidores para nós, como converter automaticamente em porcentagem da torta, e assim por diante. Então, com isso, vamos pular direto para dentro. Primeira coisa que nós vamos fazer é a exclusão habitual de tudo, menos para aquela primeira importação e estamos prontos para estrondo. Por isso, com gráficos de pizza em matplotlib, você geralmente dá a ele o ... Suponha que seu X seja sua quantidade da torta, e então seu Y seria seus rótulos, e então você pode passar por cores, se você quiser, e então você pode passar um ângulo de início, mesmo, se você quiser que seu pequeno gráfico de pizza seja bem orientado, você pode fazer isso, e então também você pode preencher porcentagens também se você quisesse, eu mostro a vocês como fazer isso usando o código de matplotlib, e isso é sobre isso.

01:07 S1: Então, vamos em frente e vamos começar agora. Então a primeira coisa que nós vamos fazer é que vamos atribuir alguns rótulos. Os rótulos serão uma lista ou uma tupla mas vamos torná-la uma tupla por enquanto. E estas serão apenas as fatias, elas vão ser ordenadas, e serão tramadas desta forma, e geralmente as tramas vão para o sentido anti-horário, só para o caso de você realmente se importar. Então, nós temos os nossos impostos, nós temos a nossa sobrecaria, e nós temos o nosso ... E opa! Nós temos o nosso entretenimento. Ok. E aí nós vamos dizer nossos tamanhos destes, e vamos fazer disso uma lista, os tamanhos serão 25, 32, 12. E então especificamos as cores. Eu realmente não lembro quais eram as cores antes, mas nós vamos fazer, vamos fazer cyan, magenta, e eu acho que fizemos azul. Nós faremos isso, não tenho certeza se aqueles foram aqueles que pertencem a estes especificamente, mas isso vai ficar bem. Agora, o que vamos fazer é, podemos fazer plt.pie e aí passamos o X, que era tamanhos. Aí temos seus rótulos, e na verdade rótulos devem igualar "etiquetas" porque realmente tudo o que você tem a fazer ... Você realmente poderia simplesmente sair de fato passando tamanhos, eu tenho certeza. Vamos em frente e basta rodar um plt.show, ver o que acontece.

02:42 S1: Sim, então isso vai te dar um gráfico de pizza sem realmente nada para ele, [chuckle] para que tudo bem. E outra coisa que podemos fazer como bem é fazer "eixo de plt" e podemos passar iguais aqui, vamos apenas nos certificar, ver o que isso faz por nós, certo. Então, se você notar, o padrão era uma espécie de gráfico de pizza inclinado. As pessoas gostam de fazer aqueles gráficos de tortas inclinadas por alguma razão, mas se você não quer que ele seja inclinado assim e meio distorcido, você pode usar igual lá e isso vai evitar que ele faça isso. Agora, porque esses tamanhos não significam muito para nós sem rótulos, nós vamos adicionar rótulos e também vamos forçar aquelas pequenas cores como fizemos antes. Então torta, você tem tamanhos, aí nós vamos dizer etiquetas iguais rótulos, e aí nós vamos dizer que as cores são iguais às cores, podemos passar ângulo de início e dizemos que é igual a 90, ok? Então, vamos em frente e comandar isso agora. E assim agora você pode ver que temos nossos rótulos. Este é o nosso imposto, esta é a nossa despesa de entretenimento, e esta é a nossa sobrecabeça, então é isso. E o ângulo de início, por certo é, você começou em ângulo de 90 graus, é por isso que, então aqui está sua linha reta para cima e para baixo, e então novamente, as coisas estão tramadas no sentido anti-horário, então você tem impostos, sobrecaras, entretenimento, e é por isso que fez isso dessa forma.

04:05 S1: Agora ... Ah certo, então as porcentagens no gráfico real, você poderia fazer algo assim. Auto pct é igual a, e então você pode usar %1.1f%%, e então agora vamos tentar isso mais uma vez, e agora você pode ver que você tem suas porcentagens aqui. Então você pode fazer isso. Outra coisa que podemos acrescentar é uma "sombra é igual a verdadeira", então isso deve adicionar um pouco de sombra a ele, então você pode meio que ver um elemento tridimensional para ele. Então agora nós fizemos a sombra, talvez isso não pareça tão patinadão sem a coisa. Eu não sei, eu ainda sinto que isso parece realmente distorcido para mim por alguma razão, eu não sei, eu realmente não gosto disso. Você pode fazer a sua própria mente embora. [chuckle] Mas, eu não pareço para gostar. A sombra está bem, porém, eu não me importo com isso.

05:01 S1: Então, ficou sombra, e outra coisa que a gente pode fazer é podemos adicionar uma explosão. Então, uma explosão é meio onde puxamos uma peça para fora um pouco, então por exemplo, poderíamos adicionar explodir, então poderíamos dizer "explodir iguais", e então podemos passar por, já que temos três elementos neste gráfico de pizza, você poderia ter zero, zero e zero, ops, e para explodir algo apenas um pouco, poderíamos fazer 0,1. Então isso significa que ... Opa, esquecemos nossa vírgula. Isso significa que a segunda peça, tão sobrecarinha, vai ser meio puxada para fora um pouco, como estamos prestes a comer um pedaço dessa torta. Então lá vai você, ele é puxado um pouco. Mas poderíamos puxá-lo para fora bastante um pouco, [chuckle] para que você possa ver que é puxado realmente para longe. Você também poderia ... Você poderia puxá-los todos para fora se quisesse. Você poderia fazer 0,1, 0,1 e 0,1, algo assim e então eles todos estariam meio que separados um do outro e coisas assim.

06:11 S1: Ok, então isso é sobre isso com gráficos de tortas. Mas como você pode ver, há um monte de pequenas coisas de customização que nós podemos fazer. Então, isso é bem legal. No próximo tutorial, o que vamos estar falando é carregar dados de arquivos. Então na verdade, os próximos dois tutoriais, é disso que nós vamos estar falando. Então, essa seria uma espécie de nossa primeira entrada em leitura de dados de outras fontes ou o que quer que seja, mas muitas vezes as pessoas têm dados que talvez em um CSV ou até mesmo um arquivo de texto, mas geralmente é separado por alguma coisa.

06:41 S1: Então, podemos usar os métodos para abertura de CSVs em apenas sobre qualquer arquivo, mesma coisa com arquivos de texto. E assim, falaremos primeiro sobre o módulo de CSV nativo que nós ... Isso vem fazer parte da nossa biblioteca padrão com Python. Fale sobre como usar isso para abrir um arquivo CSV e depois falaremos de usar o NumPy para fazer isso também. NumPy é um pouco melhor em fazer praticamente tudo. É um módulo muito eficiente enquanto os módulos CSV não são realmente tão grandes, mas para arquivos pequenos você provavelmente não vai notar a diferença. Mas de qualquer forma, é isso que vocês têm que olhar para frente, então fiquem atentos para isso. 00:00 Speaker 1: Olá, todo mundo, e bem-vindos ao décimo tutorial de programação com visualização de dados em Python usando Matplotlib. Neste tutorial, o que nós vamos estar falando é carregar dados de um arquivo CSV. Então, para fazer isso nós vamos seguir em frente e usar o módulo CSV. Agora, primeiras coisas primeiro, o proverbial "deletar tudo". Ok, e agora estamos prontos para continuar.

00:26 S1: Então, eu tenho codificado todo o nosso código neste pequeno diretório de código de vídeo. Então é para lá que vamos em frente e colocar esse roteiro também. Se você está no Windows, você pode codificar com caminhos locais, se você não estiver no Windows você terá que ainda dar o caminho completo mas vamos em frente e criar um novo arquivo. E eu só vou chamar isso de "exemplo". E por enquanto, é um arquivo de texto. Devemos ser capazes de obter por meio de um arquivo de texto. Não deve importar mas você também pode fazer do seu um CSV ou o que você quiser. Mas então neste arquivo de exemplo, eu só vou ter um, dois, três, quatro, cinco, seis, sete, oito, nove, e um dez e um 10 vamos em frente e somando algumas vírgulas, não períodos. Comma, comma, vírgula, vírgula, vírgula, vírgula, vírgula. Ok, e então o que nós vamos fazer, aqueles são como nossos Xs e então nós vamos adicionar alguns Ys, vamos fazer algumas coisas para cima. Você não tem que me copiar perfeitamente. Que 78 vai ter que ser outra coisa. Lá vai você. Ok, então, salve o exemplo lá e é basicamente isso. Então tutorial sobre. Nº.

01:32 S1: Vamos mudar isso de lado agora. E em nosso código, queremos ser capazes de referencia esse arquivo de exemplo. Então, o que nós vamos seguir adiante e fazer é vamos dizer ... Primeiro precisamos importar CSV e que faz parte da sua biblioteca padrão cada instalação do Python pelo menos depois que três devem ter certeza tem, tenho certeza que vem em dois também. E vamos apenas fazer uma lista vazia de X e Y. Agora, o que vamos seguir em frente e fazer é vamos dizer com abertura e isso será exemplo, e eu fiz o meu em arquivo de texto Então eu só vou ter texto de exemplo com a intenção de ler como arquivo CSV, vamos dizer o arquivo "plots iguais CSV.leitor" e ele vai ler o arquivo CSV e o delimitador é igual a Uma vírgula, então obviamente você poderia ter apenas sobre qualquer delimitador que você quiser. Como por exemplo quando eu faço talvez dados de texto, então como eu estava dizendo antes de trabalhar com Processamento de Linguagem Natural então em frases que muita gente tem comentários. Então geralmente meu delimitador é como um colón triplo como esse ' causa que nunca realmente ocorre em texto então é isso que eu vou usar. [chuckle]

02:52 S1: Enfim, então você tem tramas iguais a isso e então nós vamos dizer quatro linha em tramas, nós vamos dizer "X.append" e porque estamos lendo texto, isso vem por meio de string. Por isso, temos que nos converter, então se você tiver flutuação lá dentro você converteria em um flutuante mas sabemos que está no arquivo, são todos inteiros. Então nós vamos converter para int e depois a linha e o elemento zeroth dessa linha é o nosso X, e o nosso Y é o valor int para a linha com o primeiro elemento. Legal. Então, agora nós vamos fazer ... É basicamente isso com isso. Por isso, povoamos X e Y, então tudo o que temos que fazer agora é enredo. Então, "plt.plotXY", o rótulo vai ser carregado de arquivo e depois vamos ter "plt.xlabel" e esse será o nosso número da trama, então "plt.ylabel" vai ser o número do tutorial escolhido aleatoriamente e depois vamos em frente e teremos um "plt.legenda" e faremos "plt.title" e chamaremos isso de "gráfico incrível". E, finalmente, o nosso "plt.show". Então salve e execute isso, e lá vamos nós, e há as nossas informações carregadas do nosso arquivo de exemplo.

04:36 S1: Agora, isso é com o módulo CSV e no próximo tutorial vamos cobrir como usar o módulo NumPy que é um módulo de terceiros. Ele não vem com Python mas é um módulo super útil. Vocês podem realmente tê-lo dependendo de como você instalou matplotlib. Provavelmente também é um dos módulos mais populares ao lado de matplotlib que as pessoas simplesmente têm porque é um módulo tão útil. Então, de qualquer maneira, é sobre isso que vamos falar no próximo tutorial então fique atento para isso. 00:00 Speaker 1: O que está acontecendo, todo mundo? Bem-vindo à 11º parte da nossa segunda seção para visualização de dados com Python e matplotlib. Neste tutorial vamos estar falando sobre usar o NumPy para carregar dados de arquivos. Por isso, o NumPy é geralmente um método mais rápido para carregar dados de arquivos e você também pode fazer alguma crunching de número enquanto você está carregando eles em. Nós não vamos realmente ficar falando muito disso, mas nós queremos mostrar usando o NumPy simplesmente simplesmente porque descem a estrada especialmente você vai se multar provavelmente usando o NumPy e usá-lo para importar dados de arquivos apenas faz muito sentido. Então é sobre isso que vamos estar falando aqui. Então, nós vamos em frente e basicamente deixar ... Nós só vamos deletar isso. E então, precisamos pegar o NumPy. Então antes de tudo, certise-se de que você tem NumPy. Por isso, tente fazer importação NumPy, por exemplo, em um ... Basta abrir IDLE e fazer importação NumPy. E se você puder importar NumPy, ótimo. Se você não puder, você precisa pegar. Para conseguir, você faria pip install NumPy like aquilo.

01:11 S1: Se isso disser nenhum programa ou o que for encontrado para pip, você só faz SQL/Python qualquer que seja a sua versão, a minha é 3,4 so Python34/scripts/pipinstallNumPy. Então, certifique-se de obter NumPy e então o que vamos seguir adiante e fazer é vamos dizer X, Y ... Então sim, nós não precisamos destes de fato. X, Y é igual a NP.loadtxt e então você especifica o arquivo de texto ou o ... De novo, é como CSV, certo? Com o CSV, carregamos um texto; aqui com texto de carregamento você poderia carregar um CSV, ele não importa. Então carregue texto e depois nós vamos dizer example.texto. Aí nós vamos dizer o que o nosso delimitador ... Opa, isso não deveria estar entre aspas. Delimitador é igual a vírgula, e então vamos dizer que descompacta é igual a true. Por isso, desfazer as malas é basicamente o que estamos fazendo aqui. Então, quando você tem uma função e define simples e esta função retorna cinco e sete, vamos dizer, e você diz ... Vamos fazer Y, U igual a simples, o que você está fazendo é você está atribuindo cinco a Y e oito a U, e isso é o que é chamado de desembalagem.

02:47 S1: Então se você acabou de fazer isso, como Y igual a simples, Y seria igual a cinco, oito como uma tupla. E na verdade, na verdade, isso pode até não funcionar mas vamos correr isso bem rápido. NumPy não definido. Por isso, temos que importar NumPy. Por isso, primeiro vamos fazer importação NumPy como NP. Vamos correr mais uma vez. X e Y devem ter o mesmo ... Ah, eu sei o que nós fizemos. O que precisamos dizer como eu é igual a simples. Vamos tentar de novo. Eu realmente estou apenas tentando executá-lo. Ok, então fez trabalho. Então se nós viermos aqui ... Então, antes de mais nada, este gráfico fez de fato carga e se chegamos aqui e perguntamos o que é ... Ah, espere, bem, o gráfico está em alta, então vamos fechar o gráfico e dizemos que agora, eu sou de fato igual à tupla de cinco, oito. Mas se nós dizermos como IU igual simples, estamos desempacotando para esses valores. Então, IU e assim é basicamente o que está acontecendo aqui em cima. Quando dizemos que unpack é igual a true, estamos desempacotando os valores que são divididos por este delimitador comum, estamos desempacotando eles para a ordem de XY por linha.

04:04 S1: Então, como você pode ver removemos bem algumas linhas que foram usadas para toda a operação CSV. Então você pode ver isso é apenas até programação sábia muito mais eficiente mas NumPy é um módulo acelerada C para que ele use a linguagem de C e em muitos casos muito mais rápido. Isso não é realmente tudo o que você pode fazer com o NumPy ou você pode carregar arquivos que possuem estampas de data e convertê-los e todos os tipos de coisas chiques.

04:31 S1: Então, de qualquer maneira, é isso para carregar dados com NumPy, e realmente as duas maneiras populares que você pode carregar dados em matplotlib. Outro seria com Pandas ou algo assim, mas isso é um todo, outro tutorial. Então, de qualquer forma, é isso para carregar dados com NumPy.