Книга «Изучаем Python»
жүктеу/скачать 7,86 Mb. Pdf көрінісі
|
Изучаем Python. Программирование игр, визуализация данных, веб-приложения ( PDFDrive )
| Рис. 15.13.
Результаты 50 000 бросков шести- и десятигранного кубиков Возможность применения Pygal для моделирования бросков кубиков дает суще- ственную свободу при исследовании этого явления. За считаные минуты вы смо- жете смоделировать огромное количество бросков с разнообразными кубиками. УПРАЖНЕНИЯ 15-6 . Автоматические метки: измените программы die .py и dice_visual .py . Замените список, используемый для задания значений hist .x_labels, циклом, автоматически генерирующим этот список . Если вы хорошо освоили генераторы списков, также попробуйте заменить другие циклы for в die_visual .py и dice_visual .py генераторами списков . Итоги 335 15-7 . Два кубика D8s: создайте модель, которая показывает, что происходит при 1000-крат- ном бросании двух восьмигранных кубиков . Постепенно наращивайте количество бросков, пока не начнете замечать ограничения, связанные с ресурсами вашей системы . 15-8 . Три кубика: при броске 3 кубиков D6 наименьший возможный результат равен 3, а наибольший — 18 . Создайте визуализацию, которая показывает, что происходит при бро- ске трех кубиков D6 . 15-9 . Умножение: при броске двух кубиков результат обычно определяется суммированием двух чисел . Создайте визуализацию, которая показывает, что происходит при умножении этих чисел . 15-10 . Эксперименты с библиотеками: попробуйте использовать matplotlib для создания ви- зуализации бросков кубиков, а Pygal — для создания визуализации случайного блуждания . Итоги В этой главе вы научились генерировать наборы данных и строить визуализа- ции этих данных. Вы научились строить простые диаграммы с использованием matplotlib и применять точечные диаграммы для анализа случайных блужданий. Вы узнали, как построить гистограмму с использованием Pygal и как исследовать результаты бросков кубиков с разным количеством граней при помощи гисто- граммы. Генерирование собственных наборов данных в программах — интересный и мощ- ный способ моделирования и анализа различных реальных ситуаций. В дальней- ших проектах визуализации данных обращайте особое внимание на ситуации, которые могут быть смоделированы на программном уровне. Присмотритесь к визуализациям, встречающимся в выпусках новостей, — возможно, они были сгенерированы методами, сходными с теми, о которых вы узнали в этих проектах? В главе 16 мы загрузим данные из сетевого источника и продолжим использовать matplotlib и Pygal для анализа данных. 16 Загрузка данных В этой главе мы загрузим наборы данных из сетевого источника и создадим рабо- тоспособные визуализации этих данных. В Интернете можно найти невероятно разнообразную информацию, б у льшая часть которой еще не подвергалась осно- вательному анализу. Умение анализировать данные позволит вам выявить связи и закономерности, не найденные никем другим. В этой главе рассматривается работа с данными в двух популярных форматах, CSV и JSON. Модуль Python csv будет применен для обработки погодных данных в формате CSV (с разделением запятыми) и анализа динамики высоких и низких температур в двух разных местах. Затем библиотека matplotlib будет использована для построения на базе загруженных данных диаграммы изменения температур. Позднее в этой главе модуль json будет использован для обращения к данным численности населения, хранимым в формате JSON, а при помощи модуля Pygal будет построена карта распределения населения по странам. К концу этой главы вы будете готовы к работе с разными типами и форматами наборов данных и начнете лучше понимать принципы построения сложных визу- ализаций. Возможность загрузки и визуализации сетевых данных разных типов и форматов крайне важна для работы с разнообразными массивами данных в ре- альном мире. Формат CSV Один из простейших вариантов хранения — запись данных в текстовый файл как серий значений, разделенных запятыми; такой формат хранения получил название CSV (от Comma Separated Values, то есть «значения, разделенные запятыми»). На- пример, одна строка погодных данных в формате CSV может выглядеть так: 2014-1-5,61,44,26,18,7,-1,56,30,9,30.34,30.27,30.15,,,,10,4,,0.00,0,,195 Это погодные данные за 5 января 2014 г. в Ситке (Аляска). В данных указаны мак- симальная и минимальная температуры, а также ряд других показателей за этот день. У человека могут возникнуть проблемы с чтением данных CSV, но этот фор- мат хорошо подходит для программной обработки и извлечения значений, а это ускоряет процесс анализа. Начнем с небольшого набора погодных данных в формате CSV, запи- санного в Ситке; файл с данными можно загрузить среди ресурсов книги Формат CSV 337 по адресу https://www.nostarch.com/pythoncrashcourse/ . Скопируйте файл sitka_weather_07-2014 .csv в каталог, в котором сохраняются программы этой главы. (После загрузки ресурсов книги в вашем распоряжении появятся все необходимые файлы для этого проекта.) жүктеу/скачать 7,86 Mb. Достарыңызбен бөлісу:
|