М97 Изучаем Python: программирование игр, визуализация данных, веб-приложения

346
Глава 15 • Генерирование данных
15.8. Умножение:
при броске двух кубиков результат обычно определяется суммировани-
ем двух чисел. Создайте визуализацию, которая показывает, что происходит при умноже-
нии этих чисел.
15.9. Генераторы: 
для наглядности в списках этого раздела используется длинная форма 
цикла 
for
. Если вы уверенно работаете с генераторами списков, попробуйте написать гене-
ратор для одного или обоих циклов в каждой из этих программ.
15.10. Эксперименты с библиотеками: 
попробуйте использовать Matplotlib для создания 
визуализации бросков кубиков, а Plotly — для создания визуализации случайного блужда-
ния. (Для выполнения этого упражнения вам придется обратиться к документациям обеих 
библиотек.)
Итоги
В этой главе вы научились генерировать наборы данных и строить визуализа-
ции этих данных. Вы научились строить простые диаграммы с использованием 
Мatplotlib и применять точечные диаграммы для анализа случайных блужданий. 
Вы узнали, как построить гистограмму с использованием Plotly и как исследовать 
результаты бросков кубиков с разным количеством граней при помощи гистограм-
мы.
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 
Мatplotlib и Plotly для анализа данных.

16
Загрузка данных
В этой главе мы загрузим наборы данных из сетевого источника и создадим ра-
ботоспособные визуализации этих данных. В интернете можно найти невероятно 
разнообразную информацию, большая 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 колебания температур 
в двух разных местах: в Ситке (Аляска) и в Долине Смерти (Калифорния). Позд-
нее в этой главе модуль 
json
будет использован для обращения к данным числен-
ности населения, хранимым в формате JSON, а при помощи модуля Plotly будет 
построена карта с данными местоположения и магнитуд недавних землетрясений.
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 назва-
ние 
CSV
(от Comma Separated Values, то есть «значения, разделенные запятыми»). 
Например, одна строка погодных данных в формате CSV может выглядеть так:
"USW00025333","SITKA AIRPORT, AK US","2018-01-01","0.45",,"48","38"
Это погодные данные за 1 января 2018 г. в Ситке (Аляска). В данных указаны 
максимальная и минимальная температура, а также ряд других показателей за 
этот день. У человека могут возникнуть проблемы с чтением данных CSV, но этот 

348

жүктеу/скачать 6,19 Mb.

Достарыңызбен бөлісу: