爱站程序员基地在今晚的学习中，我将学着获取数据，并对这些数据进行可视化。
3.1 CSV文件：
要在文本文件中存储数据，最简单的方式是将数据作为一系列以逗号分隔的值 （CSV）写入文件。这样的文件称为CSV文件。
3.1.1 分析CSV文件头：
csv
模块包含在Python标准库中，可用于分析CSV文件中的数据行，让我们能够快速提取感兴趣的值。下面先来查看这个文件的第一行，其中包含一系列有关数据的描述：
# -*- coding:utf-8 -*-import csvfilename = \'sitka_weather_07-2014.csv\'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)print(header_row)
导入模块
csv
后，我们将要使用的文件的名称存储在
filename
中。接下来，我们打开这个文件，并将结果文件对象存储在
f
中（见第6行）。然后，我们调用
csv.reader()
， 并将前面存储的文件对象作为实参传递给它，从而创建一个与该文件相关联的阅读器对象（见第7行）。我们将这个阅读器对象存储在
reader
中。 模块
csv
包含函数
next()
，调用它并将阅读器对象传递给它时，它将返回文件中的下一行。在上头的代码中，我们只调用了
next()
一次，因此得到的是文件的第一行，其中包含文件头。我们将返回的数据存储在
header_row
中。正如上图看到的，
header_row
包含与天气相关的文件头，指出了每行都包含哪些数据。
3.1.2 打印文件头及其位置：
为让文件头数据更容易理解，可以将列表中的每个文件头及其位置打印出来：
# -*- coding:utf-8 -*-import csvfilename = \'sitka_weather_07-2014.csv\'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)for index, column_header in enumerate(header_row):print(index, column_header)
我们对列表调用了
enumerate()
（见第10行）来获取每个元素的索引及其值。输出如上，其中指出了每个文件头的索引。
3.1.3 提取并读取数据：
知道需要哪些列中的数据后，我们可以试着来读取一些数据。首先读取每天的最高气温：
# -*- coding:utf-8 -*-import csv# 从文件中获取最高气温filename = \'sitka_weather_07-2014.csv\'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)highs =[]for row in reader:highs.append(row[1])print(highs)
我们创建了一个名为
highs
的空列表（见第11行），再遍历文件中余下的各行（见第13行处）。阅读器对象从其停留的地方继续往下读取CSV文件，每次都自动返回当前所处位置的下一行。由于我们已经读取了文件头行，这个循环将从第二行开始——从这行开始包含的是实际数据。每次执行该循环时，我们都将索引的数据附加到
highs
末尾（见第14行）。
下面使用
int()
将这些字符串转换为数字，让
matplotlib
能够读取它们：
# -*- coding:utf-8 -*-import csv# 从文件中获取最高气温filename = \'sitka_weather_07-2014.csv\'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)highs =[]for row in reader:high = int(row[1])highs.append(high)print(highs)
在第14行处，我们将表示气温的字符串转换成了数字，再将其附加到列表末尾。这样，最终的列表将包含以数字表示的每日最高气温。
3.1.4 绘制气温图表：
为可视化这些气温数据，我们首先使用
matplotlib
创建一个显示每日最高气温的简单图形，如下所示：
# -*- coding:utf-8 -*-import csvfrom matplotlib import pyplot as plt# 从文件中获取最高气温filename = \'sitka_weather_07-2014.csv\'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)highs =[]for row in reader:high = int(row[1])highs.append(high)print(highs)# 根据数据绘制图形fig = plt.figure(dpi=127, figsize=(10, 6))plt.plot(highs, c=\'red\')# 设置图形的格式plt.title(\'Daily high. temperature, July 2014\', fontsize=23)plt.xlabel(\'\', fontsize=17)plt.ylabel(\'Temperature(F)\', fontsize=17)plt.tick_params(axis=\'both\', which=\'major\', labelsize=17)plt.show()
我们将最高气温列表传给
plot()
（见第23行），并传递
c=\'red\'
以便将数据点绘制为红色。接下来，我们设置了一些其他的格式，如字体大小和标签（见第26行），鉴于我们还没有添加日期，因此没有给x轴添加标签，但
plt.xlabel()
确实修改了字体大小，让标签更容易看清。下图显示了绘制的图表：一个简单的折线图：
3.1.5 模块datetime：
下面我们在图表中添加日期，使其更有用。读取该数据时，获得的是一个字符串，因为我们需要想办法将字符串’2014-7-1’ 转换为一个表示相应日期的对象。为创建一个表示2014年7月1日的对象，可使用模块
datetime
中的方法
strptime()
。我们先在终端会话中看看
strptime()
的工作原理：
我们首先导入了模块
datetime
中的
datetime
类，然后调用方法
strptime()
，并将包含所需日期的字符串作为第一个实参。第二个实参告诉Python如何设置日期的格式。在这个示例中，
\'%Y-\'
让Python将字符串中第一个连字符前面的部分视为四位的年份；
\'%m-\'
让Python将第二个连字符前面的部分视为表示月份的数字；而
\'%d\'
让Python将字符串的最后一部分视为月份中的一天（1~31）。
3.1.6 在图表中添加日期：
# -*- coding:utf-8 -*-import csvfrom matplotlib import pyplot as pltfrom datetime import datetime# 从文件中获取日期和最高气温filename = \'sitka_weather_07-2014.csv\'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)dates, highs =[],[]for row in reader:current_date = datetime.strptime(row[0], \"%Y-%m-%d\")dates.append(current_date)high = int(row[1])highs.append(high)print(highs)# 根据数据绘制图形fig = plt.figure(dpi=127, figsize=(10, 6))plt.plot(dates,highs, c=\'red\')# 设置图形的格式plt.title(\'Daily high. temperature, July 2014\', fontsize=23)plt.xlabel(\'\', fontsize=17)fig.autofmt_xdate()plt.ylabel(\'Temperature(F)\', fontsize=17)plt.tick_params(axis=\'both\', which=\'major\', labelsize=17)plt.show()
我们创建了两个空列表，用于存储从文件中提取的日期和最高气温（见第14行）。然后，我们将包含日期信息的数据（
row[0]
）转换为
datetime
对象（见第17行），并将其附加到列表
dates
末尾。在第27行处，我们将日期和最高气温值传递给
plot()
。在第32行处，我们调用了
fig.autofmt_xdate()
来绘制斜的日期标签，以免它们彼此重叠。下图显示了改进后的图表：
