数据分析与可视化 课件Chapter3 常见Python IDE

数据分析与可视化第三章常见PythonIDE3.1PythonIDE3.2利用Anaconda进行可视化3.3交互式可视化的库第三章常见PythonIDE2《数据分析与可视化》第三章常见PythonIDE3.1.1Python3.x与Python2.73.1.2不同类型的交互式工具3.1.3不同类型的PythonIDE3.1PythonIDE3《数据分析与可视化》第三章常见PythonIDE3.1.1Python3.x与Python2.7Python3.x不向后兼容2.x版本主要关注Python3.x3.1PythonIDE4《数据分析与可视化》第三章常见PythonIDE3.1.2不同类型的交互式工具Ipython：增强的交互式Pythonshell，一并包括Julia、R、Ruby等其他语言，默认提供制表符补全3.1PythonIDE5《数据分析与可视化》第三章常见PythonIDE命令描述？对IPython的特性的介绍和概述等%quickref提供快速参考--help-all提供关于Python的帮助%who/%whos提供有关标识符的信息IPython基本命令Ipythonnotebook：基于Web的交互式计算环境3.1PythonIDE6《数据分析与可视化》第三章常见PythonIDEIPython运行示例Plotly：在线分析和数据可视化工具，包含多种语言（例如Arduino、Julia、MATLAB、Perl、Python和R）的科学图形库3.1PythonIDE7《数据分析与可视化》第三章常见PythonIDE五大洲人均GDP和人均寿命情况importplotly.plotlyaspyimportmatplotlib.pyplotasplt#创建画布mpl_fig_obj=plt.figure()#创建matplotlib图形py.plot_mpl(mpl_fig_obj)3.1PythonIDE8《数据分析与可视化》第三章常见PythonIDE将绘图从matplotlib转换为Plotly3.1.3不同类型的PythonIDE（1）PyCharm：提供基于JavaSwing的用户界面。（2）PyDev：提供基于SWT的用户界面（适用于Eclipse）。（3）InteractiveEditorforPython（IEP）：提供简单高效的Python开发环境。（4）Enthought开发的Canopy：基于PyQt。（5）ContinuumAnalytics开发的Spyder（AnacondaDistribution）：基于PyQt。3.1PythonIDE9《数据分析与可视化》第三章常见PythonIDEPyCharm：少数几个具有强大功能的流行IDE之一，其社区版本是免费的提供了适用于macOS、Linux和Windows的版本3.1PythonIDE10《数据分析与可视化》第三章常见PythonIDENumPy极坐标投影示例rand_4=np.random.random_sample((2,2,2,2))-1array([[[[-0.6565232,-0.2920045],[-0.45976502,-0.70469325]],[[-0.80218558,-0.77538009],[-0.34687551,-0.42498698]]],[[[-0.60869175,-0.9553122],[-0.05888953,-0.70585856]],[[-0.69856656,-0.21664848],[-0.29017137,-0.61972867]]]])3.1PythonIDE11《数据分析与可视化》第三章常见PythonIDE创建随机样本随机数组创建过程PyDev：Eclipse的插件，支持代码重构、图形式代码调试、交互式控制台、代码分析和代码折叠可作为Eclipse插件安装或直接安装LiClipse，但需要先安装Java183.1PythonIDE12《数据分析与可视化》第三章常见PythonIDE3.1PythonIDE13《数据分析与可视化》第三章常见PythonIDEPyDev使用示例IEP：形式上与MicrosoftWindows上使用的工具相似，主要关注交互性和代码内省由编辑器和shell两个主要组件组成，并使用一组可插拔工具来帮助编程关键特性：（1）与各种现代IDE一样的代码内省（CodeIntrospection）。（2）通过CLI或通过IPython界面以交互方式运行Python脚本。（3）将shell作为后台进程运行。（4）多个shell使用不同的Python版本。3.1PythonIDE14《数据分析与可视化》第三章常见PythonIDE3.1PythonIDE15《数据分析与可视化》第三章常见PythonIDE不同Python版本的同时展现EnthoughtCanopy：有在BSD开源许可协议下发布的免费版本组件介绍：（1）文档浏览器：使用它，您可以从硬盘读取或写入Python程序。（2）Python代码编辑器：它指定了一个语法高亮的代码编辑器，包括专用于Python代码的附加功能。（3）Python窗格：这是一个集成的IPython提示，可用于交互式运行Python程序，而不是从文件中直接运行。（4）编辑器状态栏：可用于显示行号、列号、文件类型和文件路径。3.1PythonIDE16《数据分析与可视化》第三章常见PythonIDE3.1PythonIDE17《数据分析与可视化》第三章常见PythonIDECanopyIDE组件Canopy文档浏览器3.1PythonIDE18《数据分析与可视化》第三章常见PythonIDECanopy包管理器Anaconda-Spyder：Anaconda是社区使用的最流行的IDE之一。它带有大量已集成的软件包，此IDE基于名为conda的核心组件使用conda或pip安装或更新Python包多种选择：IPython控制台（ipythonqtconsole）、IPython笔记本（ipython-notebook）、spyder-app和glueviz3.1PythonIDE19《数据分析与可视化》第三章常见PythonIDE3.1PythonIDE20《数据分析与可视化》第三章常见PythonIDE

Spyder代码编辑器和IPython控制台Conda：命令行工具，用于管理Python的环境和包查看Conda运行的是哪个版本：Conda环境本身是一个文件系统目录，其中包含特定的Conda包集合3.1PythonIDE21《数据分析与可视化》第三章常见PythonIDEconda–v3.1PythonIDE22《数据分析与可视化》第三章常见PythonIDE已正确安装Anaconda下安装SciPy：$condainstallSciPy用Conda安装SciPy包3.1PythonIDE23《数据分析与可视化》第三章常见PythonIDE安装或更新Python包：condainstall<packagename>orcondaupdate<packagename>用Conda更新matplotlib包3.1PythonIDE24《数据分析与可视化》第三章常见PythonIDE快速显示默认环境中安装的所有软件包的列表：$condalist可以使用平常的方式安装软件包，例如运行pipinstall或使用setup.py文件从源代码安装3.2.1绘制3D曲面图3.2.2绘制方形树状图3.2利用Anaconda进行可视化25《数据分析与可视化》第三章常见PythonIDE3.2利用Anaconda进行可视化26《数据分析与可视化》第三章常见PythonIDE常用绘图库：（1）Matplotlib：加上NumPy和SciPy，是与科学计算相关的Python社区的主要驱动力。IPython有一个pylab模式，专门用于支持matplotlib实现交互式绘图。（2）Plotly：在浏览器上运行的协作绘图和分析平台。它支持基于IPythonnotebook的交互式图表。使用matplotlib编写的绘图代码都可以轻松导出为Plotly版本。（3）Veusz：用Python和PyQt编写的GPL（GeneralPublicLicense，通用公共许可协议）绘图包。Veusz也可以嵌入其他Python程序（4）Mayavi：3D绘图包，支持基于Python编写脚本（5）NetworkX：Python语言软件包，用于创建、操作和研究复杂网络的结构和功能（6）pygooglechart：可用于创建可视化方法并支持与GoogleChartAPI进行交互

3.2利用Anaconda进行可视化27《数据分析与可视化》第三章常见PythonIDE（1）首先生成“X”和“Y”网格（Grid）importnumpyasnpX=np.arange(-4,4,0.25)Y=np.arange(-4,4,0.25)X,Y=np.meshgrid(X,Y)3.2利用Anaconda进行可视化28《数据分析与可视化》第三章常见PythonIDE（2）绘制曲面frommpl_toolkits.mplot3dimportAxes3dfrommatplotlibimportcmfrommatplotlib.tickerimportLinearLocator,FormatStrFormatterimportmatplotlib.pyplotaspltimportnumpyasnpfig=plt.figure(figsize=(12,9))ax=fig.gca(projection='3d')#生成ZR=np.sqrt(X**2+Y**2)Z=np.sin(R)3.2利用Anaconda进行可视化29《数据分析与可视化》第三章常见PythonIDEsurf=ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=cm.coolwarm,linewidth=0,antialiased=False)ax.set_zlim(-1.01,1.01)ax.zaxis.set_major_locator(LinearLocator(10))ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))fig.colorbar(surf,shrink=0.6,aspect=6)plt.show()用mpl_toolkits绘制3D曲面3.2.1绘制方形树状图例：使用squarify算法（基于matplotlib）按GDP显示非洲排名前12的国家3.2利用Anaconda进行可视化30《数据分析与可视化》第三章常见PythonIDE3.2利用Anaconda进行可视化31《数据分析与可视化》第三章常见PythonIDE#方形树状图：源代码文件（squarify.py）#运行代码的算法来自Bruls,Huizing,vanWijk,"SquarifiedTreemaps"#squarify是由UriLaserson创建的defnormalize_sizes(sizes,dx,dy): total_size=sum(sizes) total_area=dx*dy sizes=map(float,sizes) sizes=map(lambdasize:size*total_area/total_size,sizes) returnsizes3.2利用Anaconda进行可视化32《数据分析与可视化》第三章常见PythonIDEdefpad_rectangle(rect): ifrect['dx']>2: rect['x']+=1rect['dx']-=2ifrect['dy']>2:rect['y']+=1 rect['dy']-=2deflayoutrow(sizes,x,y,dx,dy): covered_area=sum(sizes)width=covered_area/dy rects=[] forsizeinsizes: rects.append({'x':x,'y':y,'dx':width,'dy':size/width}) y+=size/width returnrects3.2利用Anaconda进行可视化33《数据分析与可视化》第三章常见PythonIDEdeflayoutcol(sizes,x,y,dx,dy):covered_area=sum(sizes) height=covered_area/dx rects=[] forsizeinsizes: rects.append({'x':x,'y':y,'dx':size/height,'dy':height}) x+=size/height returnrectsdeflayout(sizes,x,y,dx,dy): returnlayoutrow(sizes,x,y,dx,dy)ifdx>=dyelselayoutcol(sizes,x,y,dx,dy)3.2利用Anaconda进行可视化34《数据分析与可视化》第三章常见PythonIDEdefleftoverrow(sizes,x,y,dx,dy): covered_area=sum(sizes) width=covered_area/dy leftover_x=x+width leftover_y=y leftover_dx=dx-width leftover_dy=dy return(leftover_x,leftover_y,leftover_dx,leftover_dy)defleftovercol(sizes,x,y,dx,dy): covered_area=sum(sizes) height=covered_area/dx leftover_x=x leftover_y=y+height leftover_dx=dx leftover_dy=dy-height return(leftover_x,leftover_y,leftover_dx,leftover_dy)3.2利用Anaconda进行可视化35《数据分析与可视化》第三章常见PythonIDEdefleftover(sizes,x,y,dx,dy): returnleftoverrow(sizes,x,y,dx,dy)ifdx>=dyelseleftovercol(sizes,x,y,dx,dy)defworst_ratio(sizes,x,y,dx,dy): returnmax([max(rect['dx']/rect['dy'],rect['dy']/rect['dx'])forrectinlayout(sizes,x,y,dx,dy)])defsquarify(sizes,x,y,dx,dy): sizes=map(float,sizes) iflen(sizes)==0: return[] iflen(sizes)==1: returnlayout(sizes,x,y,dx,dy) i=13.2利用Anaconda进行可视化36《数据分析与可视化》第三章常见PythonIDE whilei<len(sizes)andworst_ratio(sizes[:i],x,y,dx,dy)>=worst_ratio(sizes[:(i+1)],x,y,dx,dy): i+=1 current=sizes[:i] remaining=sizes[i:] (leftover_x,leftover_y,leftover_dx,leftover_dy)=leftover(current,x,y,dx,dy) returnlayout(current,x,y,dx,dy)+\squarify(remaining,leftover_x,leftover_y,leftover_dx,leftover_dy)defpadded_squarify(sizes,x,y,dx,dy): rects=squarify(sizes,x,y,dx,dy) forrectinrects: pad_rectangle(rect) returnrects3.2利用Anaconda进行可视化37《数据分析与可视化》第三章常见PythonIDEimportmatplotlib.pyplotaspltimportmatplotlib.cmimportrandomimportsquarifyx=0y=0width=950height=733norm_x=1000norm_y=1000fig=plt.figure(figsize=(15,13)) ax=fig.add_subplot(111,axisbg='white')上述代码squarify函数可用于展示非洲GDP排名前12的国家，其实现如以下代码所示：3.2利用Anaconda进行可视化38《数据分析与可视化》第三章常见PythonIDEinitvalues=[285.4,188.4,173,140.6,91.4,75.5,62.3,39.6,29.4,28.5,26.2,22.2]values=initvalueslabels=["SouthAfrica","Egypt","Nigeria","Algeria","Morocco","Angola","Libya","Tunisia","Kenya","Ethiopia","Ghana","Cameron"]colors=[(214,27,31),(229,109,0),(109,178,2),(50,155,18),(41,127,214),(27,70,163),(72,17,121),(209,0,89),(148,0,26),(223,44,13),(195,215,0)]#将RGB数值（r，g，b）标准化到[0,1]使其满足matplotlib作图需求foriinrange(len(colors)): r,g,b=colors[i] colors[i]=(r/255.,g/255.,b/255.)#值必须降序排列values.sort(reverse=True)#这些值的总和必须等于要铺设的总面积values=squarify.normalize_sizes(values,width,height)3.2利用Anaconda进行可视化39《数据分析与可视化》第三章常见PythonIDE#在某些情况下，加上边缘的矩形可能会有更好的视觉效果rects=squarify.padded_squarify(values,x,y,width,height)cmap=matplotlib.cm.get_cmap()color=[cmap(random.random())foriinrange(len(values))]x=[rect['x']forrectinrects]y=[rect['y']forrectinrects]dx=[rect['dx']forrectinrects]dy=