Python 数据可视化—下载数据(CSV文件格式、JSON格式)
Python 数据可视化-下载数据CSV文件格式、JSON格式
- 网上下载数据,并对这些数据进行可视化,可视化以两种常见格式存储的数据:
CSV 和JSON
。 - 我们将
使用Python模块csv 来处理以CSV
1、CSV文件格式:
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。
2019-1-5,61,44,26,18,7,-1,56,30,9,30.34,30.27,30.15,,,,10,4,,0.00,0,,195
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。import csvfilename = './weather.csv' # 我再当前目录中创建了weather.csv 文件了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
我们打开这个文件,并将结果文件对象存储在f 中
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(reader )对象
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。
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
# 输出结果如下: ['AKDT', 'Max TemperatureF', 'Mean TemperatureF', 'Min TemperatureF', 'Max Dew PointF', 'MeanDew PointF', 'Min DewpointF', 'Max Humidity', ' Mean Humidity', ' Min Humidity', ' Max Sea Level PressureIn', ' Mean Sea Level PressureIn', ' Min Sea Level PressureIn', ' Max VisibilityMiles', ' Mean VisibilityMiles', ' Min VisibilityMiles', ' Max Wind SpeedMPH', ' Mean Wind SpeedMPH', ' Max Gust SpeedMPH', 'PrecipitationIn', ' CloudCover', ' Events', ' WindDirDegrees']
注意 :文件头的格式并非总是一致的,空格和单位可能出现在奇怪的地方。这在原始数据文件中很常见,但不会带来任何问题。
1.2、打印文件头及其位置:
为让文件头
数据更容易理解
,将列表中的每个文件头及其位置打印出来:import csvfilename = './weather.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) # 输出结果如下: 0 AKDT 1 Max TemperatureF 2 Mean TemperatureF 3 Min TemperatureF ————snip————— 19 PrecipitationIn 20 CloudCover 21 Events 22 WindDirDegrees
- 我们对列表调用了
enumerate()来获取每个元素的索引及其值
。
- 我们对列表调用了
1.3、提取并读取数据:
知道需要哪些列中的数据后,我们来读取一些数据。首先读取每天的最高气温
import csvfilename = './weather.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) # 输出结果如下: ['64', '71', '64', '59', '69', '62', '61', '55', '57', '61', '57', '59', '57', '61', '64', '61', '59', '63', '60', '57', '69', '63', '62', '59', '57', '57', '61', '59', '61', '61', '66']
下面使用
int() 将这些字符串转换为数字,让matplotlib能够读取它们
import csvfilename = './weather.csv'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)highs = []for row in reader:highs.append(int(row[1]))print(highs)
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
。- 我们将最高气温列表传给plot(),并
传递c='red' 以便将数据点绘制为红色
- 我们将最高气温列表传给plot(),并
1.5、模块datetime:
下面在图表中添加日期,使其更有用。在天气数据文件中,第一个日期在第二行:
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2019年1月1日的对象,可使用模块
datetime 中的方法strptime()
from datetime import datetimefirst_date = datetime.strptime('2019-1-1', '%Y-%m-%d') print(first_date)
- 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
方法strptime() 可接受各种实参,并根据它们来决定如何解读日期
- 我们首先导入了模块
模块datetime中设置日期和时间格式的实参:
实参 含义 %A 星期的名称,如Monday %B 月份名,如January %m 用数字表示月份(01~12) %d 用数字表示月份中的一天(01~31) %Y 四位的年份,如2019 %y 二位的年份,如15 %H 24小时制的小时数(00~23) %I 12小时制的小时数(01~12) %P am或pm %M 分钟数(00~59) %S 秒数(00~61)
1.6、再图表中添加日期:
即提取日期和最高气温,并将它们传递给plot()
import csv from datetime import datetime from matplotlib import pyplot as plt# 从文件中获取日期和最高气温 filename = 'weather.csv' with open(filename) as f:reader = csv.reader(f)header_now = 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)# 根据数据绘制图形fig = plt.figure(dpi=128, figsize=(10, 6))plt.plot(dates, highs, c='red')# 设置图形的形式plt.title('Weather', fontsize=24)plt.xlabel('', fontsize=16)fig.autofmt_xdate()plt.ylabel('Temperature (F)', fontsize=16)plt.tick_params(axis='both', which='major', labelsize=16)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,我们将包含日期信息的
数据(row[0] )转换为datetime 对象
我们将日期和最高气温值传递给
plot()
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
1.7、涵盖更长的时间:
设置好图表后,我们来添加更多的数据,以成一幅更复杂的,导入一个weather_2014.csv的文件。
import csv from datetime import datetime from matplotlib import pyplot as plt# 从文件中获取日期和最高气温 filename = 'weather_2014.csv' with open(filename) as f:reader = csv.reader(f)header_now = 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)# 根据数据绘制图形fig = plt.figure(dpi=128, figsize=(10, 6))plt.plot(dates, highs, c='red')# 设置图形的形式plt.title('Weather', fontsize=24)plt.xlabel('', fontsize=16)fig.autofmt_xdate()plt.ylabel('Temperature (F)', fontsize=16)plt.tick_params(axis='both', which='major', labelsize=16)plt.show()
1.8、再绘制一个数据系列:
我们可以在其中再添加最低气温数据,使其更有用
import csv from datetime import datetime from matplotlib import pyplot as plt# 从文件中获取日期和最高气温 filename = 'weather_2014.csv' with open(filename) as f:reader = csv.reader(f)header_now = next(reader)dates, highs, lows = [], [], []for row in reader:current_date = datetime.strptime(row[0], '%Y-%m-%d')dates.append(current_date)high = int(row[1])highs.append(high)low = int(row[3])lows.append(low)# 根据数据绘制图形fig = plt.figure(dpi=128, figsize=(10, 6))plt.plot(dates, highs, c='red')plt.plot(dates, lows, c='blue')# 设置图形的形式plt.title('Weather', fontsize=24)plt.xlabel('', fontsize=16)fig.autofmt_xdate()plt.ylabel('Temperature (F)', fontsize=16)plt.tick_params(axis='both', which='major', labelsize=16)plt.show()
我们添加了空列表lows ,用于存储最低气温。接下来,我们从每行的第4列(row[3] )提取每天的最低气温,并存储它们
我们添加了一个对plot() 的调用,以使用蓝色绘制最低气温
再一个图表中包含两个数据系列
1.9、给图表区域着色
给这个图表做最后的修饰,通过着色来呈现每天的气温范围。
我们将
使用方法fill_between() ,它接受一个 x 值系列和两个 y 值系列,并填充两个 y 值系列之间的空间:
import csv from datetime import datetime from matplotlib import pyplot as plt# 从文件中获取日期和最高气温 filename = 'weather_2014.csv' with open(filename) as f:reader = csv.reader(f)header_now = next(reader)dates, highs, lows = [], [], []for row in reader:current_date = datetime.strptime(row[0], '%Y-%m-%d')dates.append(current_date)high = int(row[1])highs.append(high)low = int(row[3])lows.append(low)# 根据数据绘制图形fig = plt.figure(dpi=128, figsize=(10, 6))plt.plot(dates, highs, c='red', alpha=0.5)plt.plot(dates, lows, c='blue', alpha=0.5)plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)# 设置图形的形式plt.title('Weather', fontsize=24)plt.xlabel('', fontsize=16)fig.autofmt_xdate()plt.ylabel('Temperature (F)', fontsize=16)plt.tick_params(axis='both', which='major', labelsize=16)plt.show()
实参alpha 指定颜色的透明度
。Alpha 值为0表示完全透明
,1表示完全不透明。通过将alpha 设置为0.5,可让红色和蓝色折线的颜色看起来更浅。
我们向
fill_between() 传递了一个 x 值系列:列表dates ,还传递了两个 y 值系列:highs 和lows
实参facecolor 指定了填充区域的颜色
,我们还将alpha设置成了较小的值0.1
,让填充区域将两个数据系列连接起来的同时不分散观察者的注意力。
1.10、错误检查:
但有些气象站会偶尔出现故障,未能收集部分或全部其应该收集的数据。
缺失数据可能会引发异常,如果不妥善地处理,还可能导致程序崩溃。
--snip-- # 从文件中获取日期、最高气温和最低气温 filename = 'death_valley_2014.csv' with open(filename) as f: --snip--
运行这个程序时,出现一个错误:
C:\Users\lh9\PycharmProjects\untitled1\venv\Scripts\python.exe C:/Users/lh9/PycharmProjects/request/my_test01.py Traceback (most recent call last):File "C:/Users/lh9/PycharmProjects/request/my_test01.py", line 1457, in <module>high = int(row[1]) ValueError: invalid literal for int() with base 10: ''Process finished with exit code 1
- 该traceback指出,Python无法处理其中一天的最高气温,因为它无法将空字符串(’ ’ )转换为整数。
再此修改:
dates, highs, lows = [], [], []for row in reader:try:current_date = datetime.strptime(row[0], '%Y-%m-%d')high = int(row[1])low = int(row[3])except ValueError:print(current_date, 'missing data')else:dates.append(current_date)highs.append(high)lows.append(low)
- 只要缺失其中一项数据,
Python就会引发ValueError 异常,而我们可这样处理:打印一条错误消息, 指出缺失数据的日期
- 打印错误消息后,循环将接着处理下一行。如果获取特定日期的所有数据时没有发生错误,将运行else 代码块,并将数据附加到相应列表的末尾
- 只要缺失其中一项数据,
2、JSON格式:
- Pygal提供了一个适合初学者使用的地图创建工具,你将使用它来对人口数据进行可视化,以探索全球人口的分布情况。
2.1、下载世界人口数据:
- (http://data.okfn.org/ )提供了大量可以免费使用的数据集,这些数据就来自其中一个数据集。
2.2、提取相关的数据:
这个文件实际上就是一个很长的Python列表,其中每个元素都是一个包含四个键的字典:国家名、国别码、年份以及表示人口数量的值。我们只关心每个国家2010年的人口数量,因此我们首先编写一个打印这些信息的程序:
import json# 将数据加载到一个列表中 filename = 'population_data.json'with open(filename) as f:pop_data = json.load(f)for pop_dict in pop_data:if pop_dict['Year'] == '2010':country_name = pop_dict['Country Name']population = pop_dict['Value']print(country_name + ": " + population)
我们首先导入了模块json ,以便能够正确地加载文件中的数据,然后,我们将数据存储在pop_data 中
函数json.load() 将数据转换为Python能够处理的格式,这里是一个列表。
rab World: 357868000 Caribbean small states: 6880000 East Asia & Pacific (all income levels): 2201536674 --snip-- Zimbabwe: 12571000
2.3、将字符串转换为数字值:
为处理这些人口数据,我们需要将表示人口数量的字符串转换为数字值,为此我们使用函数int():
我们先将字符串转换为浮点数,再将浮点数转换为整数:
import json# 将数据加载到一个列表中 filename = 'population_data.json'with open(filename) as f:pop_data = json.load(f)for pop_dict in pop_data:if pop_dict['Year'] == '2010':country_name = pop_dict['Country Name']population = int(float(pop_dict['Value']))print(country_name + ": " + str(population))
- 函数float() 将字符串转换为小数,而函数int() 丢弃小数部分,返回一个整数
Arab World: 357868000 Caribbean small states: 6880000 East Asia & Pacific (all income levels): 2201536674 --snip-- Zimbabwe: 12571000
2.4、获取两个字母的国别码
首先安装
pip install pygal_maps_world
再代码文件中添加
from pygal_maps_world.i18n import COUNTRIES
from pygal_maps_world.i18n import COUNTRIESdef get_country_code(country_name):"""根据指定的国家, 返回pygal使用的两个字母的国别码"""for code, name in COUNTRIES.items():if name == country_name:return code# 如果没有找到指定的国家, 就返回Nonereturn Noneprint(get_country_code('Andorra')) print(get_country_code('United Arab Emirates')) print(get_country_code('Afghanistan'))
get_country_code() 接受国家名,并将其存储在形参country_name 中,我们遍历COUNTRIES 中的国家名—国别码对
如果找到指定的国家名,就返回相应的国别码,在循环后面,我们在没有找到指定的国家名时返回None
ad ae af
完善这个获取两个字母的国别码:
import jsonfrom pygal_maps_world.i18n import COUNTRIESdef get_country_code(country_name):"""根据指定的国家, 返回pygal使用的两个字母的国别码"""for code, name in COUNTRIES.items():if name == country_name:return code# 如果没有找到指定的国家, 就返回Nonereturn None# 将数据加载到一个列表中 filename = 'population_data.json'with open(filename) as f:pop_data = json.load(f)for pop_dict in pop_data:if pop_dict['Year'] == '2010':country_name = pop_dict['Country Name']population = int(float(pop_dict['Value']))code = get_country_code(country_name)if code:print(code + ": " + str(population))else:print(country_name + ": " + str(population))
2.5、制作世界地图:
有了国别码后,制作世界地图易如反掌。
Pygal提供了图表类型Worldmap ,可帮助你制作呈现各国数据的世界地图
import pygal_maps_world.mapswm = pygal_maps_world.maps.World()wm._title = 'North, Central, and South America'wm.add('North America', ['ca', 'mx', 'us']) wm.add('Central America', ['bz', 'cr', 'gt', 'hn', 'ni', 'pa', 'sv']) wm.add('South America', ['ar', 'bo', 'br', 'cl', 'co', 'ec', 'gf', 'gy', 'pe', 'py', 'sr', 'uy', 've'])wm.render_to_file('americas.svg')
我们
创建了一个World 实例
,并设置了该地图的的title 属性我们
使用了方法add()
,它接受一个标签和一个列表,其中后者包含我们要突出的国家
的国别码。每次调用add() 都将为指定的国家选择一种新颜色,并在图表左边显示该颜色和指定的标签
方法render_to_file()
创建一个包含该图表的.svg文件,你可以在浏览器中打开它
2.6、再世界地图上呈现数字数据:
为练习在地图上呈现数字数据,我们来创建一幅地图,显示三个北美国家的人口数量:
import pygal_maps_world.mapswm = pygal_maps_world.maps.World() wm._title = 'Populations of Countries in North America' wm.add('North America', {'ca': 34126000, 'us': 309349000, 'mx': 113423000}) wm.render_to_file('na_populations.svg')
使用了方法add() ,但这次通过第二个实参传递了一个字典而不是列表
这个字典将两个字母的Pygal国别码作为键,将人口数量作为值
Pygal根据这些数字自动给不同国家着以深浅不一的颜色(人口最少的国家颜色最浅,人口最多的国家颜色最深)
2.7、绘制完整的世界人口地图:
要呈现其他国家的人口数量,需要将前面处理的数据转换为Pygal要求的字典格式:键为两个字母的国别码,值为人口数量
from pygal_maps_world.i18n import COUNTRIESdef get_country_code(country_name):"""根据指定的国家, 返回pygal使用的两个字母的国别码"""for code, name in COUNTRIES.items():if name == country_name:return code# 如果没有找到指定的国家, 就返回Nonereturn Noneimport json import pygal_maps_world.maps# 将数据加载到一个列表中 filename = 'population_data.json'with open(filename) as f:pop_data = json.load(f)# 创建一个包含人口数量的字典 cc_populations = {} for pop_dict in pop_data:if pop_dict['Year'] == '2010':country = pop_dict['Country Name']population = int(float(pop_dict['Value']))code = get_country_code(country)if code:cc_populations[code] = populationwm = pygal_maps_world.maps.World() wm.title = 'World Population in 2010, by Country'wm.add('2010', cc_populations) wm.render_to_file('world_population.svg')
我们创建了一个空字典,用于以Pygal要求的格式存储国别码和人口数量
如果返回了国别码,就将国别码和人口数量分别作为键和值填充字典cc_populations
我们创建了一个Worldmap 实例,并设置其title 属性
我们调用了add() ,并向它传递由国别码和人口数量组成的字典
2.8、根据人口数量将国家分组:
印度和中国的人口比其他国家多得多,但在当前的地图中,它们的颜色与其他国家差别较小。中国和印度的人口都超过了10亿,接下来人口最多的国家是美国,但只有大约3亿。
下面不将所有国家都作为一个编组,而是根据人口数量分成三组——少于1000万的、介于1000万和10亿之间的以及超过10亿
from pygal_maps_world.i18n import COUNTRIESdef get_country_code(country_name):"""根据指定的国家, 返回pygal使用的两个字母的国别码"""for code, name in COUNTRIES.items():if name == country_name:return code# 如果没有找到指定的国家, 就返回Nonereturn Noneimport json import pygal_maps_world.maps# 将数据加载到一个列表中 filename = 'population_data.json'with open(filename) as f:pop_data = json.load(f)# 创建一个包含人口数量的字典 cc_populations = {} for pop_dict in pop_data:if pop_dict['Year'] == '2010':country = pop_dict['Country Name']population = int(float(pop_dict['Value']))code = get_country_code(country)if code:cc_populations[code] = population# 根据人口数量将所有的国家分成三组: cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {} for cc, pop, in cc_populations.items():if pop < 10000000:cc_pops_1[cc] = popelif pop < 1000000000:cc_pops_2[cc] = popelse:cc_pops_3[cc] = pop# 看看每组分别包含了多少个国家 print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))wm = pygal_maps_world.maps.World() wm.title = 'World Population in 2010, by Country'wm.add('0-10m', cc_pops_1) wm.add('10m-1bn', cc_pops_2) wm.add('>1bn', cc_pops_3)wm.render_to_file('world_population.svg')
为将国家分组,我们创建了三个空字典
遍历cc_populations ,检查每个国家的人口数量
if-elif-else 代码块将每个国别码-人口数量对加入到合适的字典(cc_pops_1 、cc_pops_2 或cc_pops_3 )中。
2.9、使用Pygal设置世界地图的样式:
在这个地图中,根据人口将国家分组虽然很有效,但默认的颜色设置很难看
下面使用Pygal样式设置指令来调整颜色。我们也让Pygal使用一种基色,但将指定该基色,并让三个分组的颜色差别更大:
import json import pygal from pygal.style import RotateStyle --snip-- # 根据人口数量将所有的国家分成三组 cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {} for cc, pop in cc_populations.items(): if pop < 10000000: --snip-- wm_style = RotateStyle('#336699') wm = pygal.Worldmap(style=wm_style) wm.title = 'World Population in 2010, by Country' --snip--
Pygal样式存储在模块style 中,我们从这个模块中导入了样式RotateStyle
创建这个类的实例时,需要提供
一个实参——十六进制的RGB颜色
Pygal将根据指定的颜色为每组选择颜色。十六进制格式 的RGB颜色是一个以井号(#)打头的字符串
后面跟着6个字符,其中前两个字符表示红色分量,接下来的两个表示绿色分量,最后两个表示蓝色分量。
每个分量的取值范围为00 (没有相应的颜色)~FF (包含最多的相应颜色)。如果你在线搜索hex color chooser(十六进制颜色选择器 ),可找到让你能够尝试选择不同的颜色并显示其RGB值的工具。这里使用的颜色值(#336699)混合了少量的红色(33)、多一些的绿色(66)和更多一些的蓝色(99),它为RotateStyle 提供了一种淡蓝色基色。
RotateStyle 返回一个样式对象,我们将其存储在wm_style 中。为使用这个样式对象,我们在创建World() 实例时以关键字实参的方式传递它
2.10、加亮颜色主题:
Pygal通常默认使用较暗的颜色主题
。为方便印刷,我使用
LightColorizedStyle 加亮了地图的颜色
。这个类修改整个图表的主题,包括背景色、标签以及各个国家的颜色。要使用这个样式,先导入它:
from pygal_maps_world.i18n import COUNTRIESdef get_country_code(country_name):"""根据指定的国家, 返回pygal使用的两个字母的国别码"""for code, name in COUNTRIES.items():if name == country_name:return code# 如果没有找到指定的国家, 就返回Nonereturn Noneimport json import pygal_maps_world.maps from pygal.style import LightColorizedStyle, RotateStyle# 将数据加载到一个列表中 filename = 'population_data.json'with open(filename) as f:pop_data = json.load(f)# 创建一个包含人口数量的字典 cc_populations = {} for pop_dict in pop_data:if pop_dict['Year'] == '2010':country = pop_dict['Country Name']population = int(float(pop_dict['Value']))code = get_country_code(country)if code:cc_populations[code] = populationcc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}for cc, pop in cc_populations.items():if pop < 10000000:cc_pops_1[cc] = popelif pop < 1000000000:cc_pops_2[cc] = popelse:cc_pops_3[cc] = popwm_style = RotateStyle('#336699', base_style=LightColorizedStyle) wm = pygal_maps_world.maps.World(style=wm_style) wm.title = 'World Population in 2010, by Country'wm.add('0-10m', cc_pops_1) wm.add('10m-1bn', cc_pops_2) wm.add('>1bn', cc_pops_3)wm.render_to_file('world_population.svg')
你不能直接控制使用的颜色,Pygal将选择默认的基色。要设置颜色,可使用RotateStyle ,并将LightColorizedStyle 作为基本样式。
再使用RotateStyle 创建一种样式,并传入另一个实参base_style
这设置了较亮的主题,同时根据通过实参传递的颜色给各个国家着色
Python 数据可视化—下载数据(CSV文件格式、JSON格式)相关推荐
- python利用tushare下载数据并计算当日收益率
python利用tushare下载数据并计算当日收益率 计算股票收益率的程序主要有以下几部分构成: 1.获取股票接口数据函数:pro_daily_stock() 2.计算收益率函数:cal_stock ...
- python可视化的优势_「数据可视化」数据可视化的优势有哪些?
数据可视化的优势有哪些?大数据可视化的实际意义是协助人更强的分析数据,信息内容的品质挺大水平上取决于其表达形式.对大数字列举所构成的数据信息中所包括的实际意义开展剖析,使剖析結果数据可视化. 实际上大 ...
- 什么是数据可视化,数据可视化有什么价值
"数据可视化"这个词看上去似乎让人有点摸不着头脑,但其实在实际生活中也有类似的应用. 举个例子,媒婆给你介绍对象,前面给你铺垫一堆,如五官端正.身材修长.皮肤雪白(各种繁杂的信息描 ...
- MATLAB-基于长短期记忆网络(LSTM)的SP500的股票价格预测 股价预测 matlab实战 数据分析 数据可视化 时序数据预测 变种RNN 股票预测
MATLAB-基于长短期记忆网络(LSTM)的SP500的股票价格预测 股价预测 matlab实战 数据分析 数据可视化 时序数据预测 变种RNN 股票预测 摘要 近些年,随着计算机技术的不断发展,神 ...
- wcf html 界面,WCF数据转换为原始html而不是Json格式
WCF很新颖,几乎所有的东西都可以工作,除了从JQuery到WCF的文章.WCF数据转换为原始html而不是Json格式 Jquery正在处理DynaTree并将数据发布到WCF服务. 目前为止这么好 ...
- Tikz作图教程:pgfplots宏包二维数据可视化的数据导入方法
pgfplots 绘图思想简介 下面一段介绍来自pgfplots说明文档的引言部分,它对pgfplots的绘图思想作了清晰地描述: 科研工作者在交流研究结果.论文时,将数据可视化往往是必要和方便的. ...
- 把videos对应标签的.avi文件转为kinetics400的格式,其中所包含的格式有.csv和.json格式
实现功能 把videos对应标签的.avi文件转为kinetics400的格式,其中所包含的格式有.csv和.json格式 https://github.com/yanyide123/kinetics ...
- python学习之下载数据可视化(一)
本文地址https://blog.csdn.net/sidens/article/details/80710006,转载请说明 使用网上下载的CSV文件,利用matplotlib生成可视化图表 以下代 ...
- python交互式数据可视化_python数据可视化工具
熟知python的人都知道,python上常用的一款数据可视化工具是Matplotlib,但是Matplotlib是静态的.那么,Python中除了matplotlib外,还有哪些数据可视化工具呢?其 ...
最新文章
- 阿里90后科学家研发,达摩院开源新一代AI算法模型
- 使用ArcGIS JS API加载WMTS图层的两种方式
- INVEST优秀用户故事的特点
- 未封装的扩展程序是什么意思_Android漏洞挖掘第三期:客户端完整性未校验
- Proxmark3 Easy Gui 4.0 5.0 5.1加强版免费获取啦
- Android -- 自动挂断电话
- toshiba 共享文件夹_东芝打印机如何共享
- oracle isnull使用索引,isnull()用法总结
- 走进CIM,开启智慧城市的全生命周期管理
- 工作流开源系统--DRAKE
- number of splits 划分的条件
- Hive输出文件的间隔符
- 汇编实验三:三个有符号数比较大小
- 清北2021毕业生就业报告出炉 清华博士0人出国,70%进体制
- UI导航栏设计规范及注意事项有哪些?
- 无聊猿将与 Coinbase 共同制作电影三部曲进军好莱坞
- 64匹马8个跑道选出最快的4匹马,最快需要几次比赛
- 快速排序 php内存超限,数据结构与算法设计
- ios教程(java编程思想等级)
- 居家办公之后,鹅厂小哥发现Web开发竟能助力身体健康!