学习Python的第三天

1.匿名函数

结构 : lambda x1,x2....xn:表达式

参数可以有无限多个,但是表达式只有一个

# 例1
sum_num = lambda x1, x2: x1+x2
print(sum_num(2, 3))
name_info_list = [
    ('张三',4500),
    ('李四',9900),
    ('王五',2000),
    ('赵六',5500)
]
name_info_list.sort(key=lambda x: x[1], reverse=True)
print(name_info_list)
# 例2
stu_info = [
    {"name":'zhangsan',"age":18},
{"name":'lisi',"age":23},
{"name":'wangwu',"age":15},
{"name":'zhaoliu',"age":11},
]
stu_info.sort(key=lambda x: x['age'])
print(stu_info)

2.列表推导式,列表解析字典

(1)列表推导式 : [表达式 for 临时变量 in 可迭代对象 可以追加的条件]

eg: print([i for i in range(10)])

(2)列表解析

# 筛选出列表中所有偶数
# 写法一
li=[]
for i in range(10):
     if(i%2)==0:
         li.append(i)
print(li)
#写法二
print([i for i in range(10) if i%2 ==0])

# 筛选出列表大于0的数
from random import randint
num_list = [randint(-10,10) for _ in range(10)]
print(num_list)
print([i for i in num_list if i > 0])

(3)字典解析

# 生成100个学生的成绩
stu_grade = {'student{}'.format(i):randint(50,100) for i in range(1,101)}
print(stu_grade)

# 筛选大于60分的所有学生
print({k:v for k,v in stu_grade.items() if v > 60})

3.画图 matplotlib

# 导入
from matplotlib import pyplot as plt
import numpy as np
import string
from random import randint

plt.rcParams["font.sans-serif"] = ['SimHei'] #设置字体
plt.rcParams['axes.unicode_minus'] = False  #是否正常显示

(1)曲线图 plot

# 使用100个点 绘制 [0,2π]正弦曲线图
# .linspace  左闭右开区间的等差数列
x = np.linspace(0,2*np.pi,num=100)
print(x)
y = np.sin(x)

#  正弦和余弦在同一坐标系下
cosy = np.cos(x)
plt.plot(x,y,color='g',linestyle='--',label='sin(x)')  #设置曲线的x、y轴,线条颜色和线条样式和样式

plt.plot(x,cosy,color='r',label='cos(x)')
plt.xlabel('时间(s)')  # 坐标轴的标签
plt.ylabel('电压(V)')
plt.title('欢迎来到Python世界')
# 图例
plt.legend()  #与plot中的label配合使用
plt.show()
曲线图.png

(2)柱状图 bar

print(string.ascii_uppercase[0:6])  #输出5个大写字母
# ['A','B','C'...]
x = ['口红{}'.format(x) for x in string.ascii_uppercase[:5]]
y =[randint(200,500) for _ in range(5)]
print(x)
print(y)
plt.xlabel('口红品牌')
plt.ylabel('价格(元)')
plt.bar(x,y)  #柱状图
plt.show()
柱状图.png

(3)饼图 pie

counts =[randint(3500,9000) for _ in range(6)]  #在3500-9000中随机生成六个数
labels = ['员工{}'.format(x) for x in string.ascii_lowercase[:6]]  #员工名字的数组
# 距离圆心点的距离
explode=[0.1,0,0,0,0,0]
colors = ['red', 'purple','blue', 'yellow','gray','green']  #饼图各部分颜色
# autopct='%1.1f%%' 设置百分数
plt.pie(counts,explode = explode,shadow=True,labels=labels,autopct='%1.1f%%',colors=colors)
plt.legend(loc=2)  #loc 图例位置,0为右下角,1为右上角,2为左上角,3为左下角
plt.axis('equal')  #保证饼状图是正圆,否则会有点扁
plt.show()
饼图.png

(4)散点图

# 均值为 0 标准差为1 的正太分布数据
# x = np.random.normal(0, 1, 100)
# y = np.random.normal(0, 1, 100)
# plt.scatter(x, y)
# plt.show()

x = np.random.normal(0, 1, 1000)  #numpy.random.normal(loc=0.0, scale=1.0, size=None)
y = np.random.normal(0, 1, 1000)  #loc 均值  scale 标准差  size  点的个数
# alpha透明度
plt.scatter(x, y, alpha=0.1)
plt.show()
散点图.png

4.三国人物Top10词云及饼图

import jieba  #用于分词
from wordcloud import WordCloud  #用于画词云
import imageio

# 1. 读取小说内容
with open('./novel/threekingdom.txt','r', encoding='utf-8') as f:
    words = f.read()
counts = {}
#用于删除重复和无用词
excludes = {"将军", "却说", "丞相", "二人", "不可", "荆州", "不能", "如此", "商议",
                "如何", "主公", "军士", "军马", "左右", "次日", "引兵", "大喜", "天下",
                "东吴", "于是", "今日", "不敢", "魏兵", "陛下", "都督", "人马", "不知","孔明曰","玄德曰","云长","刘备"}

# 2.分词
words_list = jieba.lcut(words)
#print(words_list)
for word in words_list:
    if len(word) <= 1:
        continue
    else:
        # 更新字典的值
        #counts[word] =counts[word]  + 1  #取出字典中原来键对应的值 再加1  该方法不可行,无法统计出数据
        # 字典.get(key) 如果字典中没有这个键,返回none
        counts[word] = counts.get(word,0) + 1
print(len(counts))  #输出词的数量

# 3. 词语过滤,删除无关词,重复词
#合并同一个人的不同名称
counts['孔明'] = counts['孔明']+counts['孔明曰']
counts['玄德'] =counts['玄德'] + counts['玄德曰'] + counts['刘备']
counts['关公'] =counts['关公'] + counts['云长']
#删除无关词,重复词
for word in excludes:
    del counts[word]

# 4.排序[(),()]
items = list(counts.items())
print(items)
#写法一
# def sort_by_count(x):
#     return x[1]
#写法二
items.sort(key=lambda x: x[1], reverse=True)  #运用匿名函数

li = []  #用来存储次数
mingzi = [] #用于存储名字
for i in range(10):
    #序列解包  role是人名,count是出现次数
    role,count = items[i]
    print(role,count)
    # _ 是告诉看代码的人,循环里面不需要使用临时变量
    # for _ in range(count):
        # mingzi.append(role) #这两句是用来画云图
    #这两句是用来画饼图
    mingzi.append(role)
    li.append(count)

# 5. 得出结论

# 画云图
text = ' '.join(mingzi)
WordCloud(
    font_path='msyh.ttc',  #设置字体
    background_color='lightblue',
    width=800,
    height=600,
    collocations=False  #设置图中名字不重复
 ).generate(text).to_file('TOP10.png')  #生成图片文件,名字和格式

#画饼图
from matplotlib import pyplot as plt
plt.rcParams["font.sans-serif"] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
explode=[0.1,0,0,0,0,0,0,0,0,0]
plt.pie(li,explode = explode,labels=mingzi,shadow=True,autopct='%1.1f%%')
plt.axis('equal')  #保证饼状图是正圆,否则会有点扁
plt.show()
[图片上传中...(三国.png-3c5e97-1564477032955-0)]
三国.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 200,961评论 5 473
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,444评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,009评论 0 333
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,082评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,101评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,271评论 1 278
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,738评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,395评论 0 255
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,539评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,434评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,481评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,160评论 3 317
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,749评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,816评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,038评论 1 256
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,548评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,140评论 2 341

推荐阅读更多精彩内容