實(shí)戰(zhàn)｜Python數(shù)據(jù)分析可視化并打包
大家好，關(guān)于Python數(shù)據(jù)分析的工具我們已經(jīng)講了很多了，相信一直關(guān)注的讀者對(duì)于Pandas、NumPy、Matplotlib的各種操作一定不陌生，今天我們就用一份簡(jiǎn)單的數(shù)據(jù)來學(xué)習(xí)如何使用Python進(jìn)行數(shù)據(jù)分析，本文主要涉及下面三個(gè)部分：
- Pandas數(shù)據(jù)處理
- Matplotlib繪圖
- 利用pyinstaller將py文件打包為exe
雖然本文使用的數(shù)據(jù)(醫(yī)學(xué)相關(guān))不會(huì)出現(xiàn)在你平時(shí)的工作學(xué)習(xí)中，但是處理的過程比如導(dǎo)入數(shù)據(jù)、缺失值處理、數(shù)據(jù)去重、計(jì)算、匯總、可視化、導(dǎo)出等操作卻是重要的，甚至還教你如何將程序打包之后對(duì)于重復(fù)的工作可以一鍵完成!
數(shù)據(jù)與需求說明
今天分享的案例來源于一個(gè)著名的實(shí)驗(yàn)Cell Counting Kit-8。首先我們來看下原始數(shù)據(jù)：
我們需要完成的工作主要有四塊：
- 去除各組所有重復(fù)中的最大值和最小值
- 所有數(shù)據(jù)根據(jù)D0的對(duì)應(yīng)分組進(jìn)行標(biāo)準(zhǔn)化
- 計(jì)算各組數(shù)據(jù)的均值和標(biāo)準(zhǔn)差表格：均值匯總表和均值-標(biāo)準(zhǔn)差匯總表
- 繪制折線圖
所以我們需要的結(jié)果應(yīng)該是：在自己的桌面上建一個(gè)文件夾命名data，將原始數(shù)據(jù)data.xlsx放進(jìn)去，之后運(yùn)行完程序后文件夾會(huì)新增3個(gè)文件：
而這三個(gè)文件就是我們需要的結(jié)果
均值匯總表
均值-標(biāo)準(zhǔn)差匯總表
折線圖
現(xiàn)在我們就來講解如何實(shí)現(xiàn)。
代碼實(shí)現(xiàn)
首先導(dǎo)入庫并調(diào)用函數(shù)獲取桌面文件夾路徑并寫在全局
- import pandas as pd
- import matplotlib.pyplot as plt
- import os
- import random
- def GetDesktopPath():
- return os.path.join(os.path.expanduser("~"), 'Desktop')
- path = GetDesktopPath() + '/data/'
導(dǎo)入原始數(shù)據(jù)并去除缺失值
- dat = pd.read_excel(path + 'data.xlsx',
- sheet_name=0,
- header=None,
- index_col=0)
- dat = dat.dropna(how='any', axis=0)
獲取重復(fù)次數(shù)，分組個(gè)數(shù)和天數(shù)。原始數(shù)據(jù)有6天、5組、5次重復(fù)，雖然也可以直接使用這三個(gè)數(shù)據(jù)，但以后的實(shí)驗(yàn)這三個(gè)可能會(huì)更改，為了讓代碼能夠復(fù)用，最好不要寫死
- # 獲取分組個(gè)數(shù)
- ngroup = dat.index.value_counts().shape[0]
- # 獲取列數(shù)即重復(fù)次數(shù)
- nrep = dat.shape[1]
- # 獲取天數(shù)（操作的批次數(shù)）即用總行數(shù)除以組數(shù)，用整除是為了返回int
- nd = dat.shape[0] // ngroup
去掉極大值和極小值。這里用的解決辦法是逐行升序排序，然后去掉第一個(gè)和最后一個(gè)數(shù)據(jù)，可以用apply+lambda處理
- df = dat.apply(lambda x: sorted(x)[1:nrep - 1], axis=1)
- df = df.to_frame(name='total')
- for i in range(nrep - 2):
- df[f'{i + 1}'] = df['total'].str[i]
- df.drop(columns=['total'], inplace=True)
用匿名函數(shù)排序返回的是Series的升序列表，須有轉(zhuǎn)換回DataFrame再拆成三列，最后去掉原來返回那一列即可。因此有了如上代碼
在常規(guī)列中添加分組信息和批次信息，便于后續(xù)做匯總表
- df['group'] = df.index
- day_lst = []
- for i in range(nd):
- day_lst.append(f'Day{i}')
- # 用列表推導(dǎo)式做列表內(nèi)元素重復(fù)并添加新列
- df['day'] = [i for i in day_lst for _ in range(ngroup)]
效果如圖：
根據(jù)D0的各組均值對(duì)所有數(shù)據(jù)標(biāo)準(zhǔn)化，可以簡(jiǎn)單理解為DO批次5個(gè)組去除兩個(gè)極值后各求平均值，這5個(gè)批次的5個(gè)組各自除于D0對(duì)應(yīng)組的均值)
- # 根據(jù)組數(shù)取出D0的所有行數(shù)，然后按行求均值，會(huì)自動(dòng)忽略文本信息
- mean_lst = df.iloc[0:ngroup, :].mean(axis = 1).tolist()
- # 由于接下來要按行進(jìn)行迭代，且索引的分組信息已經(jīng)有一個(gè)新列來表述，這里重置索引方便迭代
- df.reset_index(drop=True, inplace=True)
- # 迭代的內(nèi)容看起來復(fù)雜實(shí)際上不難
- # 本質(zhì)上就是將迭代行的數(shù)據(jù)和D0對(duì)應(yīng)分組均值相除
- for index, i in df.iterrows():
- df.iloc[index, 0:nrep - 2] = i[0:nrep - 2] / mean_lst[index % ngroup]
標(biāo)準(zhǔn)化結(jié)束后即可獲取均值和標(biāo)準(zhǔn)差
- # 同樣mean和std均會(huì)忽略非數(shù)值列
- # 謹(jǐn)慎一點(diǎn)用df['mean'] = df.iloc[:, 0:nrep - 2].mean(axis=1)也可以
- df['mean'] = df.mean(axis=1)
- df['std'] = df.std(axis=1)
- # 獲取最后四列
- results = df.iloc[:, -4:]
制作數(shù)據(jù)透視表并導(dǎo)出
- # 用round保留4位有效數(shù)字
- tb1 = pd.pivot_table(data=results,
- index='group',
- columns='day',
- values='mean').round(4)
- tb2 = pd.pivot_table(data=results,
- index='group',
- columns='day',
- values=['mean', 'std']).round(4)
- tb1.to_excel(path + '/result(mean).xlsx',
- index=True,
- header=True)
- tb2.to_excel(path + '/result(mean+std).xlsx',
- index=True,
- header=True)
在Jupyter Notebook呈現(xiàn)結(jié)果如下，在Excel的呈現(xiàn)如本文開頭所示
利用matplotlib畫圖，補(bǔ)充兩個(gè)細(xì)節(jié)，如果在Jupyter Notebook希望出圖需要加上如下代碼
- %matplotlib inline
如果有中文字符需要呈現(xiàn)也同樣需要用代碼設(shè)置
- plt.rcParams['font.sans-serif'] = ['SimHei']
匯總表的索引(組名)可以用做圖像的標(biāo)簽。而顏色和折線上標(biāo)記樣式所用的測(cè)量是根據(jù)所需的個(gè)數(shù)隨機(jī)無放回抽樣
- group_lst = tb1.index.tolist()
- colors = ['b', 'g', 'r', 'c', 'm', 'y']
- color_lst = random.sample(colors, ngroup)
- markers = ['.', ',', 'o', 'v', '^', '<', '>',
- '1', '2', '3', '4', 's', 'p', '*', 'h', 'H', '+', 'x', 'D', 'd']
- marker_lst = random.sample(markers, ngroup)
最后的畫圖代碼：
- # 設(shè)置畫布大小
- plt.figure(figsize=(8, 5))
- for i in range(ngroup):
- plt.plot(tb1.iloc[i, :].tolist(),
- f'{color_lst[i]}{marker_lst[i]}-', lw=2)
- plt.xticks(range(0, nd), day_lst, fontsize=18)
- plt.ylabel('Relative Cell Amount', fontsize=18)
- plt.legend(group_lst, loc='best', fontsize=12)
- # 讓圖像的顯示分布正常
- plt.tight_layout()
- # 保存一定要在調(diào)用展示之前
- plt.savefig(path + "/折線圖.png")
- plt.show()
exe打包
首先在命令行使用pip安裝pyinstaller
- pip install pyinstaller
將完整代碼保存成py文件，這里我保存為cck8.py，然后放在桌面上data文件夾內(nèi)，然后打開命令行，cd進(jìn)入該文件夾，然后調(diào)用第二行命令即可以編譯成exe
- cd C:\Users\chenx\Desktop\data
- pyinstaller --onefile --clean cck8.py
當(dāng)然第二行的命令可以自定義如添加圖標(biāo)等等，這里不做介紹，有興趣的可以自己探索。
