python_面向对象基础_数据分析

这篇具有很好参考价值的文章主要介绍了python_面向对象基础_数据分析。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

主要目的

对于文本格式和JSON格式数据进行分析,将其中数据提炼出来绘制折线图。


主要实现步骤

1.设计一个完成对数据的封装
2.设计一个抽象类,定义数据读取相关功能,使用其子类实现具体功能
3.读取文件,生成数据对象
4.进行数据计算
5.绘制图表


定义数据封装类

"""
数据定义封装的类
"""


# 定义销售情况的封装类
class Record:

    def __init__(self, date, order_id, money, province):
        self.date = date            # 订单日期
        self.order_id = order_id    # 订单ID
        self.money = money          # 订单金额
        self.province = province    # 销售省份

    def __str__(self):
        return f"{self.date}, {self.order_id}, {self.money}, {self.province}"
        

定义文件读取操作的类

"""
和文件相关的类定义
"""
import json

from 面向对象_数据分析实战.data_define import Record


# 定义一个抽象类,做顶层设计,确定有哪些功能需要实现
class FileReader:

    def read_data(self) -> list[Record]:
        """读取文件数据,将每一月数据转换成 Record 对象,将他们封装到list内返回"""
        pass


class TextFileReader(FileReader):
    def __init__(self, path):
        self.path = path

    # 复写抽象方法
    def read_data(self) -> list[Record]:
        f = open(self.path, "r", encoding="UTF-8")
        record_list: list[Record] = []
        for line in f.readlines():
            line = line.strip()  # 消除读到数据中的换行符
            data_list = line.split(",")
            record = Record(data_list[0], data_list[1], int(data_list[2]), data_list[3])
            record_list.append(record)  # 封装

        f.close()
        return record_list


class JsonFileReader(FileReader):

    def __init__(self, path):
        self.path = path

    # 复写抽象方法
    def read_data(self) -> list[Record]:
        f = open(self.path, "r", encoding="UTF-8")
        record_list: list[Record] = []

        for line in f.readlines():
            data_dict = json.loads(line)
            record = Record(data_dict["date"], data_dict["order_id"], int(data_dict["money"]), data_dict["province"])
            record_list.append(record)

        f.close()
        return record_list


# 测试
if __name__ == '__main__':
    json_file_reader = JsonFileReader("D:/桌面/2011年2月销售数据JSON.txt")
    list1 = json_file_reader.read_data()
    for l in list1:
        print(l.__str__())



主类调用定义方法,完成数据分析


"""
面向对象,数据分析案例实战

1.设计一个完成对数据的封装
2.设计一个抽象类,定义数据读取相关功能,使用其子类实现具体功能
3.读取文件,生成数据对象
4.进行数据计算
5.绘制图表
"""


from file_define import FileReader, TextFileReader, JsonFileReader
from data_define import Record
from pyecharts.charts import Bar
from pyecharts.options import *
from pyecharts.globals import ThemeType

text_file_reader = TextFileReader("D:/桌面/2011年1月销售数据.txt")
json_file_reader = JsonFileReader("D:/桌面/2011年2月销售数据JSON.txt")

jan_data: list[Record] = text_file_reader.read_data()
feb_data: list[Record] = json_file_reader.read_data()

# 将两个月份数据合并
all_data: list[Record] = jan_data + feb_data

# 开始数据计算,使用字典进行计算存储
# {"2011-01-01": 1564, "2011-01-02": 300, ...}
data_dict = {}
for record in all_data:
    if record.date in data_dict.keys():
        # 当前日期有记录,直接累加
        data_dict[record.date] += record.money
    else:
        data_dict[record.date] = record.money

# 可视化图标开发
bar = Bar(init_opts=InitOpts(theme=ThemeType.LIGHT))

bar.add_xaxis(list(data_dict.keys()))  # 添加X轴数据
bar.add_yaxis("销售额", list(data_dict.values()), label_opts=LabelOpts(is_show=False))  # 田间Y轴数据
bar.set_global_opts(
    title_opts=TitleOpts(title="每日销售额")
)

bar.render("2011年1,2月份每日销售额柱状图.html")

其中注意的几个点

对于数据的封装

充分使用类中的成员属性和成员方法,切实的拟合类的实现,对于类中的一些魔术方法也要加以了解使用。

对于注释

写代码时注意写上注释,一方面方便记录思路,另一方面防止自己以后看不懂自己写的代码

对于设计层面

一些功能可以使用相似结构去完成的可以采取抽象类设计方法,顶层抽象类只负责规定需要实现哪些功能,具体的实现交给负责实现的子类去完成,如此设计逻辑清晰,可以满足多种功能差别实现。

对于类的构造方法

可以在此处给类的成员属性赋上值

全局展示设置

在绘图中可以自定义标题、图标颜色、主题、样式


图片展示


python_面向对象基础_数据分析,python,数据分析文章来源地址https://www.toymoban.com/news/detail-634108.html

到了这里,关于python_面向对象基础_数据分析的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python基础知识详解:数据类型、对象结构、运算符完整分析

    Python提供了丰富的数据类型,让我们可以灵活地处理各种数据。 首先是数值类型。数值类型包括整型、浮点型和复数。 整型(int)用于表示整数,例如年龄、数量等。我们可以直接将一个整数赋值给一个变量,如下所示: 浮点型(float)用于表示带有小数点的数,例如长度

    2024年02月09日
    浏览(28)
  • 【Python数据分析】数据分析之numpy基础

    实验环境:建立在Python3的基础之上 numpy提供了一种数据类型,提供了数据分析的运算基础,安装方式 导入numpy到python项目 本文以案例的方式展示numpy的基本语法,没有介绍语法的细枝末节,笔者认为通过查阅案例就能掌握基本用法。 numpy数组的基本概念 numpy默认所有元素具有

    2024年02月10日
    浏览(24)
  • 【头歌-数据分析与实践-python】数据分析与实践-python——python基础

    注意 : 本文档仅供参考使用,本章节程序绝大多数程序面向对象输出,一旦测试用例改变,会导致无法通过,请悉知 ! ! ! 请勿盲目使用 第1关 字符串常量的输出 第2关 输入及输出 第3关 书写一个完整的Python程序 第1关 关系运算符与单分支选择语句 第2关,3个数按从大到小依

    2024年01月23日
    浏览(28)
  • [数据分析大全]基于Python的数据分析大全——Numpy基础

    NumPy 的全称为 Numeric Python,它是 Python 的第三方扩展包,主要用来计算、处理一维或多维数组。   步入8月了,7月时因为项目所需,自学了 深度学习 相关的内容,现在 已经把项目所需要的神经网络框架搭建起来了,输入输出也都归一化了,模拟误差也加上了,图像的参数

    2024年02月14日
    浏览(27)
  • Python基础语法:数据分析利器

    ⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ 🐴作者: 秋无之地 🐴简介:CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作,主要擅长领域有:爬虫、后端、大数据开发、数据分析等。 🐴欢迎小伙伴们 点赞👍🏻、收藏

    2024年02月09日
    浏览(24)
  • 【Python数据分析】Python基础知识篇

    🎉欢迎来到Python专栏~Python基础知识篇 ☆* o(≧▽≦)o *☆ 嗨 ~我是 小夏与酒 🍹 ✨ 博客主页: 小夏与酒的博客 🎈该系列 文章专栏: Python学习专栏 文章作者技术和水平有限,如果文中出现错误,希望大家能指正🙏 📜 欢迎大家关注! ❤️ Python技能树:Python入门技能树。

    2024年02月16日
    浏览(33)
  • 【100天精通Python】Day51:Python 数据分析_数据分析入门基础与Anaconda 环境搭建

    目录 1 科学计算和数据分析概述 2. 数据收集和准备 2.1 数据收集 2.1.1  文件导入:

    2024年02月10日
    浏览(22)
  • python数据分析基础《用数据讲故事》#0 引言

    在学校里,我们学习了很多关于语言和数学的知识。在语言方面,我们学习如何将单词组合成句子和故事。数学方面,我们学习如何理解数字。但很少有人将这两方面结合起来:没有人教我们如何用数字讲故事。更严峻的是,很少有人觉得自己天生就擅长这个领域。 这让我们

    2024年02月12日
    浏览(23)
  • 数学建模与数据分析 || 3. 面向数据的特征提取方法: 探索性数据分析

    一般情况下, 原始数据(又称粗数据, 存在缺失、异常、无关特征多等特点)是无法直接应用于模型进行数据分析的, 因为模型强烈依赖于相关性. 这种数据需要进行 特征提取 ,将数据的列进行修正, 生成具有相关性的列. 特征提取的方法有两种, 一种是 面向数据的探索性数据分析

    2024年02月06日
    浏览(27)
  • python数据分析-概率论与数理统计基础

    大家好,今天我们用python语言去实现概率论与数理统计的一些基础计算等。常用第三方SciPy库、NumPy库来实现概率论和数理统计的计算。 SciPy是一个基于Python的开源库,是一组专门解决科学计算中各种基本问题的模块的集合,经常与NumPy、StatsModels、SymPy这些库一起使用。SciPy的

    2024年02月07日
    浏览(24)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包