Python数据分析之双色球单个红和蓝球哪个比例高的方法

 更新时间:2018年02月03日 10:10:20   作者:levy_cui   我要评论
这篇文章主要介绍了Python数据分析之双色球单个红和蓝球哪个比例高的方法,涉及Python数值运算及图形绘制相关操作技巧,需要的朋友可以参考下

本文实例讲述了Python数据分析之双色球单个红和蓝球哪个比例高的方法。分享给大家供大家参考,具体如下:

单个红球和蓝球,哪个组合最多,显示前19组数据

#!/usr/bin/python
# -*- coding:UTF-8 -*-
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import operator
df = pd.read_table('newdata.txt',header=None,sep=',')
tdate = sorted(df.loc[:,0])
# print tdate
h1 = df.loc[:,1:7:6].values  #取第一列红球和蓝球
# print h1
h2 = df.loc[:,2:7:5].values  #取第二列红球和蓝球
h3 = df.loc[:,3:7:4].values
h4 = df.loc[:,4:7:3].values
h5 = df.loc[:,5:7:2].values
h6 = df.loc[:,6:7:1].values
# tblue = df.loc[:,7]
#将上方切分的所有数据组合到一起
data = np.append(h1, h2, axis = 0)
data = np.append(data, h3, axis = 0)
data = np.append(data, h4, axis = 0)
data = np.append(data, h5, axis = 0)
data = np.append(data, h6, axis = 0)
# print data
data1 = pd.DataFrame(data)
# print data1
#写入到一个文件中
data1.to_csv('hldata.csv',index=None,header=None)
#读取文件,将组合进行并从大到小排序
f = open("hldata.csv")
count_dict = {}
for line in f.readlines():
  line = line.strip()
  count = count_dict.setdefault(line, 0)
  count += 1
  count_dict[line] = count
sorted_count_dict = sorted(count_dict.iteritems(), key=operator.itemgetter(1), reverse=True)
# for item in sorted_count_dict:
#   print "%s,%d" % (item[0], item[1])
# print sorted_count_dict
fenzu = pd.DataFrame(sorted_count_dict).set_index([0])
#print fenzu
#分别从第一列和第二列取前19个数据放到x y中
x = list(fenzu.index[:19])
y = list(fenzu.values[:19])
print x
print y
#将x对应数值,不然画图报错
s = pd.Series(range(1,len(x)+1), index=x)
#设置画图属性
plt.figure(figsize=(12,6),dpi=80)
plt.legend(loc='best')
# plt.plot(fenzu,color='red')
plt.bar(s,y,alpha=.5, color='r',width=0.8)
plt.title('The one red and one blue ball number')
plt.xlabel('one red and one blue number')
plt.ylabel('times')
#可以在图中放置标签字符
# for i in range(0,19):
#   plt.text(int(i+1.4),25,x[i],color='b',size=10)
# plt.text(1.4,20,x[0],color='g',ha='center')
#将['1,12', '26,9', '5,13']这样的字符放到图中
plt.xticks(s,x, rotation=10,size=10,ha='left')
plt.show()

结果如下:

可以看出红球1和蓝球12出现过的次数最多,其次是红球26和蓝球9

参考:

import matplotlib.pyplot as plt
import numpy as np
plt.rc('font', family='SimHei', size=13)
num = np.array([13325, 9403, 9227, 8651])
ratio = np.array([0.75, 0.76, 0.72, 0.75])
men = num * ratio
women = num * (1-ratio)
x = ['聊天','支付','团购\n优惠券','在线视频']
width = 0.5
idx = np.arange(len(x))
plt.bar(idx, men, width, color='red', label='男性用户')
plt.bar(idx, women, width, bottom=men, color='yellow', label='女性用户')
plt.xlabel('应用类别')
plt.ylabel('男女分布')
plt.xticks(idx+width/2, x, rotation=40)
plt.legend()

更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python字符串操作技巧汇总》、《Python编码操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总

希望本文所述对大家Python程序设计有所帮助。

相关文章

  • Python中函数及默认参数的定义与调用操作实例分析

    Python中函数及默认参数的定义与调用操作实例分析

    这篇文章主要介绍了Python中函数及默认参数的定义与调用操作,结合实例形式分析了Python中函数的定义及参数的使用技巧,需要的朋友可以参考下
    2017-07-07
  • python高阶爬虫实战分析

    python高阶爬虫实战分析

    这篇文章给大家分享了python高阶爬虫实战的相关实例内容以及技巧分析,有兴趣的朋友参考下。
    2018-07-07
  • Python多线程中阻塞(join)与锁(Lock)使用误区解析

    Python多线程中阻塞(join)与锁(Lock)使用误区解析

    这篇文章主要为大家详细介绍了Python多线程中阻塞join与锁Lock的使用误区,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-04-04
  • python多维数组切片方法

    python多维数组切片方法

    下面小编就为大家分享一篇python多维数组切片方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-04-04
  • python 字符串转列表 list 出现\ufeff的解决方法

    python 字符串转列表 list 出现\ufeff的解决方法

    下面小编就为大家带来一篇python 字符串转列表 list 出现\ufeff的解决方法。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-06-06
  • Python实现字典(dict)的迭代操作示例

    Python实现字典(dict)的迭代操作示例

    这篇文章主要介绍了Python实现字典(dict)的迭代操作,结合实例形式分析了Python针对字典键、值以及键值对等迭代操作实现技巧,需要的朋友可以参考下
    2018-06-06
  • python机器学习库scikit-learn:SVR的基本应用

    python机器学习库scikit-learn:SVR的基本应用

    这篇文章主要介绍了python机器学习库scikit-learn:SVR的基本应用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-06-06
  • 详解python多线程之间的同步(一)

    详解python多线程之间的同步(一)

    这篇文章主要介绍了python多线程之间的同步,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-04-04
  • 利用Python将数值型特征进行离散化操作的方法

    利用Python将数值型特征进行离散化操作的方法

    今天小编就为大家分享一篇利用Python将数值型特征进行离散化操作的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-11-11
  • python SocketServer源码深入解读

    python SocketServer源码深入解读

    这篇文章主要介绍了python SocketServer源码深入解读,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-09-09

最新评论