Python读取csv文件
空中旋转篮球 人气:01.运行环境及数据
Python3.7、PyCharm Community Edition 2021.1.1,win10系统。
使用的库:matplotlib、numpy、sklearn、pandas等
数据:CSV文件,包含时间,经纬度,高程等数据
2.基于时间序列的分析2D
读取时间列和高程做一下分析:
代码如下:
from PIL import Image import matplotlib.pyplot as plt import numpy as np from sklearn.cluster import KMeans, MiniBatchKMeans import pandas as pd if __name__ == "__main__": data = pd.read_csv(r"H:\CSDN_Test_Data\UseYourTestData.csv") x, y = data['Time (sec)'], data['Height (m HAE)'] n = len(x) x = np.array(x) x = x.reshape(n, 1)#reshape 为一列 y = np.array(y) y = y.reshape(n, 1)#reshape 为一列 data = np.hstack((x, y)) #水平合并为两列 k = 8 # 设置颜色聚类的类别个数(我们分别设置8,16,32,64,128进行对比) cluster = KMeans(n_clusters=k) # 构造聚类器 C = cluster.fit_predict(data) # C_Image = cluster.fit_predict(data) print("训练总耗时为:%s(s)" % (Trainingtime).seconds) plt.figure() plt.scatter(data[:, 0], data[:, 1], marker='o', s=2, c=C) plt.show()
结果展示:
2.1 2000行数据结果展示
2.2 6950行数据结果展示
2.3 300M,约105万行数据结果展示
CPU立马90%以上了。大约1-2分钟,也比较快了。
markersize
有些大了, 将markersize
改小一些显示,设置为0.1,点太多还是不明显。
3.经纬度高程三维坐标分类显示3D-空间点聚类
修改代码,读取相应的列修改为X,Y,Z坐标:如下:
from PIL import Image import matplotlib.pyplot as plt import numpy as np from sklearn.cluster import KMeans, MiniBatchKMeans import pandas as pd from mpl_toolkits.mplot3d import Axes3D if __name__ == "__main__": data = pd.read_csv(r"H:\CSDN_Test_Data\UseYourTestData.csv") x, y,z = data['Longitude (deg)'],data['Latitude (deg)'], data['Height (m HAE)'] n = len(x) x = np.array(x) x = x.reshape(n, 1)#reshape 为一列 y = np.array(y) y = y.reshape(n, 1)#reshape 为一列 z = np.array(z) z = z.reshape(n, 1) # reshape 为一列 data = np.hstack((x, y, z)) #水平合并为两列 k = 8 # 设置颜色聚类的类别个数(我们分别设置8,16,32,64,128进行对比) cluster = KMeans(n_clusters=k) # 构造聚类器 C = cluster.fit_predict(data) # C_Image = cluster.fit_predict(data) print("训练总耗时为:%s(s)" % (Trainingtime).seconds) fig = plt.figure() ax = Axes3D(fig) ax.scatter(data[:, 0], data[:, 1],data[:, 2], s=1, c=C) # 绘制图例 ax.legend(loc='best') # 添加坐标轴 ax.set_zlabel('Z Label', fontdict={'size': 15, 'color': 'red'}) ax.set_ylabel('Y Label', fontdict={'size': 15, 'color': 'red'}) ax.set_xlabel('X Label', fontdict={'size': 15, 'color': 'red'}) plt.show()
3.1 2000行数据结果显示
由于经度在纬度方向上在17m范围类,所以立体效果较差,可以换其他数据测试。
3.2 300M的CSV数据计算显示效果
105万行数据显示结果:
加载全部内容