python读取csv文件并处理数据,python读取整个csv

　　本文主要介绍Python读取csv文件进行K-means分析，并基于时间序列分析分析2D读取时间列和高程。更多详情，请参考以下小伙伴。

　　00-1010 1.操作环境和数据2。基于时间序列的分析2D2.1 2000行数据结果显示2.2 6950行数据结果显示2.3 300M，约105万行数据结果显示3。经纬度高程三维坐标分类显示-空间点聚类3.1 2000行数据结果显示3.2 300M CSV数据计算显示效果

1.运行环境及数据

　　读取时间列和高程进行分析：

　　代码如下：

　　从PIL进口图片

　　将matplotlib.pyplot作为plt导入

　　将numpy作为np导入

　　从sklearn.cluster导入KMeans，MiniBatchKMeans

　　进口熊猫作为pd

　　if __name__==__main__:

　　data=pd.read_csv(rH:\CSDN测试数据\UseYourTestData.csv )

　　x，y=数据[时间(秒)]，数据[高度(米海)]

　　n=len(x)

　　x=np.array(x)

　　x=x . shape(n，1)# shape是一列。

　　y=np.array(y)

　　y=y . shape(n，1)# shape是一列。

　　Data=np.hstack((x，y)) #水平合并成两列

　　K=8 #设置颜色聚类的类别数(我们分别设置8，16，32，64，128进行比较)

　　Cluster=KMeans(n_clusters=k) #构造一个集群

　　C=cluster.fit_predict(数据)

　　# C_Image=cluster.fit_predict(数据)

　　Print(总训练时间为：% s(s)%(training time)。秒)

　　图表()

　　plt.scatter(data[:0]，data[:1]，marker=o ，s=2，c=C)

　　plt.show()

　　结果展示：

2.基于时间序列的分析2D

2.1 2000行数据结果展示

2.2 6950行数据结果展示

　　CPU马上超过90%。大概1-2分钟，也是比较快的。

　　Markersize有点大。缩小显示，设置为0.1。点太多还是不明显。

2.3 300M,约105万行数据结果展示

　　修改代码，读取相应的列修改为X,Y,Z坐标：如下：

　　从PIL进口图片

　　将matplotlib.pyplot作为plt导入

　　将numpy作为np导入

　　从sklearn.cluster导入KMeans，MiniBatchKMeans

　　进口熊猫作为pd

　　从mpl_toolkits.mplot3d导入Axes3D

　　if __name__==__main__:

　　data=pd.read_csv(rH:\CSDN测试数据\UseYourTestData.csv )

　　x，y，z=数据[经度(度)]，数据[纬度(度)]，数据[高度(米海)]

　　n=len(x)

　　x=np.array(x)

　　x=x . shape(n，1)# shape是一列。

　　y=np.array(y)

　　y=y . shape(n，1)# shape是一列。

　　z=np.array(z)

　　z=z . shape(n，1)# shape是一列。

　　Data=np.hstack((x，y，z)) #水平合并成两列

　　K=8 #设置颜色聚类的类别数(我们分别设置8，16，32，64，128进行比较)

　　Cluster=KMeans(n_clusters=k) #构造一个集群

　　C=cluster.fit_predict(数据)

　　# C_Image=cluster.fit_predict(数据)

　　Print(总训练时间为：% s(s)%(training time)。秒)

　　图=plt.figure()

　　ax=Axes3D(图)

　　ax.scatter(data[:0]，data[:1]，data[:2]，s=1，c=C)

　　#画一个传奇

　　ax.legend(loc=best )

　　#添加轴

　　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.经纬度高程三维坐标分类显示3D-空间点聚类

　　因为经度在纬度方向17m范围内，立体效果差，所以可以测试其他数据。

3.1 2000行数据结果显示

　　105万行数据显示结果：

　　关于Python读取csv文件进行K-means分析的这篇文章到此为止。关于Python读取csv文件的更多信息，请搜索热门IT软件开发工作室之前的文章或者继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。