本系列是對入門書籍《Python編程：從入門到實踐》的筆記整理，屬於初級內容。標題順序採用書中標題。
本篇是Python數據處理的第二篇，本篇將使用網上下載的數據，對這些數據進行可視化。
1. 前言
本篇將訪問並可視化以兩種常見格式存儲的數據：CSV和JSON：
使用Python的csv模塊來處理以CSV（逗號分隔的值）格式存儲的天氣數據，找出兩個不同地區在一段時間內的最高溫度和最低溫度；
使用json模塊來訪問以JSON格式存儲的交易收盤價數據。
本文數據均可從圖書官網下載( http://www.ituring.com.cn/book/1861 )。
2. CSV文件格式
新建一個項目，將文件death_valley_2014.csv複製到項目根目錄，並新建highs_lows.py文件，改程序讀取加州死亡谷2014年的溫度數據，提取出每天的最高和最低氣溫，並繪製出折線圖：
代碼現將文件打開，然後通過csv.reader()函數創建一個CSV文件閱讀器，參數就是剛才打開的文件；通過next()函數讀取文件的一行，並自動將數據轉換為列表；然後通過一個for循環讀取全部數據。for循環中還添加了錯誤檢查，以防文件中數據丟失等問題造成程序終止。我們還通過fill_between()函數將兩個折現之間的區域著色。最後得到的圖像如下：
同時我們還得到了一條信息輸出：
即該日的數據丟失了。
3. 製作交易收盤價走勢圖：JSON格式
現將將btc_close_2017.json拷貝到項目根目錄下。本節中將繪製5幅圖像：收盤折線圖，收盤價對數變換，收盤價月日均值，收盤價週日均值，收盤價星期均值。均使用Pygal繪製。
3.1 繪製收盤價折線圖
最後得到的圖像如下：
3.2 收盤價對數變換
從上圖可以看出，收盤價基本呈指數增長，但其中有一些相似的波動（3,6,9月）。儘管這些波動被增長的趨勢掩蓋了，但也許其中有周期性。為了驗證週期性的假設，需要首先將非線性的趨勢消除。對數變換是常用的處理方法之一。我們使用Python標準庫中的math模塊來解決此問題。
得到了如下圖像：
可以看出，3,6,9月都出現了劇烈的波動。下面再看看收盤價的月日均值和週日均值。
3.3 收盤價均值
3.3.1 月日均值
在繼續新的代碼之前，需要補充一些知識：對於zip()函數，它將多個列表按照元素的位置組成新的列表，而新列表的元素是元組。如下：
在python2中，zip()直接返回一個列表，但在python3中，zip()返回一個可迭代的zip對象，這裡我們將其轉化為列表。也在前面加星號對zip對象進行“解壓”（解包）：
星號不止能對zip對象進行解包，還可以對list等類型進行解包。
我們還會用到groupby()函數，但在使用該函數之前，需要對列表進行排序。我們使用sorted()函數進行排序，python3中sorted()函數默認按照元素順序進行比較，比如這裡的列表的元素是元組，則sorted()先比較元組中第一個元素的值，再比較第二個元素的值，如下：
接下來通過groupby()函數對這些數據進行分組，通過關鍵字參數key=itemgetter(0)指定根據列表元素（即元組）的第一個值進行分組。也可以將這裡的itemgetter()函數替換為lambda表達式，如等價的lambda表達式為lambda x: x[0]。在python3中，groupby()返回一個可迭代的groupby對象，如果將其轉換成list，list中的每個元素的第二個值也是個可迭代對象：
從上面的for循環的結果來看，可以將groupby()返回的對象看做一個字典，該字典的鍵為上面的key的值，該字典的值為還沒分組時列表中的部分元素（可能組成了列表，也可能組成了元組）。
現在言歸正傳，回到主線。
繪製2017年前11個月的日均值，前49周的日均值，以及每週中各天（Monday~Sunday）的日均值。首先我們需要封裝一些代碼：
本段代碼有些繞。從前面的介紹可以知道，for循環中的變量y相當於一個list，這個list的元素是tuple，tuple的第一個元素是x_data中的值，不再重複需要，所以取第二個值組成list，即第8行代碼。xy_map是個list對象，而它的元素也是list，即它是一個二維數組。注意第10行的操作，*xy_map將list進行解包，zip()函數將解包後的元素再次打包成一個zip對象，如果將其看做list對象，則這個對象含有兩個
tuple元素，然後將這個zip對象也解包，最外面再套一層list，得到一個含兩個tuple元素的list，最後再平行賦值。為了更具體的體現這段操作，下面用一些簡單數據進行模擬：
最後，終於到了畫圖階段：
得到的結果如下：
3.3.2 週日均值
2017年的第一週從2017年1月2日開始，第49週週日是2017年12月10日。
結果如下：
3.3.3 每週中各天的均值
如果直接用weekdays這個列表生成圖表，由於該列表存儲的是字符串，排序的時候是按ASCII碼進行排序，最後生成的圖表星期的順序會出錯，所以將其轉換成數字。
最後的結果如下：
3.4 收盤價數據儀表盤
最後我們將五張表整合到一個文件中，做成一個儀表盤：
效果如下：
這是將瀏覽器放大後的效果，默認100%的話這五張圖都在同一行，且非常小。
4. 小結
本篇中主要內容有：
如何使用網上的數據集；
如何處理CSV和JSON文件，以及如何提取你感興趣的數據；
如何使用matplotlib來處理以往的天氣數據，包括如何使用datetime模塊，以及如何在同一個圖表中繪製多個數據系列；
如何json模塊來訪問JSON格式存儲的交易收盤價數據，並使用Pygal繪製圖形以探索價格變化的週期性，以及如何將Pygal圖形組合成數據儀表盤。
下一篇將從網上採集數據並對其進行可視化。
閱讀更多 VPointer701 的文章
