Python学习日记7|在python中使用jupyter实现数

今天是4.26号。

自从自己3月17号决定开始在这里记录学习开始，一晃就是一个月零十天了。这些天里进步了吗，有一点，其他情况也有了一点好转，但谈不上令自己喜笑颜开。晚上8点多的时候，投的yy实习有了回音，让与相关人员进一步沟通。加上qq联系方式后问了几句工作的相关内容，然后那边突然问道，你现在是研究生吧？这份实习的工作都是一些基础的，难道你不准备找一个专业性更强一点的实习岗位吗？我一下愣住了，说实话自己被戳到痛点了，没有核心竞争力，现在要想找一个专业性强一点的实习根本找不到，如实给那边说了一下情况。但又能怎样，多多学校多多实践吧。

还有昨天下午，来到实验室发现去年买的鞋穿了不到一年坏了，该死的，便宜总是没有好货，搞的自己现在完全不敢在网上买鞋。

---

今天学习jupyter notebook的相关知识，即以前的ipython notebook。其主要内容是根据相应要求对mongodb中的数据实现可视化。
(1)导入之前抓取下来的json数据，方法见学习日记6中的第6点。

(2)明确要求，要求绘制指定日期段（2015.12.27-2016.1.17），指定区域（'海淀'，'朝阳'等）的每天的发帖量。

(3)分析思路：先得到起始和截止日期之间的所有日期，以作为绘制折线图时的横坐标。再根据日期，和地区，使用find函数找到相应记录，并统计发帖量。

(4)难点在于：
a). 数据库中日期是以字符串格式而不是日期型格式储存的，而且不能使用date(s)直接将字符串s转化为日期类型。因此要from datetime import date,timedelta，然后设计相应函数，返回起始日期到结束日期之间的所有天数。

def get_all_date(date1,date2):
    start_date=date(int(date1.split('.')[0]),int(date1.split('.')[1]),int(date1.split('.')[2]))  #把字符串形式日期转为真正的日期型
    end_date=date(int(date2.split('.')[0]),int(date2.split('.')[1]),int(date2.split('.')[2]))
    days=timedelta(days=1)
    while start_date <= end_date:
        yield (start_date.strftime('%Y.%m.%d'))
        start_date = start_date+days

其中date，timedelta的用法为：
b=date(2015,2,16)
print(b)结果为：2015-2-16，而不能是a='2015-2-16',date(a)这是错误的。

timedelta代表两个datetime之间的时间差，
由于date类型数据是不支持直接相加减的，但可以利用timedelta进行操作，如上面的 start_date = start_date+days。

此外strftime('%Y.%m.%d')后面的('%Y.%m.%d')其中的大小写要注意，否则会导致错误。

b).在jupyter 中经常涉及到生成器yield（）的使用，他的作用是生成所有（）里的值，不管是列表还是字典。注意它只生成但并不返回，所以要调用生成的数据时，可以用for i in xxx()，其中xxx()为包含yield的函数。而要让生成的数据转换成列表中数据，可以用[i for i in xxx()]，不能直接用list(xxx())，也是因为xxx()并不返回数据

c).根据相应的要求生成相应的图表

options={
    'chart':{'zoomtype':'xy'},
    'title':{'text':'北京地区二手物品发帖量'},
    'subtitle':{'text':'统计分析表'},
    'xAxis':{'categories':[i for i in get_all_date('2015.12.24','2016.01.09')]},
    'yAxis':{'title':{'text':'数量'}}
}
charts.plot(series,options,show='inline')

一般带有日期型的数据展示时用折线图，不带日期型的可以用直方图或者饼图。不同的图表类型通过data中的type来进行设置。

data={
    'name':area,
    'data':area_day_posts,  #注意data必须是list类型，即使只有一个数据，如[]
    'type':'line'
}

最后的结果如下图所示：

部分数据展示1.png 部分数据展示2.png