数据处理与可视化全攻略

### 数据处理与可视化全攻略 #### 1. 数据导出格式 在数据处理过程中，我们常常需要将数据导出为不同的格式，以满足不同的需求。常见的导出格式包括 CSV、TSV、XLS、XLSX 和 JSON 等。 - **TSV 格式导出** 若要将数据导出为 TSV 格式，可使用以下代码： ```mathematica In[72]:= Export["Dataset_tsv.tsv",spDataset,"TSV"] Out[72]= Dataset_tsv.tsv ``` - **XLS 和 XLSX 格式导出** 当需要将数据集导出为 XLS 或 XLSX 等电子表格格式时，需将数据集作为列表处理。因为直接导出数据集会将关联信息导出到单个单元格中，这并非我们想要的结果。具体操作步骤如下： 1. 使用 `Normal` 命令将数据集转换为普通表达式。 2. 使用 `Values` 从花括号中提取值。 示例代码如下： ```mathematica In[73]:= Values@Normal@spDataset Out[73]={{4,2},{4,10},{7,4},{7,22},{8,16},{9,10},{10,18},{10,26},{10,34}, {11,17},{11,28},{12,14},{12,20},{12,24},{12,28},{13,26},{13,34},{13,34}, {13,46},{14,26},{14,36},{14,60},{14,80},{15,20},{15,26},{15,54},{16,32}, {16,40},{17,32},{17,40},{17,50},{18,42},{18,56},{18,76},{18,84},{19,36}, {19,46},{19,68},{20,32},{20,48},{20,52},{20,56},{20,64},{22,66},{23,54}, {24,70},{24,92},{24,93},{24,120},{25,85}} ``` 接着添加列标题： ```mathematica In[74]:= colTitles={"Speed in miles per hours","Stopping distance in feet"}; ``` 使用 `Prepend` 函数将列标题添加到数据列表前面，并将新值命名为 `exprtData`： ```mathematica In[75]:= Short[exprtData=Prepend[%%,colTitles],1] Out[75]//Short= {{Speed in miles per hours,Stopping distance in feet},{4,2}, {4,10},<<45>>,{24,93},{24,120},{25,85}} ``` 最后将完整数据导出为 XLSX 格式： ```mathematica In[76]:= Export["Stopping_distance_Dataset.xlsx",exprtData,"XLSX"] Out[76]= Stopping_distance_Dataset.xlsx ``` - **JSON 格式导出** 也可以将信息导出为 JSON 格式。以下是几个示例： - 从关联创建 JSON 结构： ```mathematica In[77]:= Association@{"Name"->"Ellis","Date of birth"-> "1990,01,04","Height"->"180 cm","Favorite color"->"Red","Hobbies"->"Soccer, Pc gaming, Board games","Social netwoks"->"Twitter, Facebook"}; Export["File_json.json",%,"JSON"] Out[78]= File_json.json ``` - 当数据集包含数量或其他语义对象时，使用 `JSON` 选项格式导出： ```mathematica In[79]:=Association@{"Name"->"Ellis","Date of birth"-> DateObject[{1990,01,04}],"Height"->Quantity[180,"Centimeters"],"Favorite color"->"Red","Hobbies"->"Soccer, Pc gaming, Board games","Social netwoks"-> "Twitter, Facebook"}; user=Dataset[%] In[81]:= Export["Dataset_json.json",user,"JSON"] Out[81]= Dataset_json.json ``` #### 2. 内容文件对象 对于所有导出的文件，我们可以创建一个内容对象来显示文件的属性。这可以通过 `ContentObject` 函数实现。以下是一个示例： ```mathematica In[91]:= Association@{"Name"->"Ellis","Date of birth"->DateObject[{1990,01,04}], "Height"->Quantity[180,"Centimeters"],"Favorite color"->"Red","Hobbies"-> "Soccer, Pc gaming, Board games","Social netwoks"->"Twitter, Facebook"}; user=Dataset[%]; jsonFile=Export["Dataset_json_2.json",user,"JSON"]; In[94]:= AbsoluteFileName[jsonFile] Out[94]= /Users/macosx/Desktop/Dataset_json_2.json In[95]:= ContentObject[%] ``` 按下 `+` 图标可以查看导出文件的属性，如名称、大小、创建日期和文件位置等。也可以通过编程方式访问这些属性： ```mathematica In[96]:= ContentObject[%%]["Properties"] Out[96]= {CreationDate,Plaintext} ``` #### 3. 使用 Wolfram 语言搜索文件 Wolfram 语言提供了一些命令来查找文件的位置。 - `NotebookDirectory` 命令用于查看当前笔记本所在的目录路径： ```mathematica In[97]:= NotebookDirectory[] Out[97]= /Users/macosx/Desktop/ ``` - `SetDirectory` 命令用于设置工作目录： ```mathematica In[98]:= SetDirectory[NotebookDirectory[]] Out[98]= /Users/macosx/Desktop ``` - `FileNames` 命令用于探索工作目录中的文件： ```mathematica In[99]:= FileNames[] Out[99]= {Color_table.txt,Grocery_List.csv,Hello_World,Hello_World. txt,import export.nb,weather.csv} ``` - `FindFile` 命令用于搜索特定文件： ```mathematica In[100]:= FindFile["Color_table.txt"] Out[100]= /Users/macosx/Desktop/Color_Table.txt ``` - 还可以搜索特定文件扩展名的文件： ```mathematica In[101]:= FileNames["*.txt"] Out[101]= {Color_table.txt,File_text.txt,Hello_World.txt,New_File.txt} ``` #### 4. 连接外部服务 Mathematica 除了具备导入和导出功能外，还可以连接到各种外部服务，如外部资源、外部连接和数据库管理等。 - **外部连接** Mathematica 13 版本在连接外部服务方面有了改进，引入了外部评估器，可与多种语言进行交互，如 Julia、Ruby、R、Python、Java、Octave、Node.js、Shell 和 SQL 等。 使用 `FindExternalEvaluators` 命令可以发现和使用已安装的评估器系统。例如，查找 Shell 评估器的版本： ```mathematica In[102]:= FindExternalEvaluators["Shell"]//Normal//Print Out[102] = <|4ce695dd-ef6a-7006-f30d-b4320329bbd7 → <|System → Shell, Version → 3.2.57, Target ⧴ /bin/bash, Executable ⧴ /bin/bash, Registered → Automatic|>, b217afb1-d97f-3cfa-3c52-19ec78df64bc → <|System → Shell, Version → 3.2 ```