实验：Python图形图像处理

1. 准备一张照片，编写Python程序将该照片进行图像处理，分别输出以下效果的图片：（a）灰度图；（b）轮廓图；

（c）变换RGB通道图；（d）旋转45度图。

2. 假设当前文件夹中data.csv文件中存放了2020年某饭店营业额，第一列为日期（如2020-02-03），第二列为每天交易额（如3560），文件中第一行为表头，其余行为实

际数据。编写程序，完成下面的任务，要求对结果图形进行适当的美化:

（1）使用pandas读取文件data.csv中的数据，创建DataFrame对象，并删除其中所有的缺失值;

（2）绘制第1个月的营业额折线图，反映饭店每天的营业额情况，并把图形保存为本地文件day.jpg；

（3）按月份进行统计，绘制柱状图显示每个月份的营业额，并把图形保存为本地文件month.jpg;

（4）按季度统计该饭店2020年的营业额数据，绘制饼状图显示4个季度的营业额分布情况，并把图形保存为本地文件quarter.jpg。

 1. 准备一张照片编写Python程序将该照片进行图像处理，分别输出以下效果的图片：（a）灰度图；（b）轮廓图；
# （c）变换RGB通道图；（d）旋转45度图。

from PIL import Image

from PIL import ImageFilter

im = Image.open('1.jpg')

gray = im.convert('L')

rpg = im.convert("RGB")

xz = im.rotate(45)

om = im.filter(ImageFilter.CONTOUR)

gray.save('a.jpg')

om.save('b.jpg')

rpg.save('c.jpg')

xz.save('d.jpg')


# 2. 假设当前文件夹中data.csv文件中存放了2020年某饭店营业额，第一列为日期（如2020-02-03），第二列为每天交易额（如3560），文件中第一行为表头，其余行为实
# 际数据。编写程序，完成下面的任务，要求对结果图形进行适当的美化:
# （1）使用pandas读取文件data.csv中的数据，创建DataFrame对象，并删除其中所有的缺失值;
# （2）绘制第1个月的营业额折线图，反映饭店每天的营业额情况，并把图形保存为本地文件day.jpg；
# （3）按月份进行统计，绘制柱状图显示每个月份的营业额，并把图形保存为本地文件month.jpg;
# （4）按季度统计该饭店2020年的营业额数据，绘制饼状图显示4个季度的营业额分布情况，并把图形保存为本地文件quarter.jpg。

import matplotlib

import pandas

import matplotlib.pyplot as plt

matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # pyplot中文显示

df = pandas.read_csv("data.csv", engine='python')

df['日期'] = pandas.to_datetime(df['日期'])

df[['交易额']] = df[['交易额']].astype(float)  # 将交易额转换为float类型

df = df.dropna()  # 去除缺失行

plt.figure()

df1 = df.head(31)  # 取第一个月

df1.plot(x='日期')  # 画图，以日期为x轴

plt.savefig('day.jpg')

plt.figure()

df2 = df

df2['月份'] = df2['日期'].map(lambda x: x.month)  # 提取出月份

df2 = df2.groupby(by='月份', as_index=False).sum()  # as_inside=False不把month作为新的index,分组求和

df2.plot(x='月份', kind='bar', y='交易额')

plt.savefig('month.jpg')

plt.figure()

one = df2[:3]['交易额'].sum()

two = df2[3:6]['交易额'].sum()

three = df2[6:9]['交易额'].sum()

four = df2[9:12]['交易额'].sum()

plt.pie([one, two, three, four], labels=['第一季度', '第二季度', '第三季度', '第四季度'])

plt.savefig('quarter.jpg')

巴特西

实验：Python图形图像处理

最新文章

热门文章