大数据可视化技术与应用第二版微课视频版清华大学出版社第八章实训

Author_Wind

于 2024-06-06 11:33:30 发布

阅读量358

点赞数 4

文章标签：信息可视化数据分析数据挖掘

本文链接：https://blog.csdn.net/Author_Wind/article/details/139495544

版权

做完第八章实训才发现同组有人做完交了，做都做了，实验简单，发布一下，后来人省事点。

事先声明：老师检查比较水，实验也比较水，需要安装一些库

一、实验目的

了解大数据可视化的特点，能够进行简单的与大数据可视化有关的操作，能绘制不同的可视化图表

二、实验设备

多媒体计算机 Windows 操作系统

python

三、实验内容

1.使用各种库制作数据可视化图表

四、实验程序及调试记录（根据实验步骤逐项记录关键方法，现象及结果）

1.1 制作带颜色的柱形图

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']#设置字体
plt.rcParams['axes.unicode_minus'] = False#设置负号
x = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']  # 通常 x 轴是分类标签，这里假设你希望用字母表示  
y = [30, 11, 42, 53, 81, 98, 72, 25]  
labels = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']  # 注意这里其实和 x 是重复的，除非你希望自定义刻度标签  
  
plt.bar(x, y, align='center', color='blue', tick_label=labels, hatch='', ec='gray')  # 修改了 color 参数  
plt.xlabel(u'样品编号')  
plt.ylabel(u'库存数量')  
plt.title('带颜色的柱状图')

plt.show()

运行结果如图所示：

1.2绘制堆叠柱状图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']#设置字体
x=[1,2,3,4]
y=[5,7,3,6]
plt.bar(x,y,color='c',label='男生')
y1=[3,4,7,2]
plt.bar(x,y1,bottom=y,color='r',label='女生',tick_label=['一班','二班','三班','四班'])
plt.legend()
plt.title('男女人数对比')
plt.show()

运行结果如图所示：

1.3绘制数学函数图，代码如下：

from bokeh.plotting import figure, output_file, show
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']#设置字体
plt.rcParams['axes.unicode_minus'] = False#设置负号
 
x=np.linspace(0.05,10,1000)
y=np.sin(x)
z=np.cos(x)
plt.plot(x,y,ls='-',lw=2,color='green',label='plot figure')
plt.plot(x,z)
plt.title('数学函数')
plt.legend()
plt.show()

运行结果如图所示：

1.4使用seaborn绘制组合图形（柱状图和折线图）

代码如下：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from scipy import stats,integrate
import seaborn as sns

sns.set()
x=[1,3,5,7,9,11,13,15,17,19]
y_bar=[3,4,6,8,9,10,9,11,7,8]
y_line=[2,3,5,7,8,9,8,10,6,7]
plt.bar(x,y_bar)
plt.plot(x,y_line,'-o',color='y')
plt.show()

运行结果如图所示：

1.5使用bokeh绘制多个三角形图

代码如下：

from bokeh.plotting import figure, output_file, show
output_file("patch.html")
p = figure(width=400, height=400)
p.patch([1, 3, 5], [5, 8, 5], alpha=0.5, line_width=2)
p.patch([2, 3, 4], [5.5, 7, 5.5], alpha=0.3, line_width=2)

运行结果如图所示：

1.6使用pyqtgraph绘制曲线图

代码如下：

import pyqtgraph as pg
import numpy as np
app=pg.mkQApp()
x=np.linspace(2,10*np.pi,100)
z=np.cos(x)
pg.plot(x,z)
app.exec_()

运行结果如图所示：

1.7使用numpy和matplotlib在一张图中绘制多种图形

代码如下：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y =2*np.cos(x)**5 + 3*np.sin(x)**3
#定义画布和子图数量
fig,axes=plt.subplots(2,3,figsize=(10,6),facecolor='#ccddef')
#添加整个画布的标题
fig.suptitle('Photo',fontsize=20)
#利用text属性添加副标题
#折线图
axes[0,0].plot(x,y)
#柱状图
axes[0,1].bar(x,y*y)
#直方图
axes[0,2].hist(y,bins=30)
#散点图
axes[1,0].scatter(x,y)
#条形图
axes[1,1].barh(x,y)
#饼图
axes[1,2].pie([1,2,3,4,5],labels=['A','B','C','D','E'])
#对子图进行详细设置
ax1=axes[0,0]
#设置子图的xy轴范围，子图标题，标签背景颜色等
ax1.set(xlim=[-10,12],ylim=[-6,4], facecolor='#ffeedd')
#添加网格
ax1.grid(True)
#调整图表位置和间距
fig.subplots_adjust(left=0.2, bottom=0.1, right=0.8, top=0.8,hspace=0.5)
plt.show()

运行结果如图所示

1.8numpy与pandas绘图

代码如下

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']#设置字体
data=pd.DataFrame(np.arange(16).reshape((4,4)),columns=['北京','上海','天津','重庆'],
index=[str(i)+'月'for i in np.arange(1,5)])
print(data)
data.plot()
plt.title('四个城市的对比')
plt.show()
data1=data['北京'].plot()
plt.title('北京数据')
plt.show()

运行结果如图所示