数据可视化-Matplotlib绘制拟合散点图

数据可视化

Matplotlib绘制拟合散点图

一、实验名称

Matplotlib绘制拟合散点图

二、实验目的

通过该实验的实践，要求学生能够使用Matplotlib绘制拟合散点图。

三、实验原理

拟合曲线的目标是通过给定的离散数据点，建立数据之间的关系，从而构建一个数据模型，并使用该模型来估算未知数据点的趋势。拟合曲线可以帮助我们理解数据的发展趋势和模式，尤其当数据量很大或者数据较为杂乱时，很难直观地识别其中的趋势。

四、实验步骤

一、本实验使用“美国过去几十年失业率的数据” 。数据如下图所示

二、环境搭建

1、打开终端Terminal

2、下载数据到本地

（1）在终端Terminal界面，输入以下代码，切换到E:\数据可视化\实验\代码1目录

（2）下载unemployment-rate-1948-2010.csv文件

（3）打开jupyter

在打开的浏览器中，新建python3文件

以下代码均在jupyter中编写

三、代码实现

1、导入需要的库和模块

2、读取数据文件

3、获取年份和失业率数据

4、使用3次多项式拟合

5、构建拟合曲线

6、绘制拟合散点图，代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
data = pd.read_csv("E:/数据可视化/实验/代码1/unemployment-rate-1948-2010.csv")
year = data["Year"]
unemployment_rate = data["Value"]
coefficients = np.polyfit(year, unemployment_rate, 3)
poly_fit = np.poly1d(coefficients)
year_fit = np.linspace(year.min(), year.max(), 100)
unemployment_rate_fit = poly_fit(year_fit)
# 设置中文字体
plt.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
plt.rcParams['axes.unicode_minus']=False # 正常显示负号
plt.scatter(year, unemployment_rate, label="原始数据", s=10)
plt.plot(year_fit, unemployment_rate_fit, label="多项式拟合", color='red')
plt.xlabel("年份")
plt.ylabel("失业率")
plt.title("美国过去几十年失业率拟合散点图")
plt.legend()
plt.show()

绘制的拟合散点图如下所示：

五、实验总结

本实验通过matplotlib库绘制拟合散点图，展示美国过去几十年的失业率数据的趋势和模式。这样，我们就可以更好地理解失业率数据的变化趋势，并通过多项式拟合来揭示其中的非线性规律。