实验十一 数据分析与可视化

于 2024-08-29 00:58:31 发布
阅读量518 收藏 12
点赞数 6
分类专栏： Python 文章标签： 数据分析 数据挖掘 开发语言 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_26967721/article/details/141653124
版权

实验十一 数据分析与可视化

一、实验学时：2学时

二、实验目的

  1. 掌握pandas的read_csv函数
  2. 掌握并使用matplotlib.pyplot中plot函数以及各个参数用法
  3. 掌握并使用matplotlib.pyplot中scatter函数以及各个参数用法
  4. 掌握并使用matplotlib.pyplot中pie函数以及各个参数用法
  5. 掌握并使用matplotlib.pyplot中bar函数以及各个参数用法
  6. 查阅并使用matplotlib.pyplot中直方图函数以及各个参数用法

三、实验内容

  1. 利用pandas读取以下链接的csv，并保存对象为变量名“df”： （https://pynative.com/wp-content/uploads/2019/01/company_sales_data.csv）
  • 提示： Pandas不能直接读取string，而只能读取文件对象。例如，文件对象可以利用以下代码抓取并生成：
  • import requests, io
  • response=requests.get(‘YOUR_LINK’)
  • file_object = io.StringIO(response.content.decode(‘utf-8’))
  1. 读取所有月份的总利润并使用折线图显示。折线图应如下所示：

图片描述

  1. 获取所有月份的总利润并显示具有以下样式属性的折线图。折线图应如下所示：

图片描述

  1. 读取所有产品销售数据并使用多线图显示。即，每个产品的单独一条线。该图应如下所示：

图片描述

  1. 读取每个月的牙膏销售数据并使用散点图显示。此外，在图中添加一个网格。网格线样式应为“-”。散点图应如下所示：

图片描述

  1. 读取面霜和洗面奶产品销售数据并使用条形图显示。条形图应显示每个产品每月售出的单位数量。条形图应如下所示：

图片描述

  1. 读取所有月份的沐浴皂销售数据并使用条形图显示，最后将此图保存到硬盘（路径为：D:\7.png，dpi为150）。条形图应如下所示：

图片描述

  1. 计算每种产品去年的总销售数据并使用饼图显示。注意：在饼图中显示每种产品每年售出的单位数量百分比。饼图应如下所示：

图片描述

  1. 阅读所有月份的沐浴皂洗面奶并使用子图显示它。子图应如下所示：

图片描述

  1. 请查阅关于直方图的资料（plt.hist）。之后读取每个月的总利润并使用直方图显示（横轴为利润范围）。直方图应如下所示：

图片描述

四、实验结果

  1. 利用pandas读取以下链接的csv，并保存对象为变量名“df”： （https://pynative.com/wp-content/uploads/2019/01/company_sales_data.csv）

    题目思路：利用pandas读取文件对象，然后将对象输出为csv格式文件之后使用进行读取即可。

    程序代码：

    """
程序名：实验11.1.py
功能：利用pandas读取以下链接的csv，并保存对象为变量名“df”
日期：2022.6.13
版本：1.0
"""
import requests
import io
import pandas as pd
response=requests.get('https://pynative.com/wp-content/uploads/2019/01/company_sales_data.csv')
file_object = io.StringIO(response.content.decode('utf-8'))
df = pd.read_csv(file_object)
df.to_csv('data.csv')

    运行结果截图：
    图片描述

  2. 读取所有月份的总利润并使用折线图显示。

    题目思路：用xlabel()设置标签，xticks()设置坐标轴间隔，title()进行标题设置。

    程序代码：

    """
程序名：实验11.2.py
功能：读取所有月份的总利润并使用折线图显示。
日期：2022.6.13
版本：1.0
"""
import pandas as pd
import matplotlib.pylab as pl

df = pd.read_csv('data.csv')
pl.plot(df['month_number'], df['total_profit'], color='blue')
pl.xlabel('Month number')  # x轴标签
pl.ylabel('Profit in dollar')  # y轴标签
pl.xticks(range(1, 13, 1))  # x轴间距
pl.yticks(range(100000, 600000, 100000))  # y轴间距
pl.title('Company profit per month')  # 标题文本
pl.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  3. 获取所有月份的总利润并显示具有以下样式属性的折线图。

    题目思路：marker=‘o’设置标记符，linestyle=’–'设置线型，color='r’设置线条颜色， mfc='k’指定标识符填充颜色。legend()显示图例。

    程序代码：

    """
程序名：实验11.3.py
功能：获取所有月份的总利润并显示具有以下样式属性的折线图。折线图应如下所示：
日期：2022.6.14
版本：1.0
"""
import pandas as pd
import matplotlib.pylab as pl

df = pd.read_csv('data.csv')
pl.plot(df['month_number'], df['total_profit'], marker='o', linestyle='--', color='r', mfc='k',
        label='Profit data of last year', linewidth=3)
pl.xlabel('Month number')  # x轴标签
pl.ylabel('Profit in dollar')  # y轴标签
pl.xticks(range(1, 13, 1))  # x轴间距
pl.yticks(range(100000, 600000, 100000))  # y轴间距
pl.title('Company Sales data of last year')  # 标题文本
pl.legend(loc=4)
pl.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  4. 读取所有产品销售数据并使用多线图显示。即，每个产品的单独一条线。

    题目思路：同时画几条线即可。

    程序代码：

    """
程序名：实验11.4.py
功能：读取所有产品销售数据并使用多线图显示。即，每个产品的单独一条线。该图应如下所示：
日期：2022.6.15
版本：1.0
"""
import pandas as pd
import matplotlib.pylab as pl

df = pd.read_csv('data.csv')
pl.plot(df['month_number'], df['facecream'], 'o-',color = 'tab:blue',label='Face cream Sales Data', linewidth=3)
pl.plot(df['month_number'], df['facewash'], 'o-',color = 'tab:orange',label='Face wash Sales Data', linewidth=3)
pl.plot(df['month_number'], df['toothpaste'], 'o-',color = 'tab:green',label='Toothpaste Sales Data', linewidth=3)
pl.plot(df['month_number'], df['bathingsoap'], 'o-',color = 'tab:red',label='Bathingsoap Sales Data', linewidth=3)
pl.plot(df['month_number'], df['shampoo'], 'o-',color = 'tab:purple',label='Shampoo Sales Data', linewidth=3)
pl.plot(df['month_number'], df['moisturizer'], 'o-',color = 'tab:brown',label='Moisturizer Sales Data', linewidth=3)

pl.xlabel('Month number')  # x轴标签
pl.ylabel('Sales units in number')  # y轴标签
pl.xticks(range(1, 13, 1))  # x轴间距
pl.yticks([1000,2000,4000,6000,8000,10000,12000,15000,18000])  # y轴间距
pl.title('Sales data')  # 标题文本
pl.legend(loc=2)
pl.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  5. 读取每个月的牙膏销售数据并使用散点图显示。此外，在图中添加一个网格。网格线样式应为“-”。

    题目思路：散点图用scatter()，添加网格用grid(linestyle=‘–’)并设置网格线样式。

    程序代码：

    """
程序名：实验11.5.py
功能：读取每个月的牙膏销售数据并使用散点图显示。此外，在图中添加一个网格。网格线样式应为“-”。散点图应如下所示：
日期：2022.6.15
版本：1.0
"""
import pandas as pd
import matplotlib.pylab as pl

df = pd.read_csv('data.csv')
pl.scatter(df['month_number'], df['toothpaste'], marker='o', color='tab:blue', label='Tooth paste Sales data',
           linewidth=3)
pl.grid(linestyle='--')  # 添加网格线
pl.xlabel('Month number')  # x轴标签
pl.ylabel('Number of units Sold')  # y轴标签
pl.xticks(range(1, 13, 1))  # x轴间距
pl.yticks(range(4500, 8001, 500))  # y轴间距
pl.title('Tooth paste Sales data')  # 标题文本
pl.legend(loc=2)
pl.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  6. 读取面霜和洗面奶产品销售数据并使用条形图显示。条形图应显示每个产品每月售出的单位数量。

    题目思路：注意网格线的添加，需要注意两个图的x轴坐标需要错开。

    程序代码：

    """
程序名：实验11.6.py
功能：读取面霜和洗面奶产品销售数据并使用条形图显示。条形图应显示每个产品每月售出的单位数量。条形图应如下所示：
日期：2022.6.15
版本：1.0
"""
import pandas as pd
from matplotlib import pyplot as plt

df = pd.read_csv('data.csv')
plt.bar([i - 0.1 for i in df['month_number']], df['facecream'], color='tab:blue', width=0.2,
        label='Face Cream Sales data')
plt.bar([i + 0.1 for i in df['month_number']], df['facewash'], color='tab:orange', width=0.2,
        label='Face Wash Sales data')
plt.grid(linestyle='--')  # 添加网格线
plt.xlabel('Month number')  # x轴标签
plt.ylabel('Number of units Sold')  # y轴标签
plt.xticks(range(1, 13, 1))  # x轴间距
plt.yticks(range(500, 3501, 500))  # y轴间距
plt.title('Sales units in number')  # 标题文本
plt.legend(loc=2)
plt.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  7. 读取所有月份的沐浴皂销售数据并使用条形图显示，最后将此图保存到硬盘（路径为：D:\7.png，dpi为150）。

    题目思路：条形图用bar()，用savefig(‘D:\7.png’, dpi=150)进行保存即可。

    程序代码：

    """
程序名：实验11.7.py
功能：读取所有月份的沐浴皂销售数据并使用条形图显示，最后将此图保存到硬盘（路径为：D:\7.png，dpi为150）。条形图应如下所示：
日期：2022.6.15
版本：1.0
"""
import pandas as pd
from matplotlib import pyplot as plt

df = pd.read_csv('data.csv')
plt.bar(df['month_number'], df['bathingsoap'], color='tab:blue')
plt.grid(linestyle='--')  # 添加网格线
plt.xlabel('Month number')  # x轴标签
plt.ylabel('Sales units in number')  # y轴标签
plt.xticks(range(1, 13, 1))  # x轴间距
plt.yticks(range(2000, 14001, 2000))  # y轴间距
plt.title('bathingsoap sales data')  # 标题文本
plt.savefig('D:\\7.png', dpi=150)
plt.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  8. 计算每种产品去年的总销售数据并使用饼图显示。注意：在饼图中显示每种产品每年售出的单位数量百分比。

    题目思路：饼图用pie()通过列表推导式中i.sum()，分别返回每个产品的总销售数据，通过autopct='%0.1f%%'参数设置饼图各自所占百分比。

    程序代码：

    """
程序名：实验11.8.py
功能：计算每种产品去年的总销售数据并使用饼图显示。注意：在饼图中显示每种产品每年售出的单位数量百分比。饼图应如下所示：
日期：2022.6.16
版本：1.0
"""
import pandas as pd
from matplotlib import pyplot as plt

df = pd.read_csv('data.csv')
labels = ['Facecream', 'Facewash', 'Toothpaste', 'Bathing soap', 'Shampoo', 'Moisturizer']
plt.pie([i.sum() for i in
         [df['facecream'], df['facewash'], df['toothpaste'], df['bathingsoap'], df['shampoo'], df['moisturizer']]],
        labels=labels, autopct='%0.1f%%')
plt.title('Sales data')  # 标题文本
plt.legend(loc=4)
plt.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  9. 阅读所有月份的沐浴皂洗面奶并使用子图显示它。

    题目思路：通过subplots(2, sharex=‘col’)共享两个子图的x坐标轴即可。

    程序代码：

    """
程序名：实验11.9.py
功能：阅读所有月份的沐浴皂洗面奶并使用子图显示它。子图应如下所示：
日期：2022.6.16
版本：1.0
"""
import matplotlib.pyplot as plt

import pandas as pd
import matplotlib.pylab as pl

df = pd.read_csv('data.csv')
fig, ax = pl.subplots(2, sharex='col')
ax1 = ax[0]
ax1.plot(df['month_number'], df['bathingsoap'], 'o-', color='k', linewidth=3)
ax1.set_title('Sales data of a bathingsoap')  # 标题文本
pl.xticks(range(1, 13, 1))  # x轴间距
pl.yticks(range(6000, 14001, 2000))  # y轴间距

ax2 = ax[1]
ax2.plot(df['month_number'], df['facewash'], 'o-', color='r', linewidth=3)
pl.xlabel('Month number')  # x轴标签
pl.ylabel('Sales units in number')  # y轴标签
pl.yticks(range(1200, 2001, 200))  # y轴间距
ax2.set_title('Sales data of a facewash')  # 标题文本
pl.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

  10. 请查阅关于直方图的资料（plt.hist）。之后读取每个月的总利润并使用直方图显示（横轴为利润范围）。

    题目思路：通过bins和xticks共同设置柱的个数和x轴的间距。

    程序代码：

    """
程序名：实验11.10.py
功能：请查阅关于直方图的资料（plt.hist）。之后读取每个月的总利润并使用直方图显示（横轴为利润范围）。直方图应如下所示：
日期：2022.6.17
版本：1.0
"""

import pandas as pd
from matplotlib import pyplot as plt

df = pd.read_csv('data.csv')
bins = [150000, 175000, 200000, 225000, 250000, 300000, 350000]
plt.hist(df['total_profit'], bins, color='tab:blue', label='Profit data')
plt.xlabel('profit range in dollar')  # x轴标签
plt.ylabel('Actual Profit in dollar')  # y轴标签
plt.yticks(range(6))  # y轴间距
plt.xticks([150000, 175000, 200000, 225000, 250000, 300000, 350000])  # x轴间距
plt.title('Profit data')  # 标题文本
plt.legend(loc=2)
plt.show()  # 显示绘制结果图像

    运行结果截图：
    图片描述

​

五、实验小结

问题和解决办法

  1. 在直方图中设置bins为不等间距以后画出来的直方图还是等间距的。

    解决方法：bins只用来设置画出的柱的个数，需要再用xticks来设置x轴的间距。

  2. 在设置两个子图以后，只使用title()设置标题只能设置一个标题。

    解决方法：使用ax2.set_title()来设置第二个子图的标题或更多子图的标题。

  3. 图例无法设置位置。一直在右上角。

    解决方法：图例legend()中有一个参数为loc= 分别可以设置为1,2,3,4… 1代表右上角 4代表右下角 依次逆时针计算即可。

心得体会

  1. 数据分析这一章主要是进行图像的绘画，在学习该章内容的时候，感觉主要代码问题是各种图像的名字以及对应图像中的参数的设置，需要进行记忆。
  2. python基本内容已经学完了，学到现在发现python是一门非常实用的语言，对我们的日常生活有非常大的帮助，使用python并不需要像C++或C一样自己去编写许多函数，在python内部装了非常多的函数和模块，都可以直接进行使用。
我是一只大狸子
关注
  • 6
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python 数据分析与可视化
09-08
《Python数据分析与可视化》课程是针对数据处理和可视化的深入学习资源，涵盖了从Python编程基础知识到高级数据分析工具的广泛主题。课程旨在通过理论讲解、源代码实践和实验环节，帮助学员掌握利用Python进行数据...
Python数据分析与可视化-电子教案.pdf
06-12
《Python 数据分析与可视化》是一门专为计算机系或大数据技术与应用专业学生设计的专业必修课程，旨在培养学生的数据分析和可视化技能。课程总计60学时，包括36学时理论教学和24学时实验操作，授予3个学分。通过本...
新冠肺炎疫情数据分析与可视化 python完整课设和代码
06-15
通过爬取到的数据，利用 Pyecharts 库进行可视化数据分析，将繁琐的数据转换为于理解的图表形式，并发布在前端网页上，将details表里的各市累计确诊数据，以省分组进行累加，将结果返回给前端。根据各省疫情确诊的...
安居客租房数据分析及可视化实验报告.pdf
01-06
"安居客租房数据分析及可视化实验报告" 本文通过对安居客租房数据的分析和可视化，研究了影响租金的因素，以深圳为例，通过 Python 爬取安居客上 10000 多条租房信息，利用 Excel 及 Tableau 进行数据的可视化，并...
Python数据分析与可视化
05-11
Python数据分析与可视化是现代数据科学领域中的核心技能之一，它结合了编程语言的强大功能和直观的数据处理工具，为数据的探索、理解与呈现提供了高效的方法。在这个专题中，我们将深入探讨Python在数据分析和可视化...
基于Python的网易民谣歌词数据分析的设计与实现
qq_36463299的博客
08-22 693
本文设计并实现了一个基于Python的网易民谣歌词数据分析系统。该系统旨在通过收集和分析网易云音乐上的民谣歌词数据，深入研究民谣音乐的特点和影响因素。首先，系统通过网易云音乐API获取民谣歌曲的歌词数据，并将其存储在数据库中。其次，系统使用自然语言处理技术对歌词进行分词、关键词提取等处理，以获取歌词的信息。然后，系统通过数据可视化技术，将歌词的情感倾向、主题分布等信息呈现给用户。此外，系统还通过与用户行为数据的结合，分析民谣歌曲在不同地区、不同年龄段用户中的受欢迎程度。
java Boss直聘爬虫数据分析
weixin_41562028的博客
08-22 586
本报告利用Java和Selenium爬虫技术获取数据，并使用ECharts库对薪资数据进行可视化分析，旨在探究不同经验和学历的薪资分布情况。
基于数据挖掘的心力衰竭疾病风险评估系统
Python极客之家
08-25 850
本项目它利用大量患者数据，覆盖了40至95岁的广泛年龄群体，包含了丰富的生理和生活方式指标，通过 XGBoost 机器学习模型来预测心力衰竭的发作风险，测试集预测 AUC 达到 90.7%，并利用 Flask、Bootstrap、Ajax 搭建web系统，为医疗专业人员提供了深入理解心衰风险因素的新视角。
第2章 C语言基础知识
m0_70617423的博客
08-14 3204
C语言
python爬虫爬取某图书网页实例
2301_77698138的博客
08-14 4598
下面是通过requests库来对ajax页面进行爬取的案例，与正常页面不同，这里我们获取url的方式也会不同，这里我们通过爬取一个简单的ajax小说页面来为大家讲解。循环遍历URL（这里为大家提供具体url的获取方法，并循环了1至9页的数据为大家做案例），并发送了带有随机User-Agent的GET请求。设置代码来保存图片到以文章名命名的文件中，并将作者、文章名和简介信息写入到"./biquge.txt"文件中。首先进入网页，点击F12打开自定义与控制工具，点击fecth/XHR，此时显示部分为空白。
如何在Python中使用IP代理
IPIPGO的博客
08-23 3325
通过以上步骤，你应该已经学会了如何在Python中使用IP代理。无论是单个代理IP、带认证的代理IP，还是批量使用代理IP，这些方法都能帮助你在实际项目中灵活应用。希望这篇文章对你有所帮助，如果你有任何问题或建议，欢迎在评论区留言，我们会尽力为你解答。t=N7T8。
python 实现convolution neural network卷积神经网络算法
luthane的博客
08-26 4897
卷积神经网络（Convolutional Neural Networks, CNN）是一种包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks, FNN），是深度学习的代表算法之一。基本原理CNN的核心思想是通过模拟人类视觉系统的工作方式，自动提取图像中的特征，并将其用于分类、检测、分割等任务。它主要受到了生物学上感知机制的启发，模拟了人类视觉系统中的感知细胞和复杂细胞的工作方式。
python12 中，No module named‘distutils‘错误
qq_43557600的博客
08-27 2728
python12 “ No module named'distutils' ”,​ 安装 pip install setuptools ，解决 ​
【python计算机视觉编程——1.基本的图像操作和处理】
m0_53694086的博客
08-26 4330
参数sigma为标准差（σ），是高斯滤波器的一个重要参数，它控制滤波器的平滑程度。标准差越大，高斯函数的曲线越宽，滤波器的影响范围就越大。标准差较大: 高斯滤波器会在更大范围内进行平滑，使得图像变得更加模糊，细节和边缘特征会被更强地平滑掉。标准差较小: 高斯滤波器会产生较小范围的平滑效果，图像的细节保留更多。还可以给定转换矩阵，将RGB图像转换为CIE XYZ色彩空间。图像像素值被分成128个区间，用于计算每个区间的像素值频率。可以返回目录中所有jpg图像的列表。
centos7 安装 superset4.0.2 教程
最新发布
m0_37759590的博客
08-27 3131
centos7 安装 superset4.0.2 教程
Python优化算法09——黏菌优化算法(SMA)
weixin_46277779的博客
08-24 2486
python黏菌优化算法代码和使用
【Python】Pydantic：快速上手
2303_80346267的博客
08-22 2503
Pydantic 是一个用于数据验证和设置管理的 Python 库，基于 Python 类型提示构建。它通过创建数据模型类并使用类型提示进行数据验证，使得数据的验证和解析变得简单而可靠，广泛应用于数据模型的定义和验证，特别是在构建 API 时。
一分钟拥有自己的翻译软件：一步步用Python和PyQt5编程实现
qq_36224726的博客
08-22 1612
通过这个项目，你将学到如何使用Python和PyQt5创建一个功能完整的桌面应用。这不仅仅是关于编程，更是关于如何将解决实际问题的工具自己动手做出来。这个翻译器虽然简单，但它激发了无限的可能——希望它能启发你开发出更多有趣和有用的应用！
Python核心编程--Python要点总结
GDHBFTGGG的博客
08-21 3524
Python 核心编程包括了一些关键的要点，理解这些要点对于掌握 Python 至关重要。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我是一只大狸子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值