数据可视化--实验3

数据可视化–实验3

通过excel、python完成本次实验

题目

1、”产品销售统计数据.xls”是某一商品在全国各个基地的销售统计数据,请用饼图绘制出包涵所有数据的分析图表。绘图工具不限。

地区销售量销售额
西南5151823.4
华中4881677.4
华北7272544.5
东北6832185.6
西北5861816.6
华南6762366
华东5542073.5

2、芝麻信用采用的国际通行的信用分来直观表现信用水平。现对不同学历的人群进行调查,得到如下数据,请使用Python实现该数据的可视化表达。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9NILG0nH-1591966581964)(\S3-1.png)]

3、目前有亚洲、非洲、欧洲、美洲、大洋洲的历年人口数据,请绘制堆叠面积图说明各州人口增长趋势。(至少用两种工具技术实现)

1750180018501900195019992050
亚洲502635809947140236345268
非洲1061071111332217671766
欧洲163203276408547729628
美洲1831541563398181201
大洋洲2226133046

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cWEmoPNA-1591966581980)(\S3-2.png)]

实验过程记录

1、使用excel饼图绘制出包涵所有数据的分析图表如下:

https://img-blog.csdnimg.cn/20200612211948670.png

2、芝麻信用采用的国际通行的信用分来直观表现信用水平。现对不同学历的人群进行调查,得到如下数据,请使用Python实现该数据的可视化表达。

结果如下:

https://img-blog.csdnimg.cn/20200612212001966.jpg

3、目前有亚洲、非洲、欧洲、美洲、大洋洲的历年人口数据,请绘制堆叠面积图说明各州人口增长趋势。(至少用两种工具技术实现)

  1. excel实现效果如下:

https://img-blog.csdnimg.cn/20200612212016372.png

  1. python实现效果如下:

https://img-blog.csdnimg.cn/20200612212034600.png

附:实验3python代码

if __name__ == "__main__":
    """
    实验3-2
    """
    showPie(
        x=[0.252,0.372,0.334,0.037,0.006],
        explode=[0,0.1,0,0,0],
        labels=['中专','大专','本科','硕士','其他'],
        autopct="%3.1f%%",
        im_name="实验3-2",
        im_title="芝麻信用失信用户教育水平分布"
    )
    """
    实验3-3
    """
    S2.data_path=data_path
    data = S2.dataSet(filename="实验3-3.xlsx",header=0,nrows=None)
    print(data.columns)
    print(data.values)
    print(data.index)
    showStackedGraph(
        x=data.columns,
        y=data.values,
        labels=data.index,
        colors=None,
        im_name="实验3-3",
        im_title="全球各大洲人口增长历史及预测",
        xlabel="年份",
        ylabel="十亿"
    )



  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 历的股价数据如下: [10, 12, 13, 15, 14, 11, 10, 9, 8, 10]。现在要预测该公司的下一天的股价。 对于该问题,可以使用matlab中的径向基rbf神经网络进行预测。rbf神经网络是一种常用的人工神经网络算法,其特点是具有较好的非线性拟合能力。 首先,在matlab中导入股价数据,然后利用rbf神经网络进行训练。训练时,将过去10天的股价作为输入,下一天的股价作为输出。可以调整神经网络的参数,如隐藏层节点数等,以达到更好的拟合效果。 训练完成后,可利用训练好的rbf神经网络进行预测。将最后10天的股价作为输入,预测出下一天的股价。 需要注意的是,预测结果可能存在一定的误差。因为股价受到多种因素的影响,如市场情况、公司的经营状况等,而这些因素可能无法完全被股价数据所包含。 因此,在使用rbf神经网络进行股价预测时,需要结合其他相关因素进行分析,并对预测结果进行适当的修正和评估。同时,也需要不断更新训练数据,以保持模型的准确性和适应性。 ### 回答2: 由于对某公司的股价进行预测需要用到大量的数据及算法模型,因此通过Matlab利用径向基RBF神经网络预测股价是可行的。 首先,我们需要准备10天内的相关数据,包括过去10天的股价、交易量、以及其他可能影响股价的因素,如宏观经济指标等。然后,在Matlab中创建一个RBF神经网络模型。 RBF神经网络是一种常用的神经网络结构,它具有较强的自适应和非线性拟合能力。在Matlab中,可以使用神经网络工具箱来构建RBF神经网络。首先,我们可以使用函数"newrb"来自动确定网络的结构,包括隐藏层节点的个数和范围等参数。然后,使用函数"train"来训练网络,并使用已知数据来拟合模型。 在训练完成后,我们可以使用得到的RBF神经网络模型来预测股价。通过输入过去10天的数据作为输入,神经网络会输出一个预测的股价值。我们可以根据网络的输出结果来评估预测的准确性,并根据需要调整模型进行进一步优。 需要注意的是,股价预测是一个复杂的问题,结果可能受到多种因素的影响,并且存在一定的不确定性。因此,在进行股价预测时,除了使用RBF神经网络,我们还可以结合其他数据分析方法和模型来提高预测的准确性。 总而言之,利用Matlab的径向基RBF神经网络可以对某公司的股价进行预测。通过准备好的数据和合适的模型训练,我们可以得到一个股价预测模型,并根据实际情况进行进一步优和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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