Python-Matplotlib数据可视化

已于 2024-04-29 13:35:25 修改
阅读量1.5k 收藏 23
点赞数 37
分类专栏： 课程学习记录 Python 文章标签： matplotlib 信息可视化 python 数据处理
于 2024-04-01 06:30:00 首次发布
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_57342311/article/details/136901772
版权

环境：Windows 10 专业版 + Python 3.9.1 + Anaconda 2020（ 4.8.2）

目录

一、实验目的和内容

（一）实验目的

（二）实验内容

二、输入数据集分析

三、源码流程分析

（一）2000-2017年各季度生产总值折线图代码

（二）2000-2017年各产业季度生产总值折线图代码

（三）2000-2017年各产业各行业季度生产总值折线图代码

四、实验结果

（一）2000-2017年各季度生产总值折线图

（二）2000-2017年各产业季度生产总值折线图

（三）2000-2017年各产业各行业季度生产总值折线图

一、实验目的和内容

（一）实验目的

熟悉matplotlib.pyplot库和numpy库，利用Jupyter Notebook编写代码，了解绘图基础语法与常用参数，掌握相关方法的使用，分析特征间的关系，分析特征内部数据分布与分散状况，实现数据的可视化。

（二）实验内容

绘制2000-2017年各产业各季度生产总值折线图，并分析各产业、各行业趋势，季度变化趋势等。

二、输入数据集分析

说明实验课题数据集来源、特征、详细情况，可结合图示、例子进行详细说明。

数据来源：国家统计局。

特征：是numpy类型的数据。

详细情况：包括columns和values的数据。

三、源码流程分析

介绍代码实现的详细过程情况。

（一）2000-2017年各季度生产总值折线图代码

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示

plt.rcParams['axes.unicode_minus'] = False

data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)

name = data['columns']## 提取其中的columns数组，视为数据的标签

values = data['values']## 提取其中的values数组，数据的存在位置

p1 = plt.figure(figsize=(14,9),dpi = 150)## 设置画布

## 绘制折线图

plt.plot(values[:,1],values[:,2],color ='r',linestyle ='--')

plt.xlabel('年份')## 添加横轴标签

plt.ylabel('生产总值（亿元）')## 添加y轴名称

plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)

plt.title('2000-2017年季度生产总值折线图')## 添加图表标题

plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度生产总值折线图.png')

plt.show()

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
p1 = plt.figure(figsize=(14,9),dpi = 150)## 设置画布
## 绘制折线图
plt.plot(values[:,1],values[:,2],color ='r',linestyle ='--')
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年季度生产总值折线图')## 添加图表标题
plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度生产总值折线图.png')
plt.show()

（二）2000-2017年各产业季度生产总值折线图代码

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示

plt.rcParams['axes.unicode_minus'] = False

data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)

name = data['columns']## 提取其中的columns数组，视为数据的标签

values = data['values']## 提取其中的values数组，数据的存在位置

p1 = plt.figure(figsize=(14,9),dpi = 150)## 设置画布

plt.plot(values[:,1],values[:,3],'bs-',values[:,1],values[:,4],'ro-.',values[:,1],values[:,5],'gH--')## 绘制折线图

plt.xlabel('年份')## 添加横轴标签

plt.ylabel('生产总值（亿元）')## 添加y轴名称

plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)

plt.title('2000-2017年各产业季度生产总值折线图')## 添加图表标题

plt.legend(['第一产业','第二产业','第三产业'])

plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度各产业生产总值折线图.png')

plt.show()

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
p1 = plt.figure(figsize=(14,9),dpi = 150)## 设置画布
plt.plot(values[:,1],values[:,3],'bs-',values[:,1],values[:,4],'ro-.',values[:,1],values[:,5],'gH--')## 绘制折线图
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年各产业季度生产总值折线图')## 添加图表标题
plt.legend(['第一产业','第二产业','第三产业'])
plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度各产业生产总值折线图.png')
plt.show()

（三）2000-2017年各产业各行业季度生产总值折线图代码

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示

plt.rcParams['axes.unicode_minus'] = False

data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)

name = data['columns']## 提取其中的columns数组，视为数据的标签

values = data['values']## 提取其中的values数组，数据的存在位置

p1 = plt.figure(figsize=(10,9),dpi = 150)## 设置画布

 

## 2000-2017年各产业季度生产总值折线图

ax3 = p1.add_subplot(2,1,1)

plt.plot(values[:,0],values[:,3],'b-',

         values[:,0],values[:,4],'r-.',

         values[:,0],values[:,5],'g--')## 绘制折线图

plt.ylabel('生产总值（亿元）')## 添加纵轴标签

plt.title('2000-2017年各产业季度生产总值折线图')## 添加图表标题

plt.legend(['第一产业','第二产业','第三产业'])## 添加图例

## 2000-2017年季度各行业生产总值折线图

ax4 = p1.add_subplot(2,1,2)

plt.plot(values[:,0],values[:,6], 'r-',## 绘制折线图

    values[:,0],values[:,7], 'b-.',## 绘制折线图

    values[:,0],values[:,8],'y--',## 绘制折线图

    values[:,0],values[:,9], 'g:',## 绘制折线图

    values[:,0],values[:,10], 'c-',## 绘制折线图

    values[:,0],values[:,11], 'm-.',## 绘制折线图

    values[:,0],values[:,12], 'k--',## 绘制折线图

    values[:,0],values[:,13], 'r:',## 绘制折线图

    values[:,0],values[:,14], 'b-')## 绘制折线图

plt.legend(['农业','工业','建筑','批发','交通','餐饮','金融','房地产','其他'])

plt.xlabel('年份')## 添加横轴标签

plt.ylabel('生产总值（亿元）')## 添加纵轴标签

plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)

plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度各行业生产总值折线子图.png')

plt.show()

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
p1 = plt.figure(figsize=(10,9),dpi = 150)## 设置画布

## 2000-2017年各产业季度生产总值折线图
ax3 = p1.add_subplot(2,1,1)
plt.plot(values[:,0],values[:,3],'b-', 
         values[:,0],values[:,4],'r-.', 
         values[:,0],values[:,5],'g--')## 绘制折线图
plt.ylabel('生产总值（亿元）')## 添加纵轴标签
plt.title('2000-2017年各产业季度生产总值折线图')## 添加图表标题
plt.legend(['第一产业','第二产业','第三产业'])## 添加图例
## 2000-2017年季度各行业生产总值折线图
ax4 = p1.add_subplot(2,1,2)
plt.plot(values[:,0],values[:,6], 'r-',## 绘制折线图
    values[:,0],values[:,7], 'b-.',## 绘制折线图
    values[:,0],values[:,8],'y--',## 绘制折线图
    values[:,0],values[:,9], 'g:',## 绘制折线图
    values[:,0],values[:,10], 'c-',## 绘制折线图
    values[:,0],values[:,11], 'm-.',## 绘制折线图
    values[:,0],values[:,12], 'k--',## 绘制折线图
    values[:,0],values[:,13], 'r:',## 绘制折线图
    values[:,0],values[:,14], 'b-')## 绘制折线图
plt.legend(['农业','工业','建筑','批发','交通','餐饮','金融','房地产','其他'])
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加纵轴标签
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度各行业生产总值折线子图.png')
plt.show()

四、实验结果

（一）2000-2017年各季度生产总值折线图

2000年-2017年，每一年第一季度的生产总值总体上呈现周期性持续上升趋势。

（二）2000-2017年各产业季度生产总值折线图

2000年-2017年，第一产业各季度总产值从2000-2017年各季度有小幅上升，且波动幅度逐渐增加；第二产业各季度总产值波动上升，后面总体变化幅度变大，第三产业呈持续上升趋势，且速率不断增加。

（三）2000-2017年各产业各行业季度生产总值折线图

2000年-2017年，工业的生产总值增长最大，其他行业次之，农业呈折线波动变化，但总体起伏不大，建筑，批发，餐饮，金融，房地产产业变化均不大，餐饮业的生产总值最低。

juechen333
关注
  • 37
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
matplotlib数据可视化实验报告1（最终版）
qq_42760920的博客
10-19 8062
import matplotlib.pyplot as plt # 创建绘图对象figure,设置画布大小figsize,分辨率dpi，背景颜色facecolor可以用十六进制颜色代码 fig=plt.figure(figsize=(6,6),dpi=100,facecolor='#dfd7d7') #划分子图ax ax=fig.add_subplot(1,1,1) import numpy as np x = np.linspace(-3,3,100) y = np.random.randn(100) #
数据可视化-Matplotlib绘制可视化图表
m0_74394367的博客
04-23 1238
在实验中，通过实践练习，提高学生使用Matplotlib进行基本图表可视化操作的熟练度，掌握Matplotlib绘制图表的一般性的流程，养成规范绘图的习惯。
大数据可视化技术 实验三：Matplotlib和Seaborn基本操作
2401_83601703的博客
04-10 401
Matplotlib 是 Python 的可视化基础库，作图风格和 MATLAB 类似，所以称为 Matplotlib。Seaborn 是一个基于 Matplotlib 的高级可视化效果库，针对 Matplotlib 做了更高级的封装，让作图变得更加容易。你可以用短小的代码绘制更多维度数据的可视化效果图。使用matplotlib或Seaborn可以展示可视化的10种基本图表。 输出结果： 输出结果： 输出结果： 输出结果： 输出结果： 输出结果： 输出结果：自我介绍一下，小编13年上海交大毕业，曾经在小公司
大数据可视化实验三——数据可视化工具使用
m0_71598203的博客
05-11 1287
HTML5编写canvas和SVG图形，R语言可视化。
数据可视化总结——matplotlib、seaborn
墨夜之枫的博客
07-06 1441
数据可视化总结——matplotlib、seaborn导包matplotlib基本参数折线图绘制直方图 hist(), plt.bar()绘制水平方向的柱状图饼图散点图箱线图seaborn基本参数直方图和密度曲线图密度曲线图毛毯图散点图catplot()如果需要看清每个数据点，可以使用swarmplot箱线图catplot()散点图矩阵小提琴图条形图使用catplot()使用条形显示每个分箱器中的观察计数countplot多变量图用双变量和单变量图绘制两个变量的图。回归图 导包 import numpy a
Python实现的《数据处理与可视化》实验报告（温度和出行人数的比较、骑行长度和性别年龄）
毕业作品网站
10-21 2978
数据可视化用到的工具有matplotlib.pyplot、pyecharts、seaborn和百度api（在pyecharts中调用绘制地图数据）。可以看到，读取成功。
【Python】实验二Matplotlib数据可视化基础
a1234567822的博客
03-01 899
1、完成任务3.1-3.3部分代码，要求覆盖实验目的要求的散列图、折线图、直方图、饼图内容以及子图基本方法；1、完成实验要求1的任务，同时以文本文件或Excel文件展示文件国民经济核算季度数据.npz的数据；3、分析populations.npz 中1996-2015年人口数据各个特征的分布和分散情况。2、分析populations.npz 中1996-2015年人口数据特征间的关系。4、掌握散列图、折线图、直方图、饼图的作用和绘制方法。（1）掌握直方图、饼图和箱线图绘制方法；2、掌握绘图子图的基本方法；
实验4 Matplotlib数据可视化
一名混沌的大学生
03-26 3810
(1)下载波士顿数据集，读取全部506条数据，放在NumPy数组x、y中（x：属性，y：标记）；(3)横坐标标签为:“面积(平方米)”，纵坐标标签为“价格(万元)”，字体大小为14。②下载波士顿数房价据集，并绘制数据集中各个属性与房价之间的散点图，实现数据集可视化；(3)要求用户选择属性，如图2所示，根据用户的选择，输出对应属性的散点图，如图3所示。(2)使用全部506条数据，实现波士顿房价数据集可视化，如图1所示；在应用中应如何选择？使用鸢尾花数据集，绘制如下图形，其中对角线为属性的直方图。
实验十六 matplotlib数据可视化
qq_52973916的博客
10-11 6677
基于panda的matplotlib数据可视化
Python数据可视化之matplotlib实践（1.入门）
12-22
** 一、Python可视化之matplotlib的入门技术* 学习环境：Anaconda 用到的编辑软件：Spder（Python 3.7) 学习内容： 使用matplotlib库绘制基本统计图像。 matplotlib库的图表组成元素的概念和实现方法 细化matplotlib库的图形内容基本操作方法 1.1绘制matplotlib图表组成元素的主要函数 画布：在一个图形输入窗口中，底层是一个figure实例，我们称之为画布。在画布上显示图形，图形有坐标轴，刻度，标签，线，标记等，称之为Axes实例。 matplotlib提供多种API函数，例如matplotlib.pyplot.xlim
Python-项目-数据可视化
栗子酱的Blog
09-15 899
第15章 生成数据 mpl_squares.py import matplotlib.pyplot as plt input_value = [1, 2, 3, 4, 5] squares = [1, 4, 9, 16, 25] # 尝试根据这些数字绘制出有意义的图形 # lineheight决定了plot()绘制的线条粗细 plt.plot(input_value,squares, linewidth=5) # 打开matplotlib查看器 并显示绘制的图形 # 设置图标标题，并给坐标轴加上标签 p
Python数据可视化库-Matplotlib.zip
04-28
机器学习
可视化实验二实验报告.doc
04-02
一个可视化实验完整代码。 一、实验目的和要求 1、 使用API函数编制包含各种资源的Windows应用程序； 2、 实现Windows应用程序对键盘与鼠标的响应。 二、实验内容 : 1、问题描述： 创建一个菜单，其中有三个菜单项，分别为“文件”、“计算”和“帮助”，其中，“文件”菜单项包含“打开”、“保存”、“画图”、“退出”等菜单选项；“计算”菜单包含“总和”、“方差”、“均方根”等菜单选项；“帮助”菜单项包含“计算总和帮助”、“计算方差帮助”和“计算均方根帮助”以及“关于”等项 。 若单击“画图”菜单项，则绘出P103图形。 若在用户区内按下鼠标左键，则动态创建一个包括“删除计算总和”、“添加计算平均值”和“修改计算均方差”三个菜单项的弹出式菜单，由此菜单控制“计算”菜单中菜单项删除、添加与修改。（要求新的弹出式菜单开始时不可用，按下右键后变为可用。） 单击“修改计算均方差”菜单项后，“计算”菜单下的“计算均方差”项改为“线性拟合”，单击“添加计算平均值”菜单项后，“计算”菜单中添加上了“计算平均值”菜单项 。 将光标设定为自己名字中的某个字、图标设定为自己名字中的另一个字。 2、应用程序中所用到的资源、消息，简介主要函数的功能； 3、程序实现 4、操作结果
python-汽车数据可视化分析
07-17
在Python编程领域，数据可视化是一项重要的技能，尤其对于IT专业人士来说，它能够帮助我们更好地理解和解释数据。本项目“Python-汽车数据可视化分析”聚焦于使用Python库进行数据的图形化展示，以便对汽车行业的...
大数据-Python数据可视化-Matplotlib实战:Matplotlib绘图
05-02
大数据--Python数据可视化-Matplotlib实战:Matplotlib 绘图 8-Pandas与sklearn结合实例.ipynb 7-pie与布局.i pynb 6-3D图.ipynb 5-直方图and散点图.ipynb 4-盒图. ipynb 3-条形图.ipynb 2-风格设置.ipynb 1-Matplot ...
python—-Matplotlib数据可视化基础(学习笔记)
12-22
Matplotlib数据可视化 import numpy as np import matplotlib.pyplot as plt #导入库 plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示 plt.rcParams['axes.unicode_minus'] = False 基本语法 data = ...
Python数据可视化分析库-Matplotlib
02-14
课程分享——Python数据可视化分析库-Matplotlib，附课件、代码。 Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib...
Python数据分析（工业互联网数据分析）-Matplotlib数据可视化
最新发布
06-06
Python数据分析（工业互联网数据分析）-Matplotlib数据可视化
Python：Matplotlib数据可视化
liyujiederizhi的博客
08-17 745
Matplotlib数据可视化，简单的绘图技巧
练习9-matplotlib数据可视化
05-17
好的，matplotlib 是 Python 中一个常用的数据可视化库，可以用它来绘制各种类型的图表，包括折线图、散点图、柱状图等等。下面我来演示一下如何使用 matplotlib 绘制一个简单的折线图。 首先，我们需要导入 matplotlib 和 numpy 两个库： ```python import matplotlib.pyplot as plt import numpy as np ``` 然后，我们生成一些数据： ```python x = np.linspace(0, 10, 100) y = np.sin(x) ``` 这里使用了 numpy 的 linspace 函数生成了一个包含 100 个元素的数组 x，这个数组的范围是从 0 到 10。然后我们使用 numpy 的 sin 函数计算了 y 值。 接下来，我们使用 matplotlib 绘制折线图： ```python plt.plot(x, y) plt.show() ``` 这里使用了 plot 函数来绘制折线图，第一个参数是 x 值，第二个参数是 y 值。然后调用 show 函数显示图像。 完整代码如下： ```python import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) y = np.sin(x) plt.plot(x, y) plt.show() ``` 执行代码，就可以看到一个简单的折线图了。你可以尝试修改 x 和 y 的值，或者绘制其他类型的图表，比如散点图和柱状图，来更好地熟悉 matplotlib 的使用。

“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

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

juechen333

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