数学建模数据可视化

数模竞赛Paid answer

已于 2022-07-21 14:39:11 修改

阅读量1.7k

点赞数 2

分类专栏：数据分析数学建模笔记文章标签： python 概率论

于 2021-09-06 14:40:00 首次发布

本文链接：https://blog.csdn.net/weixin_43292788/article/details/120074586

版权

数学建模同时被 3 个专栏收录

540 篇文章

订阅专栏

笔记

375 篇文章

订阅专栏

数据分析

193 篇文章

订阅专栏

本文探讨了数学建模中数据可视化的关键作用，通过散点图、直方图和饼形图的实例展示了如何增强文章的视觉效果。利用matplotlib库创建了不同类型的图表，如散点图用于展示数据随时间的变化趋势，直方图用于描绘数据分布，饼形图则用于比例和分类数据的展示。这些图形有助于读者更好地理解和解读模型结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数学建模中极为重要的一点

数据可视化

说白了就是为了使整篇数学建模文章中富有颜色色彩，使得整个文章好看赏心悦目，不那么单调。因此才需要有分析图的陪衬才能使让评委给你高分，一般一篇文章中绘制5至8个图不等。
在这里插入图片描述

散点图程序

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
df=pd.read_csv('H:\Python\data\\transcount.csv')
df=df.groupby('year').aggregate(np.mean)
gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
gpu=gpu.groupby('year').aggregate(np.mean)
df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
df=df.replace(np.nan,0)
print df
 
years=df.index.values
counts=df['trans_count'].values
gpu_counts=df['gpu_counts'].values
cnt_log=np.log(counts)
plt.scatter(years,cnt_log,c=200*years,s=20+200*gpu_counts/gpu_counts.max(),alpha=0.5)  #表示颜色，s表示标量或数组
plt.show()

直方图程序

from matplotlib import pyplot as plt
'''
count of Petal width
''' 
file=open("../dataset/iris.txt", "r")
content = [x.rstrip("\n") for x in file]
file.close()
d_sl=[]
while '' in content:
    content.remove('')
data_slength = [x.split(',')[3] for x in content[0:]]
while '' in data_slength:
    data_slength.remove('')
for i in data_slength:
    d_sl.append(float(i))

plt.hist(d_sl,10,alpha=0.5)
plt.xlabel("Petal width")
plt.ylabel("count")
plt.show()

在这里插入图片描述

饼形图程序

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['Microsoft YaHei']  #显示中文标签,处理中文乱码问题
plt.rcParams['axes.unicode_minus']=False  #坐标轴负号的处理
plt.axes(aspect='equal')  #将横、纵坐标轴标准化处理，确保饼图是一个正圆，否则为椭圆

#构造数据
edu = [0.2515, 0.3724, 0.3336, 0.0368, 0.0057]
labels = ['中专','大专','本科','硕士','其他']
explode = [0, 0.1, 0, 0, 0]  #生成数据，用于凸显大专学历人群
colors = ['#9999ff', '#ff9999', '#7777aa', '#2442aa', '#dd5555']  #自定义颜色

plt.pie(x=edu,  #绘图数据
        explode=explode, #指定饼图某些部分的突出显示，即呈现爆炸式
        labels=labels,  #添加教育水平标签
        colors=colors,
        autopct='%.2f%%',  #设置百分比的格式，这里保留两位小数
        pctdistance=0.8,  #设置百分比标签与圆心的距离
        labeldistance=1.1,  #设置教育水平标签与圆心的距离
        startangle=180,  #设置饼图的初始角度
        radius=1.2,  #设置饼图的半径
        counterclock=False,  #是否逆时针，这里设置为顺时针方向
        wedgeprops={'linewidth':1.5, 'edgecolor':'green'},  #设置饼图内外边界的属性值
        textprops={'fontsize':10, 'color':'black'},  #设置文本标签的属性值
        )

#添加图标题
plt.title('失信用户的受教育水平分布')
#显示图形
plt.show()