# 散点:主要用于分析特征间的相关关系。
# 折线图:主要分析是自变量与因变量特征间趋势关系。
import matplotlib.pyplot as plt
import numpy as np
# 通用设置
# 输出设置
np.set_printoptions(threshold=np.NaN)
# 显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
# 设置正常显示符号,解决保存图像是符号'-'显示方块
plt.rcParams['axes.unicode_minus'] = False
'~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~编程代码区域~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
# 1.数据加载
data = np.load('C:\pyproject\day03\matplot_data\国民经济核算季度数据.npz')
content = data['columns']
values = data['values']
print(content)
print(values)
# 2.可视化
plt.figure(figsize=(8,6))
# 设置
# plt.xlabel('年份')
# plt.ylabel('生辰总值(亿元)')
# plt.title('2000-2017年季度生产总值散点图')
#
# plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
#
# # 3.散点图
# plt.scatter(values[:,0],values[:,2],marker='o')
#
# plt.show()
# 练习:
# 使用不同颜色、不同形状的点、绘制2000~2017年间各产业各季度国民生产总值的散点图
plt.title('2000~2017各产业各季度国民生产总值')
plt.xlabel('年份')
plt.ylabel('生产总值(亿元)')
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.yticks(range(0,100001,10000))
plt.scatter(values[:,0],values[:,3],marker='o',color='chocolate')
plt.scatter(values[:,0],values[:,4],marker='^',color='orange')
plt.scatter(values[:,0],values[:,5],marker='s',color='aqua')
plt.legend(['第一产业','第二产业','第三产业'])
plt.savefig('img/案例3.png')
plt.show()
数据分析(matplotlib)---04.散点图
最新推荐文章于 2022-10-18 14:40:00 发布