数据可视化实验-茎叶图

数据可视化实验-茎叶图

根据1960年世界各国的出生率数据,控制台打印输出该年度各国出生率的茎叶图,茎叶图的茎为该年度各国出生率最小值与最大值之间,均匀间隔的整数,步长为2。

from itertools import groupby
import pandas as pd

# 加载数据
birth = pd.read_csv("birth-rate.csv")
# 删除空数据
birth.dropna(subset=['1960'], inplace=True)

dirt = {}
data = list(round(birth['1960'], 1))
range_num = []
for k, g in groupby(sorted(data), key=lambda x: int(x)):
    lst = map(str, list(map(lambda y: divmod(int(y * 10), 10)[1], list(g))))
    dirt[k] = ' '.join(lst)
    range_num.append(k)
num = list(range(range_num[0], range_num[-1], 2))
for i in num:
    a = ''
    for k in sorted(dirt.keys()):
        if 0 <= k - i <= 1:
            a = a + ' ' + dirt[k]
        elif k - i > 1:
            break
    print(str(i).rjust(5), '|', a)

实验结果

在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
我们常说“一图胜千言”,然而现实情况是我们了解的图形种类太少、 使用的作图工具缺乏灵活性,这在很大程度上制约了统计图形的发展,使 得统计图形在数据分析中应有的潜力没有被充分挖掘出来,正是这样的背 景催生了本书的写作。 本书根据统计图形制作的需要,将所有内容分为七章:第一章先选择 性回顾历史上的四幅著名统计图形,在欣赏前人智慧的基础上说明统计图 形在社会生活的各个方面所能体现的价值;第二章介绍图形工具,本书主 要以R软件为制图工具,因此本章也会介绍关于R语言的一些基础知识;第 三章详细介绍图形参数,用以对图形进行细节调整,若读者对图形细节要 求不高则可直接跳过这一章;第四章讲解基础图形元素的使用,包括点、 线、多边形、颜色和文本等,本章会给那些期望能自定义统计图形的读者 提供方便的解决方案;第五章是本书的一大核心,集中介绍讲解现有的统 计图形种类如直方图、条形图、叶图、饼图、箱线图等,此外还会引入 若干较特殊和不太常见的图形种类和数据图示方法,并且配以相应的统计 数据分析实例深入说明统计图形的用法和含义;第六章介绍基础图形系统 (base graphics)之外的其它图形系统如grid、lattice和ggplot2,第七章和 第八章对各种统计图形分别从模型方法和数据类型的角度给出一些实例并 作出归纳总结,以便让读者清楚区分统计图形运用的条件和场合;附录中给出了一些作图方面的技巧。

“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