网站开发专业术语大全,网站建设建构,wordpress菜单添加,白云网站建设公司matplotlib做数据可视化 相关知识掌握matplotlib的基本使用方法1. 折线图2. 散点图3. 柱状图4. 饼图5. 直方图6. 等高线图7. 图形定制 掌握数据处理的基本方法1. 数据筛选2. 缺失值处理3. 异常值处理 理解数据可视化的原则和方法1. 选择合适的图表类型2. 避免数据混淆3. 突出重… matplotlib做数据可视化 相关知识掌握matplotlib的基本使用方法1. 折线图2. 散点图3. 柱状图4. 饼图5. 直方图6. 等高线图7. 图形定制 掌握数据处理的基本方法1. 数据筛选2. 缺失值处理3. 异常值处理 理解数据可视化的原则和方法1. 选择合适的图表类型2. 避免数据混淆3. 突出重要信息 内容1、从网站中选取三个国家的从1960-2022年的GDP值绘制一幅折线图。方法1方法2 2、在一幅图中绘制四幅子图 附录 相关知识
掌握matplotlib的基本使用方法 Matplotlib 是一个用于绘制二维图形的 Python 库广泛用于数据可视化。它提供了一个类似于 MATLAB 的绘图接口使得用户可以轻松地创建各种静态、动态、交互式的图形。
以下是 Matplotlib 的一些主要特点和组件 简单易用 Matplotlib 提供了一个简单的 API使得用户可以轻松创建图形而无需深入了解图形学或复杂的绘图原理。 多种图形类型 Matplotlib 支持各种常见的图形类型包括线图、散点图、柱状图、饼图、等高线图等。 定制性强 用户可以对图形的各个方面进行精细的定制包括线型、颜色、标签、标题等。 支持 LaTeX Matplotlib 支持使用 LaTeX 标记在图形中添加数学公式。 多平台支持 Matplotlib 可以在多个平台上运行包括 Windows、Linux 和 macOS。 图形导出 用户可以将图形以多种格式导出包括 PNG、PDF、SVG 等。 面向对象的接口 Matplotlib 提供了一个面向对象的接口允许用户更灵活地控制图形的各个元素。 Matplotlib 的强大之处在于它的灵活性和广泛的应用领域从简单的图形到复杂的数据可视化都可以通过 Matplotlib 轻松实现。 以下是 Matplotlib 的一些主要功能
1. 折线图 使用 plot 函数可以创建折线图用于表示数据的趋势和变化。
import matplotlib.pyplot as pltx [1, 2, 3, 4, 5]
y [2, 4, 6, 8, 10]plt.plot(x, y)
plt.show()2. 散点图 使用 scatter 函数可以创建散点图用于显示两个变量之间的关系。
import matplotlib.pyplot as pltx [1, 2, 3, 4, 5]
y [2, 4, 6, 8, 10]plt.scatter(x, y)
plt.show()3. 柱状图 使用 bar 或 barh 函数可以创建垂直或水平的柱状图用于比较不同类别的数据。
import matplotlib.pyplot as pltcategories [A, B, C, D]
values [3, 7, 2, 5]plt.bar(categories, values)
plt.show()4. 饼图 使用 pie 函数可以创建饼图用于显示各部分在整体中的占比。
import matplotlib.pyplot as pltsizes [30, 20, 25, 15, 10]plt.pie(sizes, labels[A, B, C, D, E])
plt.show()5. 直方图 使用 hist 函数可以创建直方图用于显示数据的分布情况。
import matplotlib.pyplot as pltdata [1, 2, 2, 3, 3, 3, 4, 4, 5]plt.hist(data, bins5)
plt.show()6. 等高线图 使用 contour 函数可以创建等高线图用于表示二维数据的等高线。
import numpy as np
import matplotlib.pyplot as pltx np.linspace(-5, 5, 100)
y np.linspace(-5, 5, 100)
X, Y np.meshgrid(x, y)
Z np.sin(np.sqrt(X**2 Y**2))plt.contour(X, Y, Z, cmapviridis)
plt.show()7. 图形定制 用户可以定制图形的各个方面包括颜色、线型、标签、标题等。
import matplotlib.pyplot as pltx [1, 2, 3, 4, 5]
y [2, 4, 6, 8, 10]plt.plot(x, y, colorred, linestyle--, markero, labelLine A)
plt.title(Customized Line Plot)
plt.xlabel(X-axis)
plt.ylabel(Y-axis)
plt.legend()
plt.show()这些只是 Matplotlib 的一小部分功能该库还支持更多高级的功能如图形的注释、图形的嵌套、3D 图形、动画等。Matplotlib 的文档和示例库是学习和探索更多功能的好资源。 访问以下链接https://matplotlib.org/stable/gallery/index.html可以了解到更多功能并获取官方教程。
掌握数据处理的基本方法
1. 数据筛选
使用 Pandas 进行数据筛选例如选择满足某个条件的行。
import pandas as pd# 假设 df 是一个数据框
filtered_data df[df[column] 10]2. 缺失值处理
处理缺失值可以使用 Pandas 的 dropna() 或 fillna() 方法。
import pandas as pd# 删除包含缺失值的行
df.dropna()# 使用特定值填充缺失值
df.fillna(0)3. 异常值处理
识别和处理异常值可以通过统计方法或可视化方法来检测异常值。
import pandas as pd# 使用描述性统计分析识别异常值
mean df[column].mean()
std df[column].std()
threshold mean 3 * std# 删除超过阈值的异常值
df df[df[column] threshold]理解数据可视化的原则和方法
1. 选择合适的图表类型 根据数据的特性和目标选择合适的图表类型例如使用折线图表示趋势柱状图比较类别等。
2. 避免数据混淆 确保图表清晰易懂避免使用过于复杂的图表或颜色以防止数据混淆。
3. 突出重要信息 通过调整图表的样式突出重要的数据信息如使用颜色或标签来强调关键数据点。 能够根据实际需求选择合适的图表类型 选择适当的图表类型考虑数据的结构和目标例如使用散点图展示相关性饼图表示比例柱状图比较类别等。 能够根据实际需求调整图表的属性和样式 根据图表的目标和观众调整图表的属性和样式包括颜色、线型、标签、标题等以提高图表的可读性和美观性。 内容
1、从网站中选取三个国家的从1960-2022年的GDP值绘制一幅折线图。 数据来自网站点击以下链接可查看原网页 https://www.kylc.com/stats/global/yearly_overview/g_gdp.html 网址内容截图查看数据 方法1
部分代码截图
运行结果折线图
方法2
部分代码截图
运行结果折线图
2、在一幅图中绘制四幅子图 反映国内或者国际上主要手机品牌在某年或者某季度的销量的饼图。 反映广东省各市的GDP。横 广州市房价平均值的柱状图。 绘制广东省2022年的高考一分段的散点图。
部分代码截图
运行结果
附录
从网站中选取三个国家的从1960-2022年的GDP值绘制一幅折线图。:
方法1
import os
import matplotlib.pyplot as plt
import pandas as pd# 设置支持中文的Matplotlib字体
plt.rcParams[font.sans-serif] [Microsoft YaHei]# 读取数据
file_path os.path.abspath(GDP.csv)
data pd.read_csv(file_path, encodinggbk)
# 提取数据
years data[年份]
usa_gdp data[美国GDP(万亿)]
uk_gdp data[英国GDP(万亿)]
china_gdp data[中国GDP (万亿)]
# 绘制折线图
fig, ax plt.subplots()
ax.plot(years, usa_gdp, Label美国)
ax.plot(years, uk_gdp, Label英国)
ax.plot(years, china_gdp, label中国)
ax.set_xlabel(年份)
ax.set_ylabel(GDP (万亿))
ax.set_title(1960-2022年各国GDP)
ax.Tegend()
plt.show()方法2
import urllib.request
import re
import pandas as pd
import csv
import matplotlib.pyplot as plt
from matplotlib import font_manager
my_font font_manager.FontProperties(fname/System/Library/Fonts/PingFang.ttc)
#网页数据分析
def getdata(url):req urllib.request.Request(url)req.add_header(User-Agent, Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36)#设置请求头信息data urllib.request.urlopen(req).read().decode(utf-8)str1 str(data)pat trtd(.*?)/tdtd(.*?)/tdtd(.*?)/tdtd(.*?)\(.*?/tdtd.*?/td/tr#网页分析进行选定内容正则表达result re.compile(pat).findall(str1)return result
#网页数据存储
def datastorage():for i in range(1960, 2023):print(正在收集第%d年数据 % i)rank []country []zhou []total []url https://www.kuaiyilicai.com/stats/global/yearly/g_gdp/ str(i) .htmldata getdata(url)for j in range(0, len(data)):rank.append(data[j][0])#当页排名country.append(data[j][1])#国家zhou.append(data[j][2])#所在州total.append(data[j][3])#GDPdataframe pd.DataFrame({排名: rank, 国家/地区: country, 所在洲: zhou, GDP(美元计): total})dataframe.to_csv(str(i) 年世界gdp排名.csv, indexFalse, sep,, encodingutf_8_sig, modea)print(i, 年数据收集完成)
datastorage()
#文字转数字
def str2value(valueStr):valueStr re.sub(r亿, 00000000, valueStr) # 将亿替换为8个零valueStr re.sub(r万, 0000, valueStr) # 将万替换为4个零valueStr re.sub(r\.|,, , valueStr) # 去除小数点和逗号return int(valueStr)
timegdp list(range(1960,2023))
zhongdata []
meidata []
yingdata []
print(打开文件搜索需要内容中.....)
for i in range(1960,2023):csv_reader csv.reader(open(str(i) 年世界gdp排名.csv,encodingutf-8))for row in csv_reader:if row[1]中国:zhongdata.append(row[3])if row[1]美国:meidata.append(row[3])if row[1]英国:yingdata.append(row[3])
result [str2value(valueStr) for valueStr in zhongdata]
result1 [str2value(valueStr) for valueStr in meidata]
result2 [str2value(valueStr) for valueStr in yingdata]
# 画图
plt.plot(timegdp, result, b*--, alpha0.5, linewidth1, labelPRC)
plt.plot(timegdp, result1, rs--, alpha0.5, linewidth1, labelUSA)
plt.plot(timegdp, result2, go--, alpha0.5, linewidth1, labelUK)
plt.legend() # 显示上面的label
plt.xlabel(时间)
plt.ylabel(GDP) # accuracy
# plt.ylim(-1,1)#仅设置y轴坐标范围
plt.show()在一幅图中绘制四幅子图
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pdmatplotlib.use(TkAgg)
# 设置Matplotlib的默认字体并忽略警告
plt.rcParams[font.sans-serif] [Microsoft YaHei]
plt.rcParams[axes.unicode_minus] Falsephone_brands [Apple(苹果), samsung(三星), Xiaomi(小米), OPPO(欧珀), vivo(维沃), 其他]
phone_sales [19, 22, 13, 9, 9, 28]cities [深圳, 广州, 佛山, 东莞, 惠州, 珠海, 茂名, 江门, 湛江, 中山, 汕头, 肇庆, 揭阳,清远, 韶关, 阳江, 汕尾, 梅州, 潮州, 河源, 云浮]
gdp_values [32387.68, 28839, 12698.39, 11200.32, 5401.24, 4045.45, 3904.63, 3773.41, 3712.56, 3631.28, 3017.44,2705.05, 2260.98, 2032.02, 1563.93, 1535.02, 1322.02, 1318.21, 1312.98, 1294.57, 1162.43]districts [天河区, 越秀区, 海珠区, 荔湾区, 白云区, 番禺区, 黄埔区, 南沙区, 增城区, 花都区,从化区]
house_prices [74723, 72121, 58268, 50631, 49639, 38788, 28890, 23567, 21942, 19420, 16160]# 柱状图
fig, axes plt.subplots(2, 2, figsize(18, 10))# 饼图 - 手机销量
axes[0, 0].pie(phone_sales, labelsphone_brands, autopct%1.1f%%, startangle90)
axes[0, 0].set_title(2022 年全年手机市场销售份额)# 柱状图 - GDP
axes[0, 1].bar(cities, gdp_values, colorskyblue)
axes[0, 1].set_title(2022年广东省21市GDP排名)
axes[0, 1].set_xlabel(城市)
axes[0, 1].set_ylabel(GDP (亿元))# 柱状图 - 房价
axes[1, 0].barh(districts, house_prices, colorsalmon)
axes[1, 0].set_title(广州市各区平均房价)
axes[1, 0].set_xlabel(房价 (元/平方米))
axes[1, 0].set_ylabel(区域)# 散点图 - 高考一分段
df pd.read_excel(分数.xlsx, engineopenpyxl)
# # 显示数据
# print(df)
# 提取需要绘制的数据列
province_scores df[分数] # np.random.randint(400, 700, 100)
province_ranks df[人数] # np.random.randint(1, 101, 100)axes[1, 1].scatter(province_scores, province_ranks, colorgreen, alpha0.4)
axes[1, 1].set_title(广东省2022年历史类一分一段统计)
axes[1, 1].set_xlabel(分数)
axes[1, 1].set_ylabel(人数)
# 设置X轴刻度位置和标签
xticks np.arange(0, 800, 50)
axes[1, 1].set_xticks(xticks)
axes[1, 1].set_xticklabels([str(x) for x in xticks])
# 设置Y轴刻度位置和标签
yticks np.arange(0, 1300, 100)
axes[1, 1].set_yticks(yticks)
axes[1, 1].set_yticklabels([str(y) for y in yticks])plt.tight_layout()
plt.show()
