分析1996~2015年人口数据特征间的关系

人口数据总共拥有6个特征，分别为年末总人口、男性人口、女性人口、城镇人口、乡村人口和年份。查看各个特征随着时间推移发生的变化情况可以分析男女人口比例、城乡人口变化的方向。

所需文件：populations.npz

链接：https://pan.baidu.com/s/1TB3vmiOUZ4ll0wZYi3876w

提取码：58vo

注意：

所需文件放入指定磁盘(也可自定义位置，但需要在代码上修改文件位置)

程序代码：

import numpy as np

import matplotlib.pyplot as plt

#使用numpy库读取人口数据

data=np.load(‘E:/Data/populations.npz’,allow_pickle=True)

print(data.files)#查看文件中的数组

print(data[‘data’])

print(data[‘feature_names’])

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

name=data[‘feature_names’]#提取其中的feature_names数组，视为数据的标签

values=data[‘data’]#提取其中的data数组，视为数据的存在位置

p1=plt.figure(figsize=(12,12))#确定画布大小

pip1=p1.add_subplot(2,1,1)#创建一个两行一列的子图并开始绘制

#在子图上绘制散点图

plt.scatter(values[0:20,0],values[0:20,1],marker=‘8’,color=‘red’)

plt.ylabel(‘总人口(万人)’)

plt.legend(‘年末’)

plt.title(‘1996~2015年末与各类人口散点图’)

pip2=p1.add_subplot(2,1,2)#绘制子图2

plt.scatter(values[0:20,0],values[0:20,2],marker=‘o’,color=‘yellow’)

plt.scatter(values[0:20,0],values[0:20,3],marker=‘D’,color=‘green’)

plt.scatter(values[0:20,0],values[0:20,4],marker=‘p’,color=‘blue’)

plt.scatter(values[0:20,0],values[0:20,5],marker=‘s’,color=‘purple’)

plt.xlabel(‘时间’)

plt.ylabel(‘总人口(万人)’)

plt.xticks(values[0:20,0])

plt.legend([‘男性’,‘女性’,‘城镇’,‘乡村’])

#在子图上绘制折线图

p2=plt.figure(figsize=(12,12))

p1=p2.add_subplot(2,1,1)

plt.plot(values[0:20,0],values[0:20,1],color=‘r’,linestyle=’–’,marker=‘8’)

plt.ylabel(‘总人口(万人)’)

plt.xticks(range(0,20,1),values[range(0,20,1),0],rotation=45)#rotation设置倾斜度

plt.legend(‘年末’)

plt.title(‘1996~2015年末总与各类人口折线图’)

p2=p2.add_subplot(2,1,2)

plt.plot(values[0:20,0],values[0:20,2],‘y-’)

plt.plot(values[0:20,0],values[0:20,3],‘g-.’)

plt.plot(values[0:20,0],values[0:20,4],‘b-’)

plt.plot(values[0:20,0],values[0:20,5],‘p-’)

plt.xlabel(‘时间’)

plt.ylabel(‘总人口(万人)’)

plt.xticks(values[0:20,0])

plt.legend([‘男性’,‘女性’,‘城镇’,‘乡村’])

#显示图片

plt.show()

运行结果：





原文链接:https://blog.csdn.net/weixin_46006841/article/details/106531401