[转载] Python数据分析之Matplotlib数据可视化实例

参考链接：使用Python进行数据分析和可视化2

Matplotlib数据可视化的应用实例分析：2000至2017年各季度国民生产总值数据 npy文件——numpy专用的二进制格式 np.load()和np.save()是读写磁盘数组数据的两个重要函数。使用时，数组会以未压缩的原始二进制格式保存在扩展名为.npy的文件中。

分析国民生产总值：

# -- coding:utf-8 --

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示，否则可能无法显示中文或者是各种字符错乱

plt.rcParams['axes.unicode_minus'] = False

data = np.load("../data/国民经济核算季度数据.npz", allow_pickle=True) # 加载数据必须加上allow_pickle=True

print(data) # 这时的data是数据对象，

print(data['columns'])

print(data['values'])

name = data['columns']

values = data['values']

plt.figure(figsize=(10, 10))

plt.scatter(values[:, 0], values[:, 2], marker='o') # 画散点图

plt.xlabel('年份')

plt.ylabel('生产总值（亿元）')

plt.ylim((0, 225000))

plt.xticks(range(0, 70, 4), values[range(0, 70, 4), 1], rotation=45) # 此时取得值都是第一季度的

plt.title('2000-2017年季度生产总值散点图')

plt.savefig('../images/2000-2017年季度生产总值散点图.png') # 图片要先保存再显示

plt.show() # 在当前设备显示图片

分析：第一二三产业的的国民生产总值

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示，否则可能无法显示中文或者是各种字符错乱

plt.rcParams['axes.unicode_minus'] = False

data = np.load("../data/国民经济核算季度数据.npz", allow_pickle=True) # 加载数据必须加上

values = data['values']

plt.figure(figsize=(10, 10))

# 绘制的第一二三产业的增加值

plt.scatter(values[:, 0], values[:, 3], marker='o', c='red')

plt.scatter(values[:, 0], values[:, 4], marker='*', c='blue')

plt.scatter(values[:, 0], values[:, 5], marker='v', c='yellow')

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) # 此时取得值都是第一季度的

plt.title('2000-2017年季度生产总值散点图')

plt.legend(['第一产业', '第二产业', '第三产业'])

plt.savefig('../images/2000-2017年季度生产总值散点图.png') # 注意要先保存再show

plt.show()

分析：利用折线图分析第一季度

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示，否则可能无法显示中文或者是各种字符错乱

plt.rcParams['axes.unicode_minus'] = False

data = np.load("../data/国民经济核算季度数据.npz", allow_pickle=True) # 加载数据必须加上

values = data['values']

plt.figure(figsize=(10, 10))

plt.plot(values[:, 0], values[:, 2], color='k', linestyle='-')

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) # 此时取得值都是第一季度的

plt.title('2000-2017年季度生产总值折线图')

plt.savefig('../images/2000-2017年季度生产总值散点图.png') # 注意要先保存再show

plt.show()

分析：利用直方图分析第一季度国民生产总值

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示，否则可能无法显示中文或者是各种字符错乱

plt.rcParams['axes.unicode_minus'] = False

data = np.load("../data/国民经济核算季度数据.npz", allow_pickle=True) # 加载数据必须加上

values = data['values']

plt.figure(figsize=(10, 10))

l = ['r', 'g', 'b']

m = ['o', '*', 'D']

for i in enumerate([0, 1, 2]):

plt.bar(range(3), values[-1, 3:6], width=0.5, color=l)

plt.xlabel('行业', fontsize=20)

plt.ylabel('生产总值（亿元）', fontsize=20)

plt.xticks(range(3), ['第一产业', '第二产业', '第三产业'])

plt.title('2017年第一季度国民生产总值直方图')

plt.savefig('../images/2000-2017年季度生产总值脂肪图.png')

plt.show()

分析：利用饼图分析2017年第一季度各产业国民生产总值

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示，否则可能无法显示中文或者是各种字符错乱

plt.rcParams['axes.unicode_minus'] = False

data = np.load("../data/国民经济核算季度数据.npz", allow_pickle=True) # 加载数据必须加上

values = data['values']

plt.figure(figsize=(6, 6))

label = ['第一产业', '第二产业', '第三产业']

explode = [0.01, 0.05, 0.03] # 设置指定项距离圆心的距离为N 倍的半径

plt.pie(values[-1, 3:6], explode=explode, labels=label, autopct='%.2f %%')

plt.title('2017年第一季度各产业国民生产总值饼图')

plt.savefig('../images/2000-2017年季度生产总值饼图.png')

plt.show()

分析：利用箱线图分析2017年第一季度各产业国民生产总值

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示，否则可能无法显示中文或者是各种字符错乱

plt.rcParams['axes.unicode_minus'] = False

data = np.load("../data/国民经济核算季度数据.npz", allow_pickle=True) # 加载数据必须加上

values = data['values']

plt.figure(figsize=(6, 6))

label = ['第一产业', '第二产业', '第三产业']

gdp = (list(values[:, 3]), list(values[:, 4]), list(values[:, 5]))

plt.boxplot(gdp, notch=True, labels=label, meanline=True) # 第一个参数是数据，第二个参数是是否带有缺口，第三个参数是标签，第四个参数是是否带有均值线

plt.title('2017年第一季度各产业国民生产总值箱线图')

plt.savefig('../images/2017年第一季度各产业国民生产总值箱线图.png')

plt.show()

END

[转载] Python数据分析之Matplotlib数据可视化实例相关推荐

Python数据分析之Matplotlib数据可视化实例
Matplotlib数据可视化的应用实例分析 :2000至2017年各季度国民生产总值数据 npy文件--numpy专用的二进制格式 np.load()和np.save()是读写磁盘数组数据的两个重 ...
【python与数据分析】Matplotlib数据可视化
目录前言一.数据可视化库matplotlib 1.综述 2.pyplot基础语法 (1)创建画布与创建子图 (2)添加画布内容 (3)保存与展示图形 (4)设置pyplot的动态rc参数二.绘制 ...
python数据分析实战：数据可视化的一些基本操作
数据可视化 1.散点图这里有我自己整理了一套最新的python系统学习教程,包括从基础的python脚本到web开发. 爬虫.数据分析.数据可视化.机器学习等. 小编这里推荐加小编的python学习 ...
Python中关于Matplotlib数据可视化的简单总结
Matplotlib绘图库数据可视化在机器学习和数据科学中是很重要的组成部分.在数据分析阶段,数据可视化能够帮助我们理解洞察数据间关系:在算法调试阶段,数据可视化能够发现问题,优化算法:在项目总结阶 ...
数据分析(8)--matplotlib 数据可视化
数据可视化基本概念数据可视化是指借助于图形化的手段,清晰.快捷有效的传达与沟通信息.同时,也可以辅助用户做出相应的判断,更好的去洞悉数据背后的价值. 字不如表,表不如图. 观察号码的频率,每个号码 ...
python—matplotlib数据可视化实例注解系列-----之plot图线型设置
本文代码源自官方实例,部分进行了修改和注解,增加不同线型的显示实例,帮助学习和查询. """ ====================================== ...
数据分析入门——Matplotlib数据可视化
1.创建画布 import matplotlib.pyplot as plt plt.figure(figsize=(4,4)) import numpy as np x=np.arange(10) ...
Python数据分析——Matplotlib数据可视化基础（二）
Python数据分析--Matplotlib数据可视化基础(二) 思维导图: 图形的绘制认识要绘制的图形基本绘图流程 pyplot基础图表函数 pyplot饼图的绘制 pie函数 matplotl ...
【Matplotlib】数据可视化实例分析
数据可视化实例分析作者:白宁超 2017年7月19日09:09:07 摘要:数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息.但是,这并不就意味着数据可视化就一定因为要实现其功能用途而令 ...

[转载] Python数据分析之Matplotlib数据可视化实例

[转载] Python数据分析之Matplotlib数据可视化实例相关推荐

最新文章

热门文章