数据可视化|实验五分析1996-2015年人口数据各个特征的分布与分散状况

使用 NumPy 库读取人口数据

使用 numpy 库读取人口数据，分析 1996~2015 年人口数据特征间的关系。

%matplotlib inlineimport numpy as npimport matplotlib.pyplot as plt
# 实训 1 分析 1996~2015 年人口数据特征间的关系
#使用 numpy 库读取人口数据
data=np.load('./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

创建 3 幅画布并添加对应数目的子图

%matplotlib inlineimport numpy as npimport matplotlib.pyplot as plt
# 实训 1 分析 1996~2015 年人口数据特征间的关系
#使用 numpy 库读取人口数据
data=np.load('./populations.npz',allow_pickle=True)
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
label1=['男性','女性']
label2=['城镇','乡村']
#1. 直方图
p1=plt.figure(figsize=(12,12))
# 子图 1
a1=p1.add_subplot(2,2,1)
plt.bar(range(2),values[19,2:4],width=0.5,color='orange')
plt.ylabel(' 人口（万人） ')
plt.ylim(0,80000)
plt.xticks(range(2),label1)
plt.title('1996 年男、女人口数直方图 ')
# 子图 2
b1=p1.add_subplot(2,2,2)
plt.bar(range(2),values[0,2:4],width=0.5,color='red')
plt.ylabel(' 人口（万人） ')
plt.ylim(0,80000)
plt.xticks(range(2),label1)
plt.title('2015 年男、女人口数直方图 ')
# 子图 3
c1=p1.add_subplot(2,2,3)
plt.bar(range(2),values[19,4:6],width=0.5,color='orange')
plt.xlabel(' 类别 ')
plt.ylabel(' 人口（万人） ')
plt.ylim(0,90000)
plt.xticks(range(2),label2)
plt.title('1996 年城、乡人口数直方图 ')
# 子图 4
d1=p1.add_subplot(2,2,4)
plt.bar(range(2),values[0,4:6],width=0.5,color='red')
plt.xlabel(' 类别 ')
plt.ylabel(' 人口（万人） ')
plt.ylim(0,90000)
plt.xticks(range(2),label2)
plt.title('2015 年城、乡人口数直方图 ')
ex=[0 for x in data]
ex[0] = 0.015
#2. 饼图
p2=plt.figure(figsize=(8,8))
# 子图 1
a2=p2.add_subplot(2,2,1)
plt.pie(values[19,2:4],explode=ex,labels=label1,colors=['pink','crimson'],autopct='%1.1f%%')
plt.title('1996 年男、女人口数饼图 ')
# 子图 2
b2=p2.add_subplot(2,2,2)
plt.pie(values[0,2:4],explode=ex,labels=label1,colors=['PeachPuff','skyblue'],autopct='%1.1f%%')
plt.title('2015 年男、女人口数饼图 ')
# 子图 3
c2=p2.add_subplot(2,2,3)
plt.pie(values[19,4:6],explode=ex,labels=label2,colors=['pink','crimson'],autopct='%1.1f%%')
plt.title('1996 年城、乡人口数饼图 ')
# 子图 4
d2=p2.add_subplot(2,2,4)
plt.pie(values[0,4:6],explode=ex,labels=label2,colors=['PeachPuff','skyblue'],autopct='%1.1f%%')
plt.title('2015 年城、乡人口数饼图 ')
#3. 箱线图
p3=plt.figure(figsize=(10,10))
plt.boxplot(values[0:20,1:6],notch=True,labels=[' 年末 ',' 男性 ',' 女性 ',' 城镇 ',' 乡村 '],meanline=True)
plt.xlabel(' 类别 ')
plt.ylabel(' 人口（万人） ')
plt.title('1996~2015 年各特征人口箱线图 ')
# 显示
plt.show()

在每一幅子图上绘制对应的图形

数据可视化|实验五分析1996-2015年人口数据各个特征的分布与分散状况相关推荐

Python实验二：分析1996~2015年人口数据特征间的关系、分析并绘制鸢尾花数据的散点图和箱线图
人口数据下载链接:populations.npz 鸢尾花数据下载链接:鸢尾花 (下载积分已改为0,请下载) 目录一.题目表述 1.分析1996~2015年人口数据特征间的关系 2.分析并绘制鸢尾花数 ...
分析1996~2015年人口数据特征间的关系并分析1996~2015年人口数据各个特征的分布分散状况
python数据分析与应用实训1 分析1996~2015年人口数据特征间的关系并分析1996~2015年人口数据各个特征的分布分散状况运行环境:jupyter notebook 数据:popul ...
分析1996~2015年人口数据各个特征的分布与分散情况
分析1996~2015年人口数据各个特征的分布与分散情况通过绘制各年份男女人口数目及城乡人口的直方图,男女人口比例及城乡人口比例的饼图开一发现人口结构的变化.而绘制每个特征的箱线图则可以发现不同特征 ...
实训1 分析1996~2015年人口数据特征间的关系
运行环境:pycharm-community-2019.1.2 使用库:NumPy.matplotlib.pyplot 数据(populations.npz):链接:https://pan.baidu ...
python人口数据分析_分析1996~2015年人口数据特征间的关系
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 ...
应用数据分析第三周实训1 分析1996~2015年人口数据特征间的关系
文章目录前言一.#实训1分析1996年~2015年人口数据特征的关系实验结果如图所示
数据可视化|实验四分析1996-2015年人口数据特征间的关系
使用 NumPy 库读取人口数据使用 numpy 库读取人口数据,分析 1996~2015 年人口数据特征间的关系: %matplotlib inlineimport numpy as npimpo ...
数据可视化--实验五：高维非空间数据可视化
声明:本文CSDN作者原创投稿文章,未经许可禁止任何形式的转载,原文链接文章目录概要实验过程 Pyecharts 实验结果平行坐标系 room1-6房间人员时长饼图概要学院:计算机科学与技 ...
西电-数据可视化-实验五-高维非空间数据可视化（pyecharts）
西电-数据可视化-实验五-高维非空间数据可视化一.实验内容在某次大型会议中,为确保会议过程安全,会场使用了电子胸牌对场内人员的移动轨迹进行了监控.现经过处理,得到了某一天内人员在场内各个区域逗留的 ...

数据可视化|实验五分析1996-2015年人口数据各个特征的分布与分散状况

使用 NumPy 库读取人口数据

创建 3 幅画布并添加对应数目的子图

在每一幅子图上绘制对应的图形

数据可视化|实验五分析1996-2015年人口数据各个特征的分布与分散状况相关推荐

最新文章

热门文章

数据可视化|实验五 分析1996-2015年人口数据各个特征的分布与分散状况

使用 NumPy 库读取人口数据

创建 3 幅画布并添加对应数目的子图

在每一幅子图上绘制对应的图形

数据可视化|实验五 分析1996-2015年人口数据各个特征的分布与分散状况相关推荐

最新文章

热门文章

数据可视化|实验五分析1996-2015年人口数据各个特征的分布与分散状况

数据可视化|实验五分析1996-2015年人口数据各个特征的分布与分散状况相关推荐