[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-季度生产总值散点图')

plt.savefig('../images/2000-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-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-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-季度生产总值折线图')

plt.savefig('../images/2000-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('第一季度国民生产总值直方图')

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

plt.show()

分析 ：利用饼图分析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('第一季度各产业国民生产总值饼图')

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

plt.show()

分析 ：利用箱线图分析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('第一季度各产业国民生产总值箱线图')

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

plt.show()

END