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 plt x = [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 plt x = [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 plt categories = ['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 plt sizes = [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 plt data = [1, 2, 2, 3, 3, 3, 4, 4, 5] plt.hist(data, bins=5) 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 plt x = 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, cmap='viridis') 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 plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.plot(x, y, color='red', linestyle='--', marker='o', label='Line 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。
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, encoding='gbk') # 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 = '''<tr> <td>(.*?)</td> <td>(.*?)</td> <td>(.*?)</td> <td>(.*?)\(.*?</td> <td>.*?</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) + '.html' data = 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])#GDP dataframe = 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", index=False, sep=',', encoding="utf_8_sig", mode="a+") 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",encoding="utf-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*--', alpha=0.5, linewidth=1, label='PRC') plt.plot(timegdp, result1, 'rs--', alpha=0.5, linewidth=1, label='USA') plt.plot(timegdp, result2, 'go--', alpha=0.5, linewidth=1, label='UK') 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 pd matplotlib.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'] = False phone_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, labels=phone_brands, autopct='%1.1f%%', startangle=90) 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, color='skyblue') 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, color='salmon') 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', engine='openpyxl') # # 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, color='green', alpha=0.4) 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()
