Python高考 | matplotlib绘制1977-2022年历届高考人数及录取率分布图

简介: Python高考 | matplotlib绘制1977-2022年历届高考人数及录取率分布图

大家好,我是欧K~

本期根据 1977-2022年历届高考人数及录取人数利用python的matplotlib库绘制相应分布条形图希望对大家有所帮助,如有疑问或者需要改进的地方可以联系小编。


1. 数据

df = pd.read_excel('1977-2022历届高考录取率.xlsx')


2. 绘图

2.1 绘制表头

ax.text(270, tit_pos, '年份', ha='center', va='bottom', fontsize=12, fontweight='heavy',color='#00695C')
ax.text(1100, tit_pos, '高考人数', ha='center', va='bottom', fontsize=12, fontweight='heavy',color='#00695C')
ax.text(2700, tit_pos, '录取人数', ha='center', va='bottom', fontsize=12, fontweight='heavy',color='#00695C')
ax.text(3700, tit_pos, '录取率', ha='center', va='bottom', fontsize=12, fontweight='heavy',color='#00695C')

2.2 绘制报考分数、录取人数条形图

years = df['年份'].values.tolist()
x = df['报考人数(人)'].values.tolist()
y = df['高校录取人数(人)'].values.tolist()
z = df['录取比例'].values.tolist()
ax.barh(years, x, left=550,tick_label=labels, height=0.5)
ax.barh(years, y, left=2200,tick_label=labels, height=0.5)

2.3 绘制录取率散点图

ax.scatter([3700]*len(z), years)

2.4 设置标题

ax.text(600, 50, '1977-2022年历届高考人数及录取率', fontdict={'color': '#880E4F', 'size': 20}, fontweight='heavy')
ax.text(1250, 49, '(-- 制图@公众号:Python当打之年 --)', fontsize = 9, fontweight='heavy',alpha=1)

效果如下


3. 更多可视化源码源码下载 | Python可视化系列文章资源(源码+数据)
👉 公众号后台回复【可视化项目源码】获取更多可视化代码+数据


END


以上就是本期为大家整理的全部内容了,喜欢的朋友可以点赞、点在看也可以分享让更多人知道。

相关文章
|
3月前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
13天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
57 8
|
1月前
|
移动开发 数据可视化 数据挖掘
利用Python实现数据可视化:以Matplotlib和Seaborn为例
【10月更文挑战第37天】本文旨在引导读者理解并掌握使用Python进行数据可视化的基本方法。通过深入浅出的介绍,我们将探索如何使用两个流行的库——Matplotlib和Seaborn,来创建引人入胜的图表。文章将通过具体示例展示如何从简单的图表开始,逐步过渡到更复杂的可视化技术,帮助初学者构建起强大的数据呈现能力。
|
1月前
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一,但默认生成的图表是静态的。通过结合 mpld3 库,可以轻松创建交互式图表,提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图,并提供了详细的代码示例和安装方法。通过添加插件,可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
|
1月前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
71 5
|
2月前
|
人工智能 Python
蓝桥杯练习题(四):Python组之历届试题三十题
关于蓝桥杯Python组历届试题的三十个练习题的总结,包括题目描述、输入输出格式、样例输入输出以及部分题目的解题思路和代码实现。
48 0
蓝桥杯练习题(四):Python组之历届试题三十题
|
3月前
|
机器学习/深度学习 搜索推荐 数据可视化
Python量化炒股常用的Matplotlib包
Python量化炒股常用的Matplotlib包
39 7
|
2月前
|
数据可视化 数据挖掘 API
Python中的数据可视化利器:Matplotlib与Seaborn对比解析
在Python数据科学领域,数据可视化是一个重要环节。它不仅帮助我们理解数据,更能够让我们洞察数据背后的故事。本文将深入探讨两种广泛使用的数据可视化库——Matplotlib与Seaborn,通过对比它们的特点、优劣势以及适用场景,为读者提供一个清晰的选择指南。无论是初学者还是有经验的开发者,都能从中找到有价值的信息,提升自己的数据可视化技能。
140 3
|
2月前
|
数据可视化 定位技术 Python
Python数据可视化--Matplotlib--入门
Python数据可视化--Matplotlib--入门
30 0
|
3月前
|
API Python
30天拿下Python之matplotlib模块
30天拿下Python之matplotlib模块
22 0