数据科学技术与应用：图形绘制与数据分析
本文介绍了数据科学技术中图形绘制的重要性，包括使用Pandas、Matplotlib、Seaborn和Pyecharts等库进行折线图、散点图、柱状图、箱线图和饼图的绘制。内容涵盖了不同图形的特点，如函数绘图、DataFrame绘图、垂直柱状图、水平柱状图、饼图和地图。此外，还展示了如何通过图形对各国高速铁路运营里程进行探索性分析，包括柱状图、饼图、散点图和箱线图。文章强调了图形在数据探索阶段的作用，帮助理解数据分布、相关性和趋势。
目录
本书中所有的数据文件保存在data文件夹中，链接如下：
https://pan.baidu.com/s/1Tu__B-YfXDz_yXzbzNKB4A?pwd=sfw2
提取码：sfw2
P70思考与练习1
1.叙述Pandas和Matplotlib绘图工具之间的关系。如何在绘图中综合使用两种工具的绘图函数，达到既快速绘图又可精细化设置图元的目标。
1.pandas封装了Matplotlib的主要绘图功能。pandas基于Series与DataFrame绘图，使用Series与DataFrame封装数据，调Series.plot()或DataFrame.plot()完成绘图。pandas绘图简单直接，若要更细致地控制图标样式，如添加标注、在一幅图中包含多副子图，必须使用Matplotlib提供的基础函数。Matplotlib中使用pyplot的图元设置函数来实现图形的精细化设置，能够对pandas绘出的图形进行精细化设置。
我们可以先将数据封装成Series或DataFrame，通过Pandas快速绘图，最后再通过Matplotlib中的pyplot图元设置函数对图形进一步精细化设置，达到精细化绘图的目的。
2. 2012~2020年我国人均可支配收入为[1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21](单位：万元)。按照要求绘制以下图形。
1）模仿例4-1和4-3，绘制人均可支配收入折线图。用小矩形标记数据点，黑色虚线，用注解标注最高点，图例标题“Income ”，设置坐标轴标题，最后将图形保存为jpg文件。
2）模仿例4-2，使用多个子图分别绘制人均可支配收入的折线图、箱形图以及柱状图（效果如下图所示）。
【提示】：
（1）本实验准备数据时可使用Series对象或DataFrame对象。
（2）创建3个子图分别使用（2，2，1）、（2，2，2）和（2，1，2）作为参数。
（3）使用plt.subplots_adjust()函数调整子图间距离，以便添加图标题。
新书第二版要求的画图效果
第（1）题：
共列举以下三种方法
【方法一】：使用Series.plot画图，数据为Series形式
【方法二】：使用DataFrame.plot画图，数据为DataFrame形式
【方法三】：使用plt.plot函数画图（默认kind='line‘，画折线图），数据为列表形式
#方法一：Series.plot
import matplotlib.pyplot as plt
from pandas import Series
Income_data = Series([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'])
Income_data.plot(title = '2012-2020 年人均可支配收入',marker = 's',linestyle = 'dotted',grid = True,label = 'Income',
yticks = [0.0,0.5,1.0,1.5,2.0,2.5,3.0,3.5],c = 'black') #label代表图例，c代表线、点的颜色
plt.xlabel('Year') #添加x轴标题
plt.ylabel('Income(RMB Ten Thousand)') #添加y轴标题
plt.legend() #显示图例，若无则不显示
plt.annotate('Largest!',xy = (8,3.21),xytext = (6.1,2.6),arrowprops = dict(arrowstyle = '->',color = 'r'),color = 'r') #xy为箭头位置坐标，xytext为文字起点位置
plt.show()
#方法二：DataFrame.plot
import matplotlib.pyplot as plt
from pandas import DataFrame
#DataFrame1中columns即为图例，index即为横坐标值
Income_data = DataFrame([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'],columns = ['Income'])
Income_data.plot(title = '2012-2020 年人均可支配收入',marker = 's',linestyle = 'dotted',grid = True,
yticks = [0.0,0.5,1.0,1.5,2.0,2.5,3.0,3.5],c = 'black')
plt.xlabel('Year')
plt.ylabel('Income(RMB Ten Thousand)')
plt.annotate('Largest!',xy = (8,3.21),xytext = (6.1,2.6),arrowprops = dict(arrowstyle = '->',color = 'r'),color = 'r')
plt.show()
#方法三：plt.plot
import matplotlib.pyplot as plt
Income_data = [1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21]
plt.plot(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],[1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],marker = 's',
linestyle = 'dotted',c = 'black',label = 'Income')
plt.title('2012-2020 年人均可支配收入')
plt.yticks([0.0,0.5,1.0,1.5,2.0,2.5,3.0,3.5])
plt.xlim(0,8) #设置x轴刻度范围
plt.xlabel('Year')
plt.ylabel('Income(RMB Ten Thousand)')
plt.annotate('Largest!',xy = (8,3.21),xytext = (6.1,2.6),arrowprops = dict(arrowstyle = '->',color = 'r'),color = 'r')
plt.legend()
plt.grid() #显示网格线结果如下：
第（2）题：
共列举以下6种方法
可采用figure.add_subplot()函数或plt.subplot()两种函数创建子图。而数据形式分别为Series、DataFrame与列表三种形式。由此列举6种方法求解。
前三种方法采用figure.add_subplot()函数
【方法一】：采用figure.add_subplot()函数创建子图。使用Series.plot画图，数据为Series形式。
【方法二】：采用figure.add_subplot()函数创建子图。使用DataFrame.plot画图，数据为DataFrame形式。
【方法三】：采用figure.add_subplot()函数创建子图。使用各类画图函数画图(plt.plot()画折线图，plt.boxplot()画箱形图，plt.bar()画柱状图)，数据为列表形式。
后三种方法采用plt.subplot()函数
【方法四】：采用plt.subplot()函数创建子图。使用Series.plot绘图，数据为Series形式。
【方法五】：采用plt.subplot()函数创建子图。使用DataFrame.plot画图，数据为DataFrame形式。
【方法六】：采用plt.subplot()函数创建子图。使用各类画图函数画图(plt.plot()画折线图，plt.boxplot()画箱形图，plt.bar()画柱状图)，数据为列表形式。
前三种方法（采用figure.add_subplot()函数）：
先定义画布：fig = plt.figure(figsize = ())
再创建子图：fig.add_subplot()或者ax1... = fig.add_subplot()
对于Series与列表类型的数据：可不返回ax=ax1，ax=ax2，ax=ax3....。（也可返回）
对于DataFrame类型的数据：写为ax1（ax2、ax3...) = fig.add_subplot()，每次画图在画图函数里都要返回ax=ax1，ax=ax2，ax=ax3....。例如DataFrame.plot(...,ax = ax1)等，否则画图出错。
#方法一：采用figure.add_subplot()函数创建子图。使用Series.plot画图，数据为Series形式
import matplotlib.pyplot as plt
from pandas import Series
Income_data =Series([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'])
fig = plt.figure(figsize = (10,6)) #figure创建绘图对象,figsize设置画布尺寸
#将绘图区域分为2行2列4份，在第1份上作图
ax1 = fig.add_subplot(2,2,1)
#绘制折线图
ax1.plot(Income_data) #采用AxesSubplot绘制折线图
plt.title('Line chart')
plt.xlabel('Year')
plt.ylabel('Incone')
'''
还可采用Series.plot()函数绘制折线图：
Income_data.plot(title = 'Line chart') #采用Series.plot画折线图
plt.xticks(range(0,9),['2012','2013','2014','2015','2016','2017','2018','2019','2020']) #让x轴刻度显示全
plt.xlim(-0.5,8.5) #增大x轴刻度范围
plt.xlabel('Year')
plt.ylabel('Income')
'''
#将绘图区域分为2行2列4份，在第2份上作图
ax2 = fig.add_subplot(2,2,2) #也可去掉"ax2="写为fig.add_subplot(2,2,2)
#绘制箱形图
Income_data.plot(kind = 'box',title = 'Box-whisker plot')
plt.xlabel('2012-2020')
plt.ylabel('Income')
plt.xticks([])
#将绘图区域分为2行1列2份，在第2份作图
ax3 = fig.add_subplot(2,1,2) #也可去掉"ax3="写为fig.add_subplot(2,1,2)
#绘制柱状图
Income_data.plot(kind = 'bar',label = 'Income')
plt.title('Bar chart')
plt.xlabel('Year')
plt.ylabel('Income')
plt.legend() #显示图例
#调整子图间距离
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)
#方法二：采用figure.add_subplot()函数创建子图。使用DataFrame.plot画图，数据为DataFrame形式，需返回ax=ax1，ax=ax2，ax=ax3
import matplotlib.pyplot as plt
from pandas import DataFrame
Income_data =DataFrame([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'],
columns = ['Income'])
fig = plt.figure(figsize = (10,6))
#画折线图
ax1 = fig.add_subplot(221) #(2,2,1)可连写（221）
Income_data.plot(title = 'Line chart',legend = False,ax = ax1) #返回ax1 #legend = False去掉图例
plt.xticks(range(0,9),['2012','2013','2014','2015','2016','2017','2018','2019','2020']) #让x轴刻度显示全
plt.xlim(-0.5,8.5) #增大x轴刻度范围
plt.xlabel('Year')
plt.ylabel('Income')
#画箱形图
ax2 = fig.add_subplot(222)
Income_data.plot(kind = 'box',title = 'Box-whisker plot',xticks = [],ax = ax2) #返回ax2
plt.xlabel('2012-2020')
plt.ylabel('Income')
#画柱状图
ax3 = fig.add_subplot(212)
Income_data.plot(kind = 'bar',title = 'Bar chart',ax = ax3) #返回ax3
plt.xlabel('Year')
plt.ylabel('Income')
#调间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)
plt.savefig('Income222.jpg',dpi = 400,bbox_inches = 'tight') #保存导出图像
plt.show()
#方法三：采用figure.add_subplot()函数创建子图。使用各类画图函数画图，数据为列表形式
import matplotlib.pyplot as plt
Income_data = [1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21]
fig = plt.figure(figsize = (10,6))
#画折线图
fig.add_subplot(221)
plt.plot(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],Income_data) #折线图函数：plt.plot()
plt.title('Line chart')
plt.xlabel('Year')
plt.ylabel('Incone')
#画箱形图
fig.add_subplot(222)
plt.boxplot(Income_data,boxprops = {'color':'#1F77B4'},medianprops = {'color':'green'},whiskerprops={'color':'#1F77B4'})
#箱形图函数：plt.boxplot()。boxprops设置箱体的属性，whiskerprops设置须的属性,medianprops设置中位数的属性
plt.title('Box-whisker plot')
plt.xlabel('2012-2020')
plt.xticks([]) #不显示坐标轴刻度
plt.ylabel('Income')
#画柱状图
fig.add_subplot(212)
plt.bar(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],Income_data,label = 'Income') #柱状图函数：plt.bar(x,height)
plt.title('Bar chart')
plt.legend()
plt.xlabel('Year')
plt.xticks(rotation = 90) #rotation设置刻度旋转角度值
plt.ylabel('Income')
#调间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)
plt.savefig('Income2.jpg',dpi = 400,bbox_inches = 'tight')
plt.show()
后三种方法（采用plt.subplot()函数）：
思路同上三种方法。
先定义画布：plt.figure(figsize = ())
再创建子图：plt.subplot()
对于Series与列表类型的数据：可不返回ax=ax1，ax=ax2，ax=ax3....。（也可返回）
对于DataFrame类型的数据：写为ax1（ax2、ax3...) = plt.subplot()，每次画图在画图函数里都要返回ax=ax1，ax=ax2，ax=ax3....。否则画图出错。如下：
#方法四：采用plt.subplot()函数创建子图。使用Series.plot绘图，数据为Series形式
import matplotlib.pyplot as plt
from pandas import Series
Income_data = Series([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
