为了账号安全,请及时绑定邮箱和手机立即绑定

课程案例代码

import matplotlib.pyplot as plt
import matplotlib as mplimport math
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
snow_area = [83.1,350.7,5903.3,2716.2,4446.5,2975,4615.1,8543,137.1,5073,980.8,5603.9,829.8,3367.1,7166.3,9521.1,3931.4,4479.5,2077.3,2594.3,289.3,1260.9,4649.5,1816.5,3255,176.2,2548.7,1966.9,159.4,579.9,2297.1]
total_output = [52.3,194.2,3321.9,1232.9,2492.3,2017.1,3601.6,5435.2,98.6,3360.6,656,3252.5,496.1,2029.9,4505.2,5777,2428.5,2805.2,1170.8,1420.6,149.2,806.2,2846.6,855.5,1567.7,99.8,1114.2,883.1,61.1,331.8,1474.81]
per_hectare = [6296,5538,5627,4539,5605,6780,7804,6362,7190,6624,6689,5804,5978,6028,6287,6068,6177,6262,5636,5476,5157,6394,6122,4710,4816,5663,4371,4490,3832,5721,6420]
area = ['北京','天津','河北','山西','内蒙古','辽宁','吉林','黑龙江','上海','江苏','浙江','安徽','福建','江西','山东','河南','湖北','湖南','广东','广西','海南','重庆','四川','贵州','云南','西藏','陕西','甘肃','青海','宁夏','新疆']

print(snow_area, total_output, per_hectare, area)
# 最大值
snow_area_max = max(snow_area)
total_output_max = max(total_output)
per_hectare_max = max(per_hectare)
print(snow_area_max, total_output_max, per_hectare_max)

# 均值
snow_area_mean = sum(snow_area) / len(snow_area)
total_output_mean = sum(total_output) / len(total_output)
per_hectare_mean = sum(per_hectare) / len(per_hectare)
print(snow_area_mean, total_output_mean, per_hectare_mean)

# 中位数
def median(List):    
    List = sorted(List)    
    if (len(List) % 2 == 1):        
        return List[len(List)//2]    
    else:        
        return (List[len(List)//2] + List[len(List)//2-1]) / 2
        
snow_area_median = median(snow_area)
total_output_median = median(total_output)
per_hectare_median = median(per_hectare)
print(snow_area_median, total_output_median, per_hectare_median)

# 标准差
def stdev(List):    
    mean = sum(List) / len(List)    
    Sum = 0    
    for item in List:        
        Sum += (item - mean) ** 2    
    Sum /= len(List)    
    return math.sqrt(Sum)
    
snow_area_stdev = stdev(snow_area)
total_output_stdev = stdev(total_output)
per_hectare_stdev = stdev(per_hectare)
print(snow_area_stdev, total_output_stdev, per_hectare_stdev)

# 柱状图
plt.figure(figsize=(20, 10))
print(len(snow_area))
plt.bar(range(1, len(snow_area)+1), snow_area)
plt.xticks(range(1, len(snow_area)+1), area)
# plt.title('各省降雪面积柱状图')
plt.show()

# 饼图
plt.figure(figsize=(15, 15))
plt.pie(snow_area, labels=area, autopct='%1.2f%%')
# plt.title('各省降雪面积占比图')
plt.show()

# 气泡图 - 反应降雪面积、降雪总量、单位降雪量
plt.figure(figsize=(10, 7))
per_hectare = [item/25 for item in per_hectare]
colors = np.random.rand(len(snow_area))
plt.scatter(snow_area, total_output, s=per_hectare, c=colors, alpha=0.5)
# plt.xlabel('降雪面积')
# plt.ylabel('降雪总量')
# plt.title('降雪面积/单位/单位降雪量气泡图')
plt.show()


正在回答

举报

0/150
提交
取消
数据可视化利器之Matplotlib
  • 参与学习       8952    人
  • 解答问题       13    个

使用Python的2D绘图库—Matplotlib实现数据的可视化操作

进入课程

课程案例代码

我要回答 关注问题
意见反馈 帮助中心 APP下载
官方微信