Python实验四：Matplotlib数据可视化_分析1996~2015年人口数据特征间的关系资源-CSDN文库

版权申诉

5星 · 超过95%的资源 113 浏览量 2021-01-20 02:12:34 上传评论 1 收藏 53KB PDF 举报

资源推荐

资源详情

资源评论

Python实验四：实验四：Matplotlib数据可视化数据可视化

Python实验四：实验四：Matplotlib数据可视化数据可视化

实验内容：

任务一：分析任务一：分析1996~2015年人口数据特征间的关系年人口数据特征间的关系

需求说明：人口数据总共拥有 6 个特征，分别为年末总人口、男性人口、女性人口、城镇人口、乡村人口和年份。查看各个

特征随着时间推移发生的变化情况可以分析出未来男女人口比例、城乡人口变化的方向。

任务二：分析任务二：分析1996~2015年人口数据各个特征的分布与分散状况年人口数据各个特征的分布与分散状况

需求说明：通过绘制各年份男女人口数目及城乡人口数目的直方图，男女人口比例及城乡人口比例的饼图可以发现人口结构的

变化。而绘制每个特征的箱线图则可以发现不同特征增长或者减少的速率是否变得缓慢。

实验步骤实验步骤：

任务一步骤：任务一步骤：

（1）使用NumPy库读取人口数据。

（2）创建画布figsize=(12,12)，并添加子图。

（3）在两个子图上分别绘制散点图其中（marker=’8’,color=’red’）和折线图。

（4）将绘制的散点图和折线图保存在当前文件夹下，分别为“image1.png”和“image2.png”。

（5）显示图片并分析未来人口变化趋势。

import numpy as np

import matplotlib.pyplot as plt

data = np.load('populations.npz')

# print(data['data'])

# print(data['feature_names'])

plt.rcParams['font.sans-serif'] = 'SimHei'

name = data['feature_names'] values = data['data']

pic_1 = plt.figure(figsize=(12, 12))

pic_11 = pic_1.add_subplot(2, 1, 1)

plt.scatter(values[0:20, 0], values[0:20, 1], marker='8', color='red')

plt.legend('年末')

plt.ylabel('总人口（万人）')

plt.title('1996~2015年末与各类人口散点图')

pic2 = pic_1.add_subplot(2, 1, 2)

plt.scatter(values[0:20, 0], values[0:20, 2], marker='o', color='yellow')

plt.scatter(values[0:20, 0], values[0:20, 3], marker='D', color='green')

plt.scatter(values[0:20, 0], values[0:20, 4], marker='p', color='blue')

plt.scatter(values[0:20, 0], values[0:20, 5], marker='s', color='purple')

plt.xlabel('时间')

plt.ylabel('总人口（万人）')

plt.xticks(values[0:20, 0])

plt.legend(['男性', '女性', '城镇', '乡村'])

plt.savefig('image1.png')

pic_2 = plt.figure(figsize=(12, 12))

pic_21 = pic_2.add_subplot(2, 1, 1)

plt.plot(values[0:20, 0], values[0:20, 1], color='r', linestyle='--', marker='8')

plt.ylabel('总人口（万人）')

plt.xticks(range(0, 20, 1), values[range(0, 20, 1), 0], rotation=45)

plt.legend('年末')

plt.title('1996~2015年末总与各类人口折线图')

pic2 = pic_2.add_subplot(2, 1, 2)

plt.plot(values[0:20, 0], values[0:20, 2], 'y-')

plt.plot(values[0:20, 0], values[0:20, 3], 'g-')

plt.plot(values[0:20, 0], values[0:20, 4], 'b-')

plt.plot(values[0:20, 0], values[0:20, 5], 'p-')

plt.xlabel('时间')

plt.ylabel('总人口（万人）')

plt.xticks(values[0:20, 0])

plt.legend(['男性', '女性', '城镇', '乡村'])

plt.savefig('image2.png')

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

内容反馈

版权申诉

yucf1973

2022-11-25

资源内容详细，总结地很全面，与描述的内容一致，对我启发很大，学习了。
tth121935193

2022-10-27

资源有很好的参考价值，总算找到了自己需要的资源啦。
jbhhh

2022-12-22

资源内容详细全面，与描述一致，对我很有用，有一定的使用价值。
HelloQ

2023-02-27

终于找到了超赞的宝藏资源，果断冲冲冲，支持！
felicia0402

2024-04-10

感谢大佬分享的资源给了我灵感，果断支持！感谢分享~

前往

页

weixin_38656989

粉丝: 5
资源: 934

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip