绘制散点图

  1. 前置步骤

准备数据guomin.npz,下载数据guomin.npz到Linux本地的/course/DataAnalyze/data目录

  1. 绘制散点图
  1. 绘制2000-2017年各季度的国民生产总值散点图,如代码 41所示。

代码 41 绘制2000-2017年各季度国民生产总值散点图

In[1]:

import os

import numpy as np

import matplotlib.pyplot as plt

os.chdir('/course/DataAnalyze/data')

plt.rcParams['font.sans-serif'] = 'WenQuanYi Zen Hei' ## 设置中文显示

plt.rcParams['axes.unicode_minus'] = False

data = np.load('./guomin.npz',allow_pickle=True)

name = data['columns'] ## 提取其中的columns数组,视为数据的标签

values = data['values']## 提取其中的values数组,数据的存在位置

plt.figure(figsize=(8,7)) ##设置画布

plt.scatter(values[:,0],values[:,2], marker='o')## 绘制散点图

plt.xlabel('年份') #添加横轴标签

plt.ylabel('生产总值(亿元)') #添加y轴名称

plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)

plt.title('2000-2017年季度生产总值散点图') #添加图表标题

plt.savefig(' ../2000-2017年季度生产总值散点图.png')

plt.show()

Out[1]:

 

  1. 使用不同的颜色、不同形状的点,绘制2000-2017年间各产业季度生产总值的散点图,如代码 42所示。

代码 42 绘制2000-2017年间各产业季度国民生产总值的散点图

In[2]:

plt.figure(figsize=(8,7)) ##设置画布

plt.scatter(values[:,0],values[:,3], marker='o',c='red')## 绘制散点图

plt.scatter(values[:,0],values[:,4], marker='D',c='blue')## 绘制散点图

plt.scatter(values[:,0],values[:,5], marker='v',c='yellow')## 绘制散点图

plt.xlabel('年份') #添加横轴标签

plt.ylabel('生产总值(亿元)') #添加纵轴标签

plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)

plt.title('2000-2017年各产业季度生产总值散点图') #添加图表标题

plt.legend(['第一产业','第二产业','第三产业']) ##添加图例

plt.savefig('../2000-2017年各产业季度生产总值散点图.png')

plt.show()

Out[2]:

 

  1. 通过代码 42运行结果图中点的颜色和形状的区别,可以看出第一产业增长平缓,第三产业呈现指数型增长,第二产业每年会根据季度呈现周期性波动。总体来看我国近17年的各个产业都在持续增长中,并且第二第三产业增长幅度非常大,17年间增长了400%以上。

Logo

永洪科技,致力于打造全球领先的数据技术厂商,具备从数据应用方案咨询、BI、AIGC智能分析、数字孪生、数据资产、数据治理、数据实施的端到端大数据价值服务能力。

更多推荐