
数据挖掘技术-绘制散点图
plt.scatter(values[:,0],values[:,5], marker='v',c='yellow')## 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[:,3], marker='o',c='red')## 绘制散点图。p
绘制散点图
- 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
- 绘制散点图
- 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]: |
![]() |
- 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]: |
![]() |
- 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。
更多推荐
所有评论(0)