使用 scatter 函數(shù)繪制 2000-2017 年各季度的國民生產(chǎn)總值散點圖

import matplotlib.pyplot as plt import numpy as np data=np.load('./國民經(jīng)濟核算季度數(shù)據(jù).npz',allow_pickle=True) name=data['columns'] values=data['values'] plt.rcParams["font.family"]="SimHei" plt.rcParams['font.sans-serif']="SimHei" plt.rcParams['font.serif']=['SimHei']plt.rcParams["axes.unicode_minus"]=Falseplt.figure(figsize = (8, 7)) plt.scatter(values[:,0], values[:,2], marker = 'o') plt.xlabel(u"年份") plt.ylabel(u'生產(chǎn)總值（億元）') plt.xticks(range(0,70,4), values[range(0, 70, 4), 1], rotation = 45) plt.title(u'2000-2017 年季度生產(chǎn)總值散點圖 ') plt.savefig('./tmp/2000-2017 年季度生產(chǎn)總值散點圖.png') plt.show()

繪制 2000-2017 年第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)各季度的國民生產(chǎn)總值 散點圖

plt.Figure(dpi = 80, figsize = (8, 7)) plt.rcParams['font.sans-serif'] = 'SimHei' y1=values[:,3] plt.scatter(range(len(y1)), y1) plt.xticks(range(len(y1)), values[: : 4, 1], rotation = 45) y2 = values[: , 4] plt.scatter(range(len(y2)), y2) plt.xticks(range(len(y2)), values[: : 4, 1], rotation = 45) y3=values[:,5] plt.scatter(range(len(y3)), y3) plt.xticks(range(0, 70, 4), values[range(0, 70, 4), 1], rotation = 45) plt.title('2010-2017 各產(chǎn)業(yè)季度生產(chǎn)總值 ') plt.legend([' 第一產(chǎn)業(yè) ', ' 第二產(chǎn)業(yè) ', ' 第三產(chǎn)業(yè) ']) plt.savefig('./tmp/三種產(chǎn)業(yè)散點圖.png') plt.show()

通過圖中點的顏色及分布，可以看出第一產(chǎn)業(yè)增長平緩，第二產(chǎn)業(yè)每年會按季度呈現(xiàn)周期性波動但逐年遞增，第三產(chǎn)業(yè)增長呈現(xiàn)指數(shù)型。總體來看我國近 17 年的各個產(chǎn)業(yè)都在持續(xù)增長中，并且第二第三產(chǎn)業(yè)增長幅度非常大， 17 年間增長了 400% 以上。

使用 plot 函數(shù)繪制 2000-2017 年各產(chǎn)業(yè)第一季度季度生產(chǎn)總值折線圖

plt.rcParams['font.sans-serif'] = 'SimHei' plt.rcParams['axes.unicode_minus'] = False plt.figure(dpi = 80, figsize = (8, 8)) y1 = values[: : 4, 3] y2 = values[: : 4, 4] y3 = values[: : 4, 5] plt.plot(range(len(y1)), y1, linestyle = '-.') plt.plot(range(len(y2)), y2, linestyle = '--') plt.plot(range(len(y3)), y3) plt.xticks(range(len(y3)), values[: : 4, 1], rotation = 45) plt.title('2000-2017 各產(chǎn)業(yè)第一季度折線圖 ') plt.legend([' 第一產(chǎn)業(yè) ', ' 第二產(chǎn)業(yè) ', ' 第三產(chǎn)業(yè) ']) plt.savefig('./tmp/ 各產(chǎn)業(yè)第一季度折線圖 .png') plt.show()

繪制 2000-2017 年各產(chǎn)業(yè)各季度生產(chǎn)總值點線圖

plot 函數(shù)可以一次接收“多組”參數(shù)，同時繪制多條折線圖。向 plot 函數(shù)傳遞繪制第一個圖形的參數(shù)，用逗號分隔后繼續(xù)傳遞繪制第二個圖形的參數(shù)即可。

plt.figure(figsize = (8, 7)) plt.plot(values[: , 0], values[: , 3], 'b-',values[: , 0], values[: , 4], 'y-.',values[: , 0], values[: , 5], 'g--') plt.xlabel(' 年份 ') plt.ylabel(' 生產(chǎn)總值（億元） ') plt.xticks(range(0, 70, 4), values[range(0, 70, 4), 1], rotation = 45) plt.title('2000-2017 年各產(chǎn)業(yè)季度生產(chǎn)總值折線圖 ') plt.legend([' 第一產(chǎn)業(yè) ', ' 第二產(chǎn)業(yè) ', ' 第三產(chǎn)業(yè) ']) plt.savefig('./tmp/2000-2017 年季度各產(chǎn)業(yè)生產(chǎn)總值折線圖.png') plt.show()

通過 圖形中線條的顏色與波動，可以看出它比散點圖更加直接有效地展示各產(chǎn)業(yè)的季度性波動與整體增長趨勢。此外，使用 marker 參數(shù)可以繪制點線圖，一定情況下能夠使得圖形更加豐富。

總結(jié)

以上是生活随笔為你收集整理的数据可视化|实验二 分析特征间关系的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。