使用 NumPy 庫讀取人口數據

使用 numpy 庫讀取人口數據，分析 1996~2015 年人口數據特征間的關系。

%matplotlib inlineimport numpy as npimport matplotlib.pyplot as plt # 實訓 1 分析 1996~2015 年人口數據特征間的關系 #使用 numpy 庫讀取人口數據 data=np.load('./populations.npz',allow_pickle=True) print(data.files)# 查看文件中的數組 print(data['data']) print(data['feature_names']) plt.rcParams['font.sans-serif']='SimHei'# 設置中文顯示 name=data['feature_names']# 提取其中的 feature_names 數組，視為數據的標簽 values=data['data']# 提取其中的 data 數組，視為數據的存在位置

創建 3 幅畫布并添加對應數目的子圖

%matplotlib inlineimport numpy as npimport matplotlib.pyplot as plt # 實訓 1 分析 1996~2015 年人口數據特征間的關系 #使用 numpy 庫讀取人口數據 data=np.load('./populations.npz',allow_pickle=True) plt.rcParams['font.sans-serif']='SimHei'# 設置中文顯示 name=data['feature_names']# 提取其中的 feature_names 數組，視為數據的標簽 values=data['data']# 提取其中的 data 數組，視為數據的存在位置 label1=['男性','女性'] label2=['城鎮','鄉村'] #1. 直方圖 p1=plt.figure(figsize=(12,12)) # 子圖 1 a1=p1.add_subplot(2,2,1) plt.bar(range(2),values[19,2:4],width=0.5,color='orange') plt.ylabel(' 人口（萬人） ') plt.ylim(0,80000) plt.xticks(range(2),label1) plt.title('1996 年男、女人口數直方圖 ') # 子圖 2 b1=p1.add_subplot(2,2,2) plt.bar(range(2),values[0,2:4],width=0.5,color='red') plt.ylabel(' 人口（萬人） ') plt.ylim(0,80000) plt.xticks(range(2),label1) plt.title('2015 年男、女人口數直方圖 ') # 子圖 3 c1=p1.add_subplot(2,2,3) plt.bar(range(2),values[19,4:6],width=0.5,color='orange') plt.xlabel(' 類別 ') plt.ylabel(' 人口（萬人） ') plt.ylim(0,90000) plt.xticks(range(2),label2) plt.title('1996 年城、鄉人口數直方圖 ') # 子圖 4 d1=p1.add_subplot(2,2,4) plt.bar(range(2),values[0,4:6],width=0.5,color='red') plt.xlabel(' 類別 ') plt.ylabel(' 人口（萬人） ') plt.ylim(0,90000) plt.xticks(range(2),label2) plt.title('2015 年城、鄉人口數直方圖 ') ex=[0 for x in data] ex[0] = 0.015 #2. 餅圖 p2=plt.figure(figsize=(8,8)) # 子圖 1 a2=p2.add_subplot(2,2,1) plt.pie(values[19,2:4],explode=ex,labels=label1,colors=['pink','crimson'],autopct='%1.1f%%') plt.title('1996 年男、女人口數餅圖 ') # 子圖 2 b2=p2.add_subplot(2,2,2) plt.pie(values[0,2:4],explode=ex,labels=label1,colors=['PeachPuff','skyblue'],autopct='%1.1f%%') plt.title('2015 年男、女人口數餅圖 ') # 子圖 3 c2=p2.add_subplot(2,2,3) plt.pie(values[19,4:6],explode=ex,labels=label2,colors=['pink','crimson'],autopct='%1.1f%%') plt.title('1996 年城、鄉人口數餅圖 ') # 子圖 4 d2=p2.add_subplot(2,2,4) plt.pie(values[0,4:6],explode=ex,labels=label2,colors=['PeachPuff','skyblue'],autopct='%1.1f%%') plt.title('2015 年城、鄉人口數餅圖 ') #3. 箱線圖 p3=plt.figure(figsize=(10,10)) plt.boxplot(values[0:20,1:6],notch=True,labels=[' 年末 ',' 男性 ',' 女性 ',' 城鎮 ',' 鄉村 '],meanline=True) plt.xlabel(' 類別 ') plt.ylabel(' 人口（萬人） ') plt.title('1996~2015 年各特征人口箱線圖 ') # 顯示 plt.show()

在每一幅子圖上繪制對應的圖形

總結

以上是生活随笔為你收集整理的数据可视化|实验五 分析1996-2015年人口数据各个特征的分布与分散状况的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。