sales@lix.by
г.Минск, ул. Тимирязева, д.67, пом. 218
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Blabar

Blabar

# 使用Python实现简单的数据可视化下面是一个使用Python的matplotlib库创建简单数据可视化的示例。这个程序会生成一个包含折线图、柱状图和散点图的综合图表。```pythonimport matplotlib.pyplot as pltimport numpy as np# 设置中文字体支持plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']plt.rcParams['axes.unicode_minus'] = False# 创建示例数据np.random.seed(42) # 设置随机种子以确保结果可重复x = np.arange(1, 11) # x轴数据：1到10y_line = x * 2 + np.random.normal(0, 2, 10) # 线性数据加随机噪声y_bar = np.random.randint(5, 20, 10) # 柱状图数据x_scatter = np.random.normal(5, 2, 50) # 散点图x数据y_scatter = x_scatter * 1.5 + np.random.normal(0, 3, 50) # 散点图y数据# 创建图形和子图fig, axes = plt.subplots(2, 2, figsize=(12, 10))fig.suptitle('数据可视化示例', fontsize=16, fontweight='bold')# 1. 折线图axes[0, 0].plot(x, y_line, marker='o', color='royalblue', linewidth=2, markersize=8)axes[0, 0].set_title('折线图示例', fontsize=14)axes[0, 0].set_xlabel('X轴', fontsize=12)axes[0, 0].set_ylabel('Y轴', fontsize=12)axes[0, 0].grid(True, alpha=0.3)axes[0, 0].fill_between(x, y_line, alpha=0.2, color='royalblue')# 2. 柱状图colors = plt.cm.viridis(np.linspace(0, 1, len(x)))axes[0, 1].bar(x, y_bar, color=colors, edgecolor='black', linewidth=1)axes[0, 1].set_title('柱状图示例', fontsize=14)axes[0, 1].set_xlabel('类别', fontsize=12)axes[0, 1].set_ylabel('数值', fontsize=12)axes[0, 1].set_xticks(x)# 在柱子上方添加数值标签for i, v in enumerate(y_bar): axes[0, 1].text(x[i], v + 0.5, str(v), ha='center', fontsize=10)# 3. 散点图scatter = axes[1, 0].scatter(x_scatter, y_scatter, c=np.sqrt(x_scatter**2 + y_scatter**2), cmap='plasma', alpha=0.7, s=50)axes[1, 0].set_title('散点图示例', fontsize=14)axes[1, 0].set_xlabel('X值', fontsize=12)axes[1, 0].set_ylabel('Y值', fontsize=12)axes[1, 0].grid(True, alpha=0.3)# 添加颜色条cbar = plt.colorbar(scatter, ax=axes[1, 0])cbar.set_label('距离原点的距离', fontsize=10)# 4. 组合图（折线+柱状）axes[1, 1].bar(x, y_bar, alpha=0.5, color='lightcoral', label='柱状数据')axes[1, 1].set_xlabel('X轴', fontsize=12)axes[1, 1].set_ylabel('柱状图数值', fontsize=12, color='lightcoral')axes[1, 1].tick_params(axis='y', labelcolor='lightcoral')# 创建第二个y轴用于折线图ax2 = axes[1, 1].twinx()ax2.plot(x, y_line, marker='s', color='darkgreen', linewidth=2, label='折线数据')ax2.set_ylabel('折线图数值', fontsize=12, color='darkgreen')ax2.tick_params(axis='y', labelcolor='darkgreen')axes[1, 1].set_title('组合图示例', fontsize=14)# 合并图例lines1, labels1 = axes[1, 1].get_legend_handles_labels()lines2, labels2 = ax2.get_legend_handles_labels()axes[1, 1].legend(lines1 + lines2, labels1 + labels2, loc='upper left')# 调整布局plt.tight_layout()# 保存图表plt.savefig('data_visualization.png', dpi=150, bbox_inches='tight')# 显示图表plt.show()# 打印数据统计信息print("数据统计信息:")print(f"折线图数据 - 平均值: {np.mean(y_line):.2f}, 标准差: {np.std(y_line):.2f}")print(f"柱状图数据 - 总和: {np.sum(y_bar)}, 最大值: {np.max(y_bar)}, 最小值: {np.min(y_bar)}")print(f"散点图数据 - 相关系数: {np.corrcoef(x_scatter, y_scatter)[0,1]:.3f}")```## 运行说明1. **环境要求**： - Python 3.6+ - 需要安装matplotlib和numpy库 - 安装命令：`pip install matplotlib numpy`2. **运行程序**： - 将代码保存为`.py`文件（如`visualization.py`） - 在命令行中运行：`python visualization.py`3. **输出结果**： - 程序会显示一个包含4个子图的综合图表窗口 - 同时会在当前目录生成一个名为`data_visualization.png`的图片文件 - 在控制台输出数据的统计信息## 图表说明1. **折线图**：展示带有随机波动的线性趋势数据，使用填充区域增强视觉效果2. **柱状图**：展示分类数据，使用渐变色并添加数值标签3. **散点图**：展示两个变量之间的关系，颜色表示点到原点的距离4. **组合图**：在同一图表中展示柱状图和折线图，使用双Y轴这个示例展示了matplotlib的基本用法，包括创建子图、设置样式、添加标签和图例等常用功能。你可以根据需要修改数据或图表类型来适应不同的可视化需求。

Быстрый просмотр

Придверный коврик Blabar Welcome 40x60см 61038

Гарантия (месяцев)

:

12

Комментарии

Загрузка комментариев...

Назад к списку

Продолжая использовать сайт, вы соглашаетесь с политикой использования файлов cookie.