Смартфоны Холодильники Телевизоры Водонагреватели (бойлеры) Газонокосилки Триммеры

sales@lix.by
г.Минск, ул. Тимирязева, д.67, пом. 428
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Game Hub

# 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。 ```python import matplotlib.pyplot as plt import numpy as np import matplotlib # 设置中文字体支持 matplotlib.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans'] matplotlib.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现 # 生成时间序列数据 x = np.arange(1, 31) # 1到30天 y_line = 50 + 10 * np.sin(x/3) + np.random.normal(0, 2, 30) # 带有噪声的正弦曲线 # 生成分类数据 categories = ['A', 'B', 'C', 'D', 'E'] y_bar = np.random.randint(20, 80, 5) # 随机柱状图数据 # 生成散点图数据 x_scatter = np.random.randn(50) * 5 + 25 y_scatter = 0.8 * x_scatter + np.random.randn(50) * 3 + 10 # 创建图表 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 - 显示趋势 axes[0, 0].plot(x, y_line, marker='o', color='steelblue', linewidth=2, markersize=5) axes[0, 0].set_title('折线图: 时间序列趋势', fontsize=12) axes[0, 0].set_xlabel('天数') axes[0, 0].set_ylabel('数值') axes[0, 0].grid(True, alpha=0.3) axes[0, 0].fill_between(x, y_line.min(), y_line, alpha=0.2, color='steelblue') # 2. 柱状图 - 分类比较 bars = axes[0, 1].bar(categories, y_bar, color=['#FF6B6B', '#4ECDC4', '#FFD166', '#06D6A0', '#118AB2']) axes[0, 1].set_title('柱状图: 分类数据比较', fontsize=12) axes[0, 1].set_xlabel('类别') axes[0, 1].set_ylabel('数值') # 在柱状图上添加数值标签 for bar, value in zip(bars, y_bar): height = bar.get_height() axes[0, 1].text(bar.get_x() + bar.get_width()/2., height + 1, f'{value}', ha='center', va='bottom', fontsize=10) # 3. 散点图 - 显示相关性 scatter = axes[1, 0].scatter(x_scatter, y_scatter, c=y_scatter, cmap='viridis', alpha=0.7, edgecolors='w', s=80) axes[1, 0].set_title('散点图: 变量相关性', fontsize=12) axes[1, 0].set_xlabel('X变量') axes[1, 0].set_ylabel('Y变量') # 添加趋势线 z = np.polyfit(x_scatter, y_scatter, 1) p = np.poly1d(z) axes[1, 0].plot(x_scatter, p(x_scatter), "r--", alpha=0.8, linewidth=1.5) # 添加颜色条 cbar = plt.colorbar(scatter, ax=axes[1, 0]) cbar.set_label('Y值强度') # 4. 组合图 - 显示数据分布 # 创建组合图表：箱线图和小提琴图 data_to_plot = [y_line[:10], y_line[10:20], y_line[20:]] positions = [1, 2, 3] labels = ['第一组', '第二组', '第三组'] # 箱线图 bp = axes[1, 1].boxplot(data_to_plot, positions=positions, widths=0.3, patch_artist=True, labels=labels) # 设置箱线图颜色 colors = ['lightblue', 'lightgreen', 'lightcoral'] for patch, color in zip(bp['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) # 添加散点显示数据点 for i, data in enumerate(data_to_plot): # 添加一些随机抖动，避免点重叠 x_jitter = np.random.normal(positions[i], 0.05, len(data)) axes[1, 1].scatter(x_jitter, data, alpha=0.5, s=30, color='darkblue', edgecolors='w') axes[1, 1].set_title('组合图: 数据分布比较', fontsize=12) axes[1, 1].set_ylabel('数值') # 调整布局 plt.tight_layout(rect=[0, 0, 1, 0.96]) # 为总标题留出空间 # 添加整体说明 fig.text(0.5, 0.02, '本图表展示了四种常见的数据可视化方法：折线图(趋势)、柱状图(比较)、散点图(相关性)和组合图(分布)', ha='center', fontsize=10, style='italic') # 显示图表 plt.show() # 保存图表到文件 try: fig.savefig('data_visualization_example.png', dpi=150, bbox_inches='tight') print("图表已保存为 'data_visualization_example.png'") except Exception as e: print(f"保存图表时出错: {e}") # 打印一些统计信息 print("\n数据统计信息:") print(f"折线图数据 - 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)}") 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. 这个程序需要安装以下Python库： - matplotlib - numpy 2. 安装方法： ```bash pip install matplotlib numpy ``` 3. 程序功能： - 生成一个2x2的子图布局，包含四种不同类型的图表 - 使用随机数据演示不同的可视化技术 - 自动保存图表为PNG文件 - 在控制台输出数据统计信息 4. 图表说明： - 左上角：折线图，展示时间序列趋势 - 右上角：柱状图，展示分类数据比较 - 左下角：散点图，展示两个变量的相关性 - 右下角：组合图（箱线图+散点），展示数据分布这个示例展示了如何使用Python进行基本的数据可视化，适合数据分析初学者学习和参考。你可以修改数据生成部分，使用自己的数据来创建定制化的可视化图表。

Комментарии

Загрузка комментариев...

Назад к списку

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