1. 问题描述
使用 Iris 数据集，在一个 figure 中绘制出右侧的 16 个子图。
分别使用花瓣长度、花瓣宽度、花萼长度和花萼宽度这四种数据，两两组合，形成散点。
找一组自己感兴趣的真实数据，绘制出饼图。并看看数据的项数在什么范围比较合适在饼图中展示；
调整数据的顺序或角度，使得第一个扇区在 12 点方向开始；
调整字体的大小、标签的位置等参数。
在中国地图上展示每个省的高考人数或大学数量。
展示自己家乡所在城市的温度变化热力图，要求至少有 10 天的数据。
生成一个直方图，有 25 根直方柱。要求直方柱的最小值是 1，最大值是 25，要求沿着边缘，从外到内逐步增大
生成一个金字塔的线图；
生成一上一下两个金字塔，叠放在一起。
生成一个散点图，z=x2+y2
2. 实验环境
Microsoft Windows 10 版本18363
PyCharm .2.1 (Community Edition)
Python 3.8(Scrapy 2.4.0 + numpy 1.19.4 + pandas 1.1.4 + matplotlib 3.3.3)
3. 实验步骤及结果
使用 Iris 数据集，在一个 figure 中绘制出右侧的 16 个子图。
分别使用花瓣长度、花瓣宽度、花萼长度和花萼宽度这四种数据，两两组合，形成散点。
from matplotlib import pyplot as pltimport numpy as npimport pandas as pdfrom pylab import *mpl.rcParams['font.sans-serif'] = ['SimHei']df = pd.read_csv("./iris.csv", encoding='utf-8', dtype=str)df = pd.DataFrame(df, columns=['Sepal.length', 'Sepal.width', 'Petal.Length', 'Petal.Width', 'Species'], dtype=str)colors = ['blue', 'orange', 'green']df['Sepal.length'] = df['Sepal.length'].astype(np.float)df['Sepal.width'] = df['Sepal.width'].astype(np.float)df['Petal.Length'] = df['Petal.Length'].astype(np.float)df['Petal.Width'] = df['Petal.Width'].astype(np.float)Species = df.Species.unique()print(Species)fig, ax = plt.subplots()labelx = ['Petal.Width', 'Petal.Length', 'Sepal.width', 'Sepal.length']labely = ['Sepal.length', 'Sepal.width', 'Petal.Length', 'Petal.Width']for index in range(16):plt.subplot(4, 4, index + 1)plt.xlabel(labelx[index % 4])plt.ylabel(labely[int(index / 4)])plt.title(labelx[index % 4] + ' vs ' + labely[int(index / 4)])plt.grid(True, linestyle='--', alpha=0.8)for i in range(len(Species)):plt.scatter(df.loc[df.Species == Species[i], labelx[index % 4]], df.loc[df.Species == Species[i], labely[int(index / 4)]], s=5, color=colors[i], label=Species[i])plt.subplots_adjust(left=None, bottom=None, right=None, top=None,wspace=1, hspace=1)plt.show()
找一组自己感兴趣的真实数据，绘制出饼图。并看看数据的项数在什么范围比较合适在饼图中展示；
调整数据的顺序或角度，使得第一个扇区在 12 点方向开始；
调整字体的大小、标签的位置等参数。
选用了之前北京 - 年 PM 值状况所对应的的空气质量等级进行了饼图展示，调整了字体大小、位置、饼图大小、每一块的顺序(顺逆时针)、初始块的角度等。
from matplotlib import pyplot as pltimport numpy as npimport pandas as pdfrom pylab import *mpl.rcParams['font.sans-serif'] = ['SimHei']section = [0, 35, 75, 115, 150, 250, 99999]section_name = ["优", "良", "轻度污染", "中度污染", "重度污染", "严重污染"]orig_df = pd.read_csv("./BeijingPM0101_1231.csv", encoding='utf-8', dtype=str)orig_df = pd.DataFrame(orig_df, columns=['year', 'month', 'day', 'PM_US Post'])df = orig_df.dropna(0, how='any')df['PM_US Post'] = df['PM_US Post'].astype(np.int)result = pd.DataFrame(pd.cut(df['PM_US Post'], section, labels=section_name, ordered=False))result_count = result['PM_US Post'].value_counts(sort=False)plt.pie(result_count, labels=result_count.index, startangle=90, counterclock=False, radius=1.5, textprops={'fontsize':8}, labeldistance=0.5)plt.show()
可以发现该饼图的严重污染部分已经发生了错位，因而饼图适合于 5~6 块，即最小块不要小于 15% 左右会比较好看。
在中国地图上展示每个省的高考人数或大学数量
选择展示各省/市的公办本科大学数量。
from pyecharts import options as optsfrom pyecharts.charts import Mapimport numpy as npimport pandas as pdimport randomdf = pd.read_csv("./中国大学数量.csv", encoding='utf-8', dtype=np.str)df = pd.DataFrame(df, columns=['省/市', '公办本科大学数量'])df['省/市'] = df['省/市'].astype(np.str)df['公办本科大学数量'] = df['公办本科大学数量'].astype(np.int)class Data:@staticmethoddef province() -> list:res = []for i in range(len(df)):res.append(str(df['省/市'][i]))return res@staticmethoddef values() -> list:res = []for i in range(len(df)):res.append(int(df['公办本科大学数量'][i]))return resdef map2() -> Map:c = (Map().add("数量", [list(z) for z in zip(Data.province(), Data.values())], "china").set_global_opts(title_opts=opts.TitleOpts(title="各省公办本科大学数量"),visualmap_opts=opts.VisualMapOpts(min_=int(df['公办本科大学数量'].min()), max_=int(df['公办本科大学数量'].max()))).set_series_opts(label_opts=opts.LabelOpts(is_show=True)))return cmap2().render("map2.html")
展示自己家乡所在城市的温度变化热力图，要求至少有 10 天的数据。
选取深圳市作图，爬取如下网址未来十天深圳市的天气数据
/shenzhen/15/](/shenzhen/15/)
import scrapyfrom weather.items import WeatherItemclass TianqiSpider(scrapy.Spider):name = 'tianqi'allowed_domains = ['']start_urls = ['/shenzhen/15']def parse(self, response):item = WeatherItem()data = response.xpath('//ul[@class="weaul"]/li')for each in data:item['date'] = each.xpath('a/div[1]/span[1]/text()').extract()low = each.xpath('a/div[4]/span[1]/text()').extract()[0]high = each.xpath('a/div[4]/span[2]/text()').extract()[0]item['temperature'] = str((int(low) + int(high)) / 2)yield itempass
爬虫代码及结果如上
from pyecharts import options as optsfrom pyecharts.charts import Geofrom pyecharts.globals import ChartTypefrom pyecharts.render import make_snapshotfrom snapshot_phantomjs import snapshotimport pandas as pdimport numpy as npdf = pd.read_csv("./weather.csv", encoding='utf-8', dtype=np.str)df = pd.DataFrame(df, columns=['temperature'])df['temperature'] = df['temperature'].astype(np.float)day = 0class Data:guangdong_city = ["深圳市"]@staticmethoddef values() -> list:res = []for i in range(len(df)):res.append(float(df['temperature'][i]))return resdef geo_guangdong(title) -> Geo:c = (Geo().add_schema(maptype="广东").add(title,[list(z) for z in zip(Data.guangdong_city, [Data.values()[day]])],type_=ChartType.HEATMAP,).set_global_opts(visualmap_opts=opts.VisualMapOpts(min_=0, max_=int(df['temperature'].max())),#is_piecewise=True),title_opts=opts.TitleOpts(title="广东省深圳市12月13-27日温度变化情况"),))return cfor i in range(10):day = istr_date="12月" + str(i+13) + "日"make_snapshot(snapshot, geo_guangdong(str_date).render(),str(i+1)+".png", pixel_ratio=1)
生成 10 天热力图代码如上。
其中一张如上，其余另附。
生成一个直方图，有 25 根直方柱。要求直方柱的最小值是 1，最大值是 25，要求沿着边缘，从外到内逐步增大
import numpy as npimport matplotlib.pyplot as pltimport mathfrom mpl_toolkits.mplot3d import Axes3D#1.生成fig对象和ax对象fig = plt.figure()ax = fig.add_subplot(projection='3d')ax.set_xlabel('X Label')ax.set_ylabel('Y Label')ax.set_zlabel('Z Label')#2.生成数据x = []y = []z = [i + 1 for i in range(25)]left = up = -1down = right = 5px = py = 0x.append(px)y.append(py)def add(px, py):x.append(px)y.append(py)while True:if px == 2 and py == 2:breakwhile py + 1 < down:py = py + 1add(px, py)left = left + 1while px + 1 < right:px = px + 1add(px, py)down = down - 1while py - 1 > up:py = py - 1add(px, py)right = right - 1while px - 1 > left:px = px - 1add(px, py)up = up + 1bottom = [0 for _ in range(25)]width = depth = 0.5#3.调用bar3d，画3D直方图ax.bar3d(x, y, bottom, width, depth, z, shade=True)#4.显示图形plt.show()
生成一个金字塔的线图；
生成一上一下两个金字塔，叠放在一起。
import numpy as npimport matplotlib.pyplot as pltimport mathfrom mpl_toolkits.mplot3d import Axes3D#1.生成fig对象和ax对象fig = plt.figure()ax = fig.add_subplot(projection='3d')ax.set_xlabel('X Label')ax.set_ylabel('Y Label')ax.set_zlabel('Z Label')#2.生成数据x = np.array([1,0,2,1,2,2,1,2,0,1,0,0])y = np.array([1,0,0,1,0,2,1,2,2,1,2,0])z = np.array([1,0,0,1,0,0,1,0,0,1,0,0])z_minus = -1 * z;#3.调用plot，画3D的线图ax.plot(x,y,z_minus,"b",marker='o')ax.plot(x,y,z,"r",marker='o')#4.显示图形plt.show()
生成一个散点图，z=x2+y2
import numpy as npimport matplotlib.pyplot as pltimport randomimport mathfrom mpl_toolkits.mplot3d import Axes3D#1.生成fig对象和ax对象fig = plt.figure()ax = fig.add_subplot(projection='3d')ax.set_xlabel('X Label')ax.set_ylabel('Y Label')ax.set_zlabel('Z Label')#2.生成数据x = np.linspace(-100,100,10000)np.random.shuffle(x)y = np.linspace(-100,100,10000)np.random.shuffle(y)z = x**2 + y**2 - 20000z_minus = -1 * zax.scatter(x, y, z, zdir='z', s=1, c='r', marker='.', depthshade=True)ax.scatter(x, y, z_minus, zdir='z', s=1, c='b', marker='.', depthshade=True)#4.显示图形plt.show()
基于python实现的图像绘制（二维散点图 饼图 绘制三维的直方图 线图 散点图 利用pyecharts在地图上绘制各种图标）
