使用 scatter 函數繪制 2000-2017 年各季度的國民生產總值散點圖

import matplotlib.pyplot as plt import numpy as np data=np.load('./國民經濟核算季度數據.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 年季度生產總值散點圖 ') plt.savefig('./tmp/2000-2017 年季度生產總值散點圖.png') plt.show()

繪制 2000-2017 年第一產業、第二產業、第三產業各季度的國民生產總值 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 各產業季度生產總值 ') plt.legend([' 第一產業 ', ' 第二產業 ', ' 第三產業 ']) plt.savefig('./tmp/三種產業散點圖.png') plt.show()

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

使用 plot 函數繪制 2000-2017 年各產業第一季度季度生產總值折線圖

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 各產業第一季度折線圖 ') plt.legend([' 第一產業 ', ' 第二產業 ', ' 第三產業 ']) plt.savefig('./tmp/ 各產業第一季度折線圖 .png') plt.show()

繪制 2000-2017 年各產業各季度生產總值點線圖

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

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 年各產業季度生產總值折線圖 ') plt.legend([' 第一產業 ', ' 第二產業 ', ' 第三產業 ']) plt.savefig('./tmp/2000-2017 年季度各產業生產總值折線圖.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業的季度性波動與整體增長趨勢。此外，使用 marker 參數可以繪制點線圖，一定情況下能夠使得圖形更加豐富。

總結

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。