可视化实验十一:利用Python绘制气泡图、雷达图 | 您所在的位置:网站首页 › 二维气泡图怎么做 › 可视化实验十一:利用Python绘制气泡图、雷达图 |
实验目的:
掌握Python中气泡图、雷达图绘图函数的使用及展示图形的意义利用上述绘图函数实现数据可视化
实验内容:
练习python中气泡图、雷达图绘图函数的用法,掌握相关参数的概念根据步骤一绘图函数要求,处理实验数据根据步骤二得到的实验数据,绘制气泡图、雷达图练习如何通过调整参数使图片呈现不同效果,例如颜色、图例位置、背景网格、坐标轴刻度和标记等
实验过程(附结果截图):
1. 练习python中气泡图、雷达图绘图函数的用法,掌握相关参数的概念 (1)绘制气泡图 import matplotlib.pyplot as plt import numpy as np # 这两行代码解决 plt 中文显示的问题 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 输入产量与温度数据 production = [1125, 1725, 2250, 2875, 2900, 3750, 4125] tem = [6, 8, 10, 13, 14, 16, 21] rain = [25, 40, 58, 68, 110, 98, 120] colors = np.random.rand(len(tem)) # 颜色数组 size = production plt.scatter(tem, rain, s=size, c=colors, alpha=0.6) # 画散点图, alpha=0.6 表示不透明度为 0.6 plt.ylim([0, 150]) # 纵坐标轴范围 plt.xlim([0, 30]) # 横坐标轴范围 plt.xlabel('温度') # 横坐标轴标题 plt.ylabel('降雨量') # 纵坐标轴标题 plt.show()
(1)实验数据 d = {"时间":pd.Series([2006,2007,2008,2009,2010]), "数量":pd.Series([10,200,120,150,300]), "大小":pd.Series([50,130,40,50,160]), "分类":pd.Series([1,2,0,1,2]), "判断":pd.Series([True,True,True,True,True])}3. 根据步骤二得到的实验数据,绘制气泡图、雷达图 (1)绘制气泡图 import pandas as pd import matplotlib.pyplot as plt import pandas as pd d = {"时间": pd.Series([2006, 2007, 2008, 2009, 2010]), "数量": pd.Series([10, 200, 120, 150, 300]), "大小": pd.Series([50, 130, 40, 50, 160]), "分类": pd.Series([1, 2, 0, 1, 2]), "判断": pd.Series([True, True, True, True, True])} df = pd.DataFrame(d) # 先定义气泡大小,rank 函数将大小列进行大小分配,越大的值分配结果也越高 # n 为倍数,用来调节气泡的大小,且看后头 size = df['大小'].rank() n = 20 # 定义一个字典,将颜色跟对应的分类进行绑定 color = {0: 'red', 1: 'blue', 2: 'orange'} # 增加color的参数,用列表解析式将data分类中的每个数据的数字映射到前面color的颜色中 plt.scatter(df['数量'], df['大小'], color=[color[i] for i in df['分类']]) plt.show()
(1)绘制气泡图 import pandas as pd import matplotlib.pyplot as plt import pandas as pd d = {"时间": pd.Series([2006, 2007, 2008, 2009, 2010]), "数量": pd.Series([10, 200, 120, 150, 300]), "大小": pd.Series([50, 130, 40, 50, 160]), "分类": pd.Series([1, 2, 0, 1, 2]), "判断": pd.Series([True, True, True, True, True])} df = pd.DataFrame(d) # 先定义气泡大小,rank 函数将大小列进行大小分配,越大的值分配结果也越高 # n 为倍数,用来调节气泡的大小,且看后头 size = df['大小'].rank() n = 20 # 定义一个字典,将颜色跟对应的分类进行绑定 color = {0: 'red', 1: 'blue', 2: 'orange'} # 增加color的参数,用列表解析式将data分类中的每个数据的数字映射到前面color的颜色中 plt.scatter(df['数量'], df['大小'], color=[color[i] for i in df['分类']], s=size*n, alpha=0.6) plt.show()
|
CopyRight 2018-2019 实验室设备网 版权所有 |