前言

期末可视化复习资料

划重点！！！
特别要重视1.1、1.2、1.8、1.9、2.2、2.4、2.5、2.6、2.7、2.8、2.9.
通过这些给定范围，再把题库选择、判断认真复习、一定可以取得好成绩。

一、绘制常见图形。

1.1 sinx、cosx曲线图

使用matplotlib进行绘制

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,4*np.pi) #np.pi=3.14
y = np.sin(x)
plt.rcParams['font.sans-serif']='SimHei'
plt.title('sin曲线')
plt.plot(x,y)
plt.show()

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,4*np.pi) #np.pi=3.14
y = np.cos(x)
plt.rcParams['font.sans-serif']='SimHei'
plt.title('cos曲线')
plt.plot(x,y)
plt.show()

1.2 散点图

以下分别使用matplotlib、pyecharts进行绘制

1.2.1通过matplotlib实现

import matplotlib.pyplot as plt
import csv
filename = "D:\\数据可视化\\flowingdata_subscribers.csv"
datay = []
with open(filename) as f:reader = csv.reader(f)for datarow in reader:if reader.line_num != 1:datay.append(int(datarow[1]))
plt.figure() #创建画布
datax = list(range(1,len(datay)+1))
plt.scatter(datax,datay,s=50,c='r',marker='o',alpha=0.5)
plt.show()

1.2.2通过pyecharts实现

from pyecharts.charts import Scatter
from pyecharts import options as opts
import csv
filename = "D:\\数据可视化\\flowingdata_subscribers.csv"
scatter = Scatter()
datax = []
datay = []
with open(filename) as f:reader = csv.reader(f)for datarow in reader:if reader.line_num !=1:#print(reader.line_num,datarow)datay.append(int(datarow[1])) #datax.append(datarow[0][[3:5]]) datarow[0]:Data；值形如：01-01-2010
#print(len(datay))
datax = list(range(1,len(datay)+1))
scatter.add_xaxis(datax)
scatter.add_yaxis("订阅量",datay)
scatter.set_global_opts(title_opts = opts.TitleOpts(title="杂志订阅量"))
scatter.render("2021-6-23.html")

1.3 柱形图

1.3.1通过matplotlib实现

import matplotlib.pyplot as plt
import csv
plt.rcParams['font.family']=['sans-serif']
plt.rcParams['font.sans-serif']=['SimHei']#用来显示中文标签
filename="D:/数据可视化/hot-dog-contest-winners.csv"
datax = []
datay = []
with open(filename) as f:reader = csv.reader(f)for datarow in reader:if reader.line_num != 1:datay.append(datarow[2])datax.append(datarow[0])
plt.bar(datax,datay)
plt.xlabel('时间')
plt.ylabel('人口总量（亿）')
plt.title('全球历年人口总量')
plt.show()

1.3.2通过pyecharts实现

1.4 柱形堆叠图

1.4.1通过matplotlib实现

import matplotlib.pyplot as plt
import csv
import numpy as np
plt.rcParams['font.family']=['sans-serif']
plt.rcParams['font.sans-serif']=['SimHei']#用来显示中文标签
filename = 'D:/数据可视化/hot-dog-places.csv'
data = []
with open(filename) as f:reader = csv.reader(f)for datarow in reader:data.append(datarow)
datax =  [float(x) for x in data[0]]
datay_A = [float(y) for y in data[1]]
datay_B =  [float(y)for y in data[2]]
datay_C =  [float(y)for y in data[3]]
dataA = np.array(datay_A) + np.array(datay_B) + np.array(datay_C)#冠亚季所吃的热狗数量的总和
dataB = np.array(datay_B) + np.array(datay_C)#亚季军所吃的热狗数量总和
dataC = datay_C
plt.bar(datax,dataA,label='冠军')
plt.bar(datax,dataB,label='亚军')
plt.bar(datax,dataC,label='季军')
plt.xlabel('时间')
plt.ylabel('比赛结果（kg）')
plt.title('热狗大胃王比赛前三甲')
plt.legend(loc=2)#图例展示位置，数字代表第几象限
plt.tight_layout()
#fig,ax = plt.subplots()
#ax.bar(datax,dataA,label='冠军')
#ax.bar(datax,dataB,label='亚军')
#ax.bar(datax,dataC,label='季军')
#ax.set_xlabel('时间')
#ax.set_ylabel('比赛结果（kg）')
#ax.set_title('热狗大胃王比赛前三甲')
#ax.legend(loc=2)
#fig.tight_layout()plt.show()

1.4.2通过pyecharts实现

1.5 折线图

绘制过去50年世界人口趋势图。

1.6 拟合曲线

绘制一个美国过去几十年失业率拟合曲线。

1.7 堆叠面积图

1.8 雷达图

from pyecharts.charts import Radar
from pyecharts import options as opts
schema = [  {"name":"销售","max": 6500}, {"name":"管理","max": 16000}, {"name":"信息技术","max" :30000},{"name":"客服","max": 38000}, {"name":"研发","max": 52000}, {"name":"市场","max": 25000}]
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
radar = Radar()
radar.add_schema(schema=schema)
radar.add("预算分配", v1, color='red')
radar.add("实际开销", v2, color='blue')
radar.render('radar.html')

1.9 饼图

from pyecharts.charts import Pie
from pyecharts import options as opts
import pandas as pd
vote = pd.read_excel('D://数据可视化//vote_result.xlsx')
pie = Pie()
x_data = vote['Areas_of_interest']
y_data = vote['Votes']
data_pair = [list(z) for z in zip(x_data,y_data)]
pie.add('',data_pair = data_pair)
pie.render()
或者下面代码同样可以实现
#from pyecharts.charts import Pie
#from pyecharts import options as opts
#import pandas as pd
#vote = pd.read_excel('D://数据可视化//vote_result.xlsx')
#pie = Pie()
#pie.add('',vote.values.tolist())
#pie.render()

二、其他细节考点

2.1在matplotlib中基本参数设置

2.1.1有关x,y轴设置：

添加X轴标题：plt.xlabel()
添加Y轴标题：plt.ylabel()
添加X轴范围：plt.xlim()
添加Y轴范围：plt.ylim()
添加整个图片标题：plt.title()

2.1.2有关numpy常用函数

np.arange(n) ; 元素从0到n-1的ndarray类型
np.ones(shape): 生成全1
np.zeros((shape)， ddtype = np.int32) ： 生成int32型的全0
np.full(shape, val): 生成全为val
np.eye(n) : 生成单位矩阵np.ones_like(a) : 按数组a的形状生成全1的数组
np.zeros_like(a): 同理
np.full_like (a, val) : 同理np.linspace（1,10,4）： 根据起止数据等间距地生成数组
np.linspace（1,10,4, endpoint = False）：endpoint 表示10是否作为生成的元素

- 一维数组切片
a = np.array ([9, 8, 7, 6, 5, ])
a[1:4:2] –> array([8, 6]) ： a[起始编号：终止编号（不含）： 步长]- 多维数组索引
a = np.arange(24).reshape((2, 3, 4))
a[1, 2, 3] 表示 3个维度上的编号， 各个维度的编号用逗号分隔- 多维数组切片
a [：，：，：：2 ] 缺省时，表示从第0个元素开始，到最后一个元素数组的运算
np.abs(a) np.fabs(a) : 取各元素的绝对值
np.sqrt(a) : 计算各元素的平方根
np.square(a): 计算各元素的平方
np.log(a) np.log10(a) np.log2(a) : 计算各元素的自然对数、10、2为底的对数
np.ceil(a) np.floor(a) : 计算各元素的ceiling 值， floor值（ceiling向上取整，floor向下取整）
np.rint(a) : 各元素 四舍五入
np.modf(a) : 将数组各元素的小数和整数部分以两个独立数组形式返回
np.exp(a) : 计算各元素的指数值
np.sign(a) : 计算各元素的符号值 1（+），0，-1（-）
.
np.maximum(a, b) np.fmax() : 比较（或者计算）元素级的最大值
np.minimum(a, b) np.fmin() : 取最小值
np.mod(a, b) : 元素级的模运算
np.copysign(a, b) : 将b中各元素的符号赋值给数组a的对应元素

2.1.3.常见曲线的名称

plt.plot(x,y , fmt) ：绘制坐标图
plt.boxplot(data, notch, position): 绘制箱形图
plt.bar(left, height, width, bottom) : 绘制条形图
plt.barh(width, bottom, left, height) : 绘制横向条形图
plt.polar(theta, r) : 绘制极坐标图
plt.pie(data, explode) : 绘制饼图
plt.scatter(x, y) :绘制散点图
plt.hist(x, bings, normed) : 绘制直方图

2.2 jupyter notebook两种渲染方式

渲染图片
bar.render(path)                          #将图片渲染为html文件
bar.render_notebook()              #直接在jupytr notebook中渲染

2.3 可视化步骤

数据采集、数据处理和变换、可视化映射和用户感知四大步骤

2.4 ggplot图层

1）数据层（必须存在的图形层）
2）几何图形层（即想要绘图的图形类型，也是必须存在的图形层）
3）美学层（作用是图形美化）

2.5 可视化作用

1.记录信息
2.分析推理
3.信息传播与协同

2.6 简述直方图和柱形图的区别

1.直方图展示数据的分布，柱状图比较数据的大小。
2.直方图X轴为定量数据，柱状图X轴为分类数据。因此，直方图上的每根柱子都是不可移动的，X轴上的区间是连续的、固定的。而柱状图上的每根柱子是可以随意排序的，有的情况下需要按照分类数据的名称排列，有的则需要按照数值的大小排列。
3.直方图柱子无间隔，柱状图柱子有间隔。
4.直方图柱子宽度可不一，柱状图柱子宽度须一致。柱状图柱子的宽度因为没有数值含义，所以宽度必须一致。但是在直方图中，柱子的宽度代表了区间的长度，根据区间的不同，柱子的宽度可以不同，但理论上应为单位长度的倍数。

2.7 简述折线图和柱形图的区别

（1）折线图是用直线段将各数据点连接起来而组成的图形，以折线方式显示数据的变化趋势；柱形图又称条形图、直方图，是以高度或长度的差异来显示统计指标数值的一种图形，用于显示一段时间内的数据变化或显示各项之间的比较情况。
（2）在折线图中，沿水平轴均匀分布的是时间，沿垂直轴均匀分布的是数值；柱形图中数值的体现就是柱形的高度，柱形越矮则数值越小，柱形越高则数值越大。
（3）折线图描述的是连续型数据；柱形图描述的是离散型数据。

2.8 简述爬取网络数据的过程。

需求分析：首先需要分析网络数据爬取的需求，然后了解所爬取主题的网址、内容分布，所获取语料的字段、图集等内容。
技术选择：网页爬取及数可通过python，Java，C++，C#等不同的编程语言实现，主要涉及的技术包括urllib库、正则表达式、Selenium、BeautifulSoup、Scrapy等技术。
网页爬取：确定好爬取技术后、需要分析网页的DOM树结构、通过Xpath
技术定位网页所爬取内容的节点，再爬取数据；同时，部分网站涉及页面跳转、登陆验证等。
存储技术：该技术主要是存储爬取的数据信息、这些数据信息主要包括SQL数据库、纯文本格式的文件、CSV/XLS文件等。

2.9 格式塔原则

1.接近原则
2.相似原则
3.闭合原则
4.连续原则

三、 总结

就总结到这里了，老师课堂上重点强调知识点应该就这么多吧，还有的话，欢迎大家留言，并及时添加。最后希望大家考个理想成绩。

数据可视化-期末复习重点笔记相关推荐

1. 2022年夏 数据可视化期末复习（*机试）

   目录 考试要求: 考试准备: 一.Pyecharts + Streamlit 1)timeline轮播年份 2)streamlit控件年份+图表 3)线图+zoom滑块在左侧, logY效果 二.Me ...

2. 金融学期末复习重点准备

   金融学期末复习重点准备 前言 记一下金融学期末复习重点准备. 主要是把重点点到,刨去了铺垫和逻辑. 我好像想明白为什么我写<<管理学>期末第一次复习>的时候总感觉怪怪的. 我应 ...

3. 软件测试期末复习重点

   1.软件测试的定义以及软件测试的目的/意义. (1)定义: 软件测试就是一个过程或一系列过程,用来确定计算机代码完成了其应该完成的功能,不执行其不该有的操作. 或:软件测试是由"验证(Ver ...

4. 计算机文化基础的重点,计算机文化基础期末复习重点.doc

   计算机文化基础期末复习重点 计算机文化基础复习重点~~大家自己打印下来,常看看~~ 来源: HYPERLINK "/GetEntry.do?id=702112705&owner=34 ...

5. 大学c语言项目,项目大学C语言程序设计期末复习重点.doc

   期末复习课 笔试试卷基本情况 1.单项选择(本题共15个小题,每题2分.30分) 在四个备选答案中选择一个正确的.答案唯一. 2.阅读程序选择运行结果(本题共有8个小题,每个题3分.24分) 考核基本 ...

6. 北林嵌入式系统期末复习重点

   持续更新······ 注:以下内容为博主期末复习所用,全打字输入,可能有误.内容为便于记忆,可能会有省略和简化.如有错误欢迎评论区更正 选择填空判断 嵌入式系统的定义和特点 定义:以应用为中心,计算机 ...

7. 大数据技术期末复习习题-前两章 大数据概述及Hadoop概述

   链接:大数据技术原理与应用期末复习第三章知识点 链接:HDFS编程实践 习题 1[单选题] 人类社会的数据产生方式大致经历了三个阶段,不包括____C____. A.运营式系统阶段 B.用户原创内容阶 ...

8. python plt包_Python 数据可视化-Matplotlib包学习笔记（一）

   Python 数据可视化 本文主要参照Matplotlib的官方教程进行整理,作为个人的学习笔记进行分享,欢迎相互讨论. Matplotlib包学习笔记(一) 本文主要简单介绍一下Matplotlib ...

9. 编译原理期末复习重点

   文章目录 编译原理期末复习纲要 一.选判填 二.简答题 二.大题 编译原理期末复习纲要 仅供自己观看 一.选判填 单选:5*1=5' 判断:5*1'=5' 填空:5*2'=10' 合计:20' 二.简 ...

最新文章

1. 选择ButterKnife，告别findViewById
2. android开发出现No Launcher activity found!解决方案
3. Docker selenium自动化 - windows版docker的安装与运行环境检测
4. 关闭页面刷新上层页面的几种方式
5. div不随滚动条左右移动而改变位置
6. java 反射 本类,关于Java反射中基本类型的class有关问题
7. 大公司里怎样开发和部署前端代码？
8. [目录]搭建一个简单的WebGIS应用程序
9. python 散点图点击链接图片_在Python和matplotlib中连接三维散点图中的两点
10. 5G 来袭，数据暴增，新一代云存储平台如何承载？
11. 文本检查点web_reg_find和web_find两个函数的区别
12. 只能选择GridView中的一个CheckBox(单选CheckBox)
13. 腾讯云短信服务的简单使用
14. php 获取当前 周,php如何获取当前时间是第几周
15. 如何安装torch、Pytorch、torchversion
16. 超实用的Django入门基础教程，新手必备！
17. 普通素人做知识付费项目或者副业，会不会特别容易“凉凉”？
18. ECharts 实现世界地图
19. Android利用TranslateAnimation 动画实现上下平移横线(模拟人脸识别扫描，二维码识别扫描)
20. 15高级链接构建策略和技巧，以提高您的SEO

热门文章

1. android 13：You uploaded an APK or Android App Bundle which has an activity Google后台上传新APP传不上去
2. java后台正则表达式验证多种方法--（港澳证件验证）
3. 融云即时通讯之直播聊天室
4. MaxCompute
5. iPhone XS Max的tabbar显示混乱解决方法
6. iOS 仿滴滴出行界面~demo
7. 滴滴出行2017秋招笔试真题-编程题汇总_Java实现
8. 自媒体：公众号今日头条同步教程
9. 第一篇：“大集中”应用系统的结构和技术特点3——复杂性和简单性于一体
10. Netty 中的 Channel执行完close之后， 还能进行write吗？