数据挖掘技术-绘制直方图
绘制直方图
- 前置步骤
准备数据guomin.npz,下载数据guomin.npz到Linux本地的/course/DataAnalyze/data目录
- 绘制直方图
- pyplot中绘制直方图的函数为bar,使用bar函数绘制2017年第一季度各产业国民生产总值直方图,如代码 41所示。
代码 41 绘制2017年第一季度各产业国民生产总值直方图
In[1]: |
import os import numpy as np import matplotlib.pyplot as plt os.chdir('/course/DataAnalyze/data') plt.rcParams['font.sans-serif'] = 'WenQuanYi Zen Hei' ## 设置中文显示 plt.rcParams['axes.unicode_minus'] = False data = np.load('./guomin.npz') name = data['columns'] ## 提取其中的columns数组,视为数据的标签 values = data['values']## 提取其中的values数组,数据的存在位置 label = ['第一产业','第二产业','第三产业']## 刻度标签 plt.figure(figsize=(6,5)) ##设置画布 plt.bar(range(3),values[-1,3:6],width = 0.5)## 绘制散点图 plt.xlabel('产业') #添加横轴标签 plt.ylabel('生产总值(亿元)') #添加y轴名称 plt.xticks(range(3),label) plt.title('2017年第一季度各产业国民生产总值直方图') #添加图表标题 plt.savefig('../2017年第一季度各产业国民生产总值直方图.png') plt.show() |
Out[1]: |
![]() |
- 通过代码 41运行结果可以看出,2017年第一季度的第一产业生产总值不到第二产业的六分之一,基本与第三产业的十分之一持平。第二产业生产总值和第三产业生产总值相差大约三分之一。
- 绘制国民生产总值构成分布直方图,如代码 42所示。
代码 42 绘制国民生产总值构成分布直方图
In[4]: |
label1 = ['第一产业','第二产业','第三产业']## 刻度标签1 label2 = ['农业','工业','建筑','批发','交通','餐饮','金融','房地产','其他']## 刻度标签2 p = plt.figure(figsize=(12,12)) ## 子图1 ax1 = p.add_subplot(2,2,1) plt.bar(range(3),values[0,3:6],width = 0.5)## 绘制散点图 plt.xlabel('产业') #添加横轴标签 plt.ylabel('生产总值(亿元)') #添加y轴名称 plt.xticks(range(3),label1) plt.title('2000年第一季度国民生产总值产业构成分布直方图') ##子图2 ax2 = p.add_subplot(2,2,2) plt.bar(range(3),values[-1,3:6],width = 0.5)## 绘制散点图 plt.xlabel('产业') #添加横轴标签 plt.ylabel('生产总值(亿元)') #添加y轴名称 plt.xticks(range(3),label1) plt.title('2017年第一季度国民生产总值产业构成分布直方图') ##子图3 ax3 = p.add_subplot(2,2,3) plt.bar(range(9),values[0,6:],width = 0.5)## 绘制散点图 plt.xlabel('行业') #添加横轴标签 plt.ylabel('生产总值(亿元)') #添加y轴名称 plt.xticks(range(9),label2) plt.title('2000年第一季度国民生产总值行业构成分布直方图') #添加图表标题 ##子图4 ax4 = p.add_subplot(2,2,4) plt.bar(range(9),values[-1,6:],width = 0.5)## 绘制散点图 plt.xlabel('行业') #添加横轴标签 plt.ylabel('生产总值(亿元)') #添加y轴名称 plt.xticks(range(9),label2) plt.title('2017年第一季度国民生产总值行业构成分布直方图') #添加图表标题 ##保存并显示图形 plt.savefig('../国民生产总值构成分布直方图.png') plt.show() |
Out[4]: |
![]() |
- 通过代码 43运行结果可以看出,第一产业与第二产业第三产业国民生产总值差距愈发巨大。根据坐标轴变化,可以发现国民生产总值增长接近10倍。2000年至2017年金融行业与其他行业增长幅度相较其他行业明显。
数据挖掘技术-绘制直方图相关推荐
- Python数据挖掘:绘制直方图,设置上下限和步长,绘制子图
有任何问题欢迎在评论区提出! 绘制直方图: ''' 来源:天善智能韦玮老师 课堂笔记 作者:Dust 直方图hist某一段数据出现的频数 ''' import numpy as npy import ...
- 数据挖掘技术-绘制饼图
绘制饼图 前置步骤 准备数据guomin.npz,下载数据guomin.npz到Linux本地的/course/DataAnalyze/data目录 绘制饼图 pyplot中绘制饼图的函数为pie,使 ...
- [Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
- 数据挖掘技术及其应用现状
数据挖掘技术及其应用现状 近十几年,随着科学技术飞速的发展,经济和社会都取得了极大的进步,与此同时,在各个领域产生了大量的数据,如人类对太空的探索,银行每天的巨额交易数据.显然在这些数据中丰富的信息, ...
- “泰迪杯”挑战赛 - 通过数据挖掘技术实现道路缺陷自动识别
目 录 挖掘目标 分析方法与过程 2.1. 总体流程 2.2. 具体步骤 2.2.1 缺陷图像预处理 2.2.2 缺陷图像分割 2.2.3 缺陷图像特征提取 2.2.4 BP 神经网络模式识别 2.3 ...
- 7 种常用的数据挖掘技术分享
有人说:一个人从1岁活到80岁很平凡,但如果从80岁倒着活,那么一半以上的人都可能不凡. 生活没有捷径,我们踩过的坑都成为了生活的经验,这些经验越早知道,你要走的弯路就会越少. 摘要: 随着信息领域的 ...
- 计算机技术调查过程,计算机技术在质量管理中的一项应用——用计算机绘制直方图和进行工序能力调查...
计算机技术在质量管理中的一项应用--用计算机绘制直方图和进行工序能力调查 本文列举了计算机技术在质量管理中的各种应用,阐明了频数分布调查在质量管理中的重要地位,重点介绍了利用计算机代替人工绘制直方图和 ...
- python绘制直方图根据不同分类_小猿圈Python开发之绘制频率分布直方图示例
现在人工智能越来越实用,甚至深入到千家万户,随之而来的就是python技术的火爆,今天小猿圈python讲师为你讲解一下绘制频率分布直方图示例,希望对于刚刚自学python的你有一定的帮助. 项目中在 ...
- 使用OpenCV,Numpy计算直方图,Matplot绘制直方图及分析
使用OpenCV,Numpy计算直方图,Matplot绘制直方图及分析 1. 效果图 2. 原理 3. 源码 3.1 直方图3种计算方法和2种绘制方法 3.2 Mask遮罩图像直方图 参考 这篇博客将 ...
最新文章
- Seurat包分析单细胞转录组数据代码
- Selector SelectionKey
- Linux负载均衡Nginx六种策略
- PhpStorm 注册相关
- jpa 自定义sql if_mybatis仿jpa 使用@createDate @updateDate
- JAVA基础知识之网络编程——-基于AIO的异步Socket通信
- P4756-Added Sequence【斜率优化】
- Thread打印值的含义
- TCP/IP协议簇中ARP协议
- linux离线安装httpd服务,Linux系列之离线安装Apache HTTP
- Linux---网络编程基础
- Array.prototype.slice.call()如何工作?
- Linkedin Camus,从Kafka到HDFS的数据传输管道
- Linux 基本操作命令
- xp 无法关闭计算机,电脑xp系统关不了机怎么解决
- 【010】Excel宏编程相关封装模块(字体设置、写入表格内容)_003_#VBA
- visual studio 实时调试器问题
- asp.net md5加密
- 大带宽、高灵敏度、扫描快速手持式监测接收机TFN DC700S
- 浙大小姐姐,真有你的!
热门文章
- 使用原生HTML、CSS、JS实现简易聊天框
- 又一次站在人生的十字路口!
- 高级工计算机题库,计算机高级工题库5 电脑基础知识 IT计算机 专业资料.docx
- 如何用WinRAR解压.7z.00x分卷压缩文件
- JS实现字体放大或缩小
- 机器人植入情感芯片利与弊_情感机器人的实际意义
- 赛尔号服务器维护时间4月27,赛尔号4月27日更新内容 赛尔号4月27日攻略大全
- 怎样解决 -- 电脑点击右键反应慢 ?
- matlab小波分析与工程应用,《Matlab小波分析工具箱原理与应用》.pdf
- IBM宣布造出全球首颗2nm EUV芯片