第4章【思考与练习1】叙述Pandas和Matplotlib绘图工具之间的关系。 2012~2020年我国人均可支配收入为[1.47, 1.62, 1.78...]按照要求绘制以下图形:折线图、多子图

2023-11-20 19:30
文章标签 工具 2020 思考 matplotlib 绘图 练习 绘制 2012 图形 以下 pandas 折线图 收入 支配 多子 人均 叙述 1.78 1.47 1.62

本文主要是介绍第4章【思考与练习1】叙述Pandas和Matplotlib绘图工具之间的关系。 2012~2020年我国人均可支配收入为[1.47, 1.62, 1.78...]按照要求绘制以下图形:折线图、多子图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

P70思考与练习1

1.叙述Pandas和Matplotlib绘图工具之间的关系。如何在绘图中综合使用两种工具的绘图函数，达到既快速绘图又可精细化设置图元的目标。

1.pandas封装了Matplotlib的主要绘图功能。pandas基于Series与DataFrame绘图，使用Series与DataFrame封装数据，调Series.plot()或DataFrame.plot()完成绘图。pandas绘图简单直接，若要更细致地控制图标样式，如添加标注、在一幅图中包含多副子图，必须使用Matplotlib提供的基础函数。Matplotlib中使用pyplot的图元设置函数来实现图形的精细化设置，能够对pandas绘出的图形进行精细化设置。
我们可以先将数据封装成Series或DataFrame，通过Pandas快速绘图，最后再通过Matplotlib中的pyplot图元设置函数对图形进一步精细化设置，达到精细化绘图的目的。

 2. 2012~2020年我国人均可支配收入为[1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21](单位：万元)。按照要求绘制以下图形。

1）模仿例4-1和4-3，绘制人均可支配收入折线图。用小矩形标记数据点，黑色虚线，用注解标注最高点，图例标题“Income ”，设置坐标轴标题，最后将图形保存为jpg文件。

2）模仿例4-2，使用多个子图分别绘制人均可支配收入的折线图、箱形图以及柱状图（效果如下图所示）。

【提示】：

（1）本实验准备数据时可使用Series对象或DataFrame对象。

（2）创建3个子图分别使用（2，2，1）、（2，2，2）和（2，1，2）作为参数。

（3）使用plt.subplots_adjust()函数调整子图间距离，以便添加图标题。

 新书第二版要求的画图效果

第（1）题：

共列举以下三种方法

【方法一】：使用Series.plot画图，数据为Series形式

【方法二】：使用DataFrame.plot画图，数据为DataFrame形式

【方法三】：使用plt.plot函数画图（默认kind='line‘，画折线图），数据为列表形式

#方法一：Series.plot
import matplotlib.pyplot as plt
from pandas import Series
Income_data = Series([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'])
Income_data.plot(title = '2012-2020 年人均可支配收入',marker = 's',linestyle = 'dotted',grid = True,label = 'Income',yticks = [0.0,0.5,1.0,1.5,2.0,2.5,3.0,3.5],c = 'black')     #label代表图例，c代表线、点的颜色
plt.xlabel('Year')                              #添加x轴标题
plt.ylabel('Income(RMB Ten Thousand)')          #添加y轴标题
plt.legend()                                    #显示图例，若无则不显示
plt.annotate('Largest!',xy = (8,3.21),xytext = (6.1,2.6),arrowprops = dict(arrowstyle = '->',color = 'r'),color = 'r')     #xy为箭头位置坐标，xytext为文字起点位置
plt.show()#方法二：DataFrame.plot
import matplotlib.pyplot as plt
from pandas import DataFrame
#DataFrame1中columns即为图例，index即为横坐标值
Income_data = DataFrame([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'],columns = ['Income'])
Income_data.plot(title = '2012-2020 年人均可支配收入',marker = 's',linestyle = 'dotted',grid = True,yticks = [0.0,0.5,1.0,1.5,2.0,2.5,3.0,3.5],c = 'black')     
plt.xlabel('Year')                              
plt.ylabel('Income(RMB Ten Thousand)')          
plt.annotate('Largest!',xy = (8,3.21),xytext = (6.1,2.6),arrowprops = dict(arrowstyle = '->',color = 'r'),color = 'r')     
plt.show()#方法三：plt.plot
import matplotlib.pyplot as plt
Income_data = [1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21]
plt.plot(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],[1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],marker = 's',linestyle = 'dotted',c = 'black',label = 'Income')
plt.title('2012-2020 年人均可支配收入')
plt.yticks([0.0,0.5,1.0,1.5,2.0,2.5,3.0,3.5])
plt.xlim(0,8)             #设置x轴刻度范围
plt.xlabel('Year')                              
plt.ylabel('Income(RMB Ten Thousand)')
plt.annotate('Largest!',xy = (8,3.21),xytext = (6.1,2.6),arrowprops = dict(arrowstyle = '->',color = 'r'),color = 'r')     
plt.legend()
plt.grid()                #显示网格线

结果如下：

第（2）题：

共列举以下6种方法

可采用figure.add_subplot()函数或plt.subplot()两种函数创建子图。而数据形式分别为Series、DataFrame与列表三种形式。由此列举6种方法求解。

前三种方法采用figure.add_subplot()函数

【方法一】：采用figure.add_subplot()函数创建子图。使用Series.plot画图，数据为Series形式。

【方法二】：采用figure.add_subplot()函数创建子图。使用DataFrame.plot画图，数据为DataFrame形式。

【方法三】：采用figure.add_subplot()函数创建子图。使用各类画图函数画图(plt.plot()画折线图，plt.boxplot()画箱形图，plt.bar()画柱状图)，数据为列表形式。

后三种方法采用plt.subplot()函数

【方法四】：采用plt.subplot()函数创建子图。使用Series.plot绘图，数据为Series形式。

【方法五】：采用plt.subplot()函数创建子图。使用DataFrame.plot画图，数据为DataFrame形式。

【方法六】：采用plt.subplot()函数创建子图。使用各类画图函数画图(plt.plot()画折线图，plt.boxplot()画箱形图，plt.bar()画柱状图)，数据为列表形式。

前三种方法（采用figure.add_subplot()函数）：

先定义画布大小：fig = plt.figure(figsize = ()) 

再创建子图：fig.add_subplot()或者ax1... = fig.add_subplot()

对于Series与列表类型的数据：可不返回ax=ax1，ax=ax2，ax=ax3....。（也可返回）

对于DataFrame类型的数据：写为ax1（ax2、ax3...)  = fig.add_subplot()，每次画图在画图函数里都要返回ax=ax1，ax=ax2，ax=ax3....。例如DataFrame.plot(...,ax = ax1)等，否则画图出错。

#方法一：采用figure.add_subplot()函数创建子图。使用Series.plot画图，数据为Series形式
import matplotlib.pyplot as plt
from pandas import Series
Income_data =Series([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'])
fig = plt.figure(figsize = (10,6))    #figure创建绘图对象,figsize设置画布尺寸
#将绘图区域分为2行2列4份，在第1份上作图
ax1 = fig.add_subplot(2,2,1)
#绘制折线图
ax1.plot(Income_data)                #采用AxesSubplot绘制折线图 
plt.title('Line chart')
plt.xlabel('Year')
plt.ylabel('Incone')
'''
还可采用Series.plot()函数绘制折线图：
Income_data.plot(title = 'Line chart')                                                     #采用Series.plot画折线图
plt.xticks(range(0,9),['2012','2013','2014','2015','2016','2017','2018','2019','2020'])    #让x轴刻度显示全
plt.xlim(-0.5,8.5)                                                                         #增大x轴刻度范围
plt.xlabel('Year')
plt.ylabel('Income')
'''
#将绘图区域分为2行2列4份，在第2份上作图
ax2 = fig.add_subplot(2,2,2)         #也可去掉"ax2="写为fig.add_subplot(2,2,2)
#绘制箱形图
Income_data.plot(kind = 'box',title = 'Box-whisker plot')
plt.xlabel('2012-2020')
plt.ylabel('Income')
plt.xticks([])
#将绘图区域分为2行1列2份，在第2份作图
ax3 = fig.add_subplot(2,1,2)         #也可去掉"ax3="写为fig.add_subplot(2,1,2)
#绘制柱状图
Income_data.plot(kind = 'bar',label = 'Income')
plt.title('Bar chart')
plt.xlabel('Year')
plt.ylabel('Income')
plt.legend()                         #显示图例
#调整子图间距离
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)#方法二：采用figure.add_subplot()函数创建子图。使用DataFrame.plot画图，数据为DataFrame形式，需返回ax=ax1，ax=ax2，ax=ax3
import matplotlib.pyplot as plt
from pandas import DataFrame
Income_data =DataFrame([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'],columns = ['Income'])
fig = plt.figure(figsize = (10,6))
#画折线图
ax1 = fig.add_subplot(221)       #(2,2,1)可连写（221）
Income_data.plot(title = 'Line chart',legend = False,ax = ax1)                  #返回ax1                       #legend = False去掉图例
plt.xticks(range(0,9),['2012','2013','2014','2015','2016','2017','2018','2019','2020'])     #让x轴刻度显示全
plt.xlim(-0.5,8.5)               #增大x轴刻度范围
plt.xlabel('Year')
plt.ylabel('Income')
#画箱形图
ax2 = fig.add_subplot(222)
Income_data.plot(kind = 'box',title = 'Box-whisker plot',xticks = [],ax = ax2)  #返回ax2
plt.xlabel('2012-2020')
plt.ylabel('Income')
#画柱状图
ax3 = fig.add_subplot(212)
Income_data.plot(kind = 'bar',title = 'Bar chart',ax = ax3)                     #返回ax3
plt.xlabel('Year')
plt.ylabel('Income')
#调间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)
plt.savefig('Income222.jpg',dpi = 400,bbox_inches = 'tight')             #保存导出图像
plt.show()#方法三：采用figure.add_subplot()函数创建子图。使用各类画图函数画图，数据为列表形式
import matplotlib.pyplot as plt
Income_data = [1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21]
fig = plt.figure(figsize = (10,6))
#画折线图
fig.add_subplot(221)    
plt.plot(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],Income_data)        #折线图函数：plt.plot()
plt.title('Line chart')
plt.xlabel('Year')
plt.ylabel('Incone')
#画箱形图
fig.add_subplot(222)
plt.boxplot(Income_data,boxprops = {'color':'#1F77B4'},medianprops = {'color':'green'},whiskerprops={'color':'#1F77B4'})     
#箱形图函数：plt.boxplot()。boxprops设置箱体的属性，whiskerprops设置须的属性,medianprops设置中位数的属性
plt.title('Box-whisker plot')
plt.xlabel('2012-2020')
plt.xticks([])             #不显示坐标轴刻度
plt.ylabel('Income')
#画柱状图
fig.add_subplot(212)
plt.bar(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],Income_data,label = 'Income')   #柱状图函数：plt.bar(x,height)
plt.title('Bar chart')
plt.legend()
plt.xlabel('Year')
plt.xticks(rotation = 90)  #rotation设置刻度旋转角度值
plt.ylabel('Income')    
#调间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)
plt.savefig('Income2.jpg',dpi = 400,bbox_inches = 'tight')
plt.show()

后三种方法（采用plt.subplot()函数）：

思路同上三种方法。

先定义画布大小：plt.figure(figsize = ()) 

再创建子图：plt.subplot()

对于Series与列表类型的数据：可不返回ax=ax1，ax=ax2，ax=ax3....。（也可返回）

对于DataFrame类型的数据：写为ax1（ax2、ax3...)  = plt.subplot()，每次画图在画图函数里都要返回ax=ax1，ax=ax2，ax=ax3....。否则画图出错。如下：

#方法四：采用plt.subplot()函数创建子图。使用Series.plot绘图，数据为Series形式
import matplotlib.pyplot as plt
from pandas import Series
Income_data = Series([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'])
plt.figure(figsize = (10,6))
#画折线图
plt.subplot(221) 
Income_data.plot(title = 'Line chart')                                                  #用Series.plot画折线图 
plt.xticks(range(0,9),['2012','2013','2014','2015','2016','2017','2018','2019','2020'])    #让x轴刻度显示全
plt.xlim(-0.5,8.5)                                                                         #增大x轴刻度范围
plt.xlabel('Year')
plt.ylabel('Income')
#画箱形图
plt.subplot(222)
Income_data.plot(kind = 'box',title = 'Box-whisker plot')
plt.xlabel('2012-2020')
plt.ylabel('Income')
plt.xticks([])
#画柱状图
plt.subplot(212)
Income_data.plot(kind = 'bar',label = 'Income')
plt.title('Bar chart')
plt.xlabel('Year')
plt.ylabel('Income')
plt.legend()    
#调整子图间距离
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)#方法五：采用plt.subplot()函数创建子图。使用DataFrame.plot画图，数据为DataFrame形式,需返回ax=ax1，ax=ax2，ax=ax3
import matplotlib.pyplot as plt
from pandas import DataFrame
Income_data =DataFrame([1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21],index = ['2012','2013','2014','2015','2016','2017','2018','2019','2020'],columns = ['Income'])
plt.figure(figsize = (8,6))
#画折线图
ax1 = plt.subplot(221)
Income_data.plot(title = 'Line chart',legend = False,ax = ax1)                             #legend = False去掉图例
plt.xticks(range(0,9),['2012','2013','2014','2015','2016','2017','2018','2019','2020'])     #让x轴刻度显示全
plt.xlim(-0.5,8.5)               #增大x轴刻度范围
plt.xlabel('Year')
plt.ylabel('Income')
#画箱形图
ax2 = plt.subplot(222)
Income_data.plot(kind = 'box',title = 'Box-whisker plot',xticks = [],ax = ax2)
plt.xlabel('2012-2020')
plt.ylabel('Income')
#画柱状图
ax3 = plt.subplot(212)
Income_data.plot(kind = 'bar',title = 'Bar chart',ax = ax3)
plt.xlabel('Year')
plt.ylabel('Income')
#调间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)#方法六：采用plt.subplot()函数创建子图。使用各类画图函数画图，数据为列表形式
import matplotlib.pyplot as plt
Income_data = [1.47, 1.62, 1.78, 1.94, 2.38, 2.60,2.82,3.07,3.21]
plt.figure(figsize = (10,6))
#画折线图
plt.subplot(221)
plt.plot(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],Income_data)                  #折线图函数：plt.plot()
plt.title('Line chart')
plt.xlabel('Year')
plt.ylabel('Incone')
#画箱形图
plt.subplot(222)
plt.boxplot(Income_data,boxprops = {'color':'#1F77B4'},medianprops = {'color':'green'},whiskerprops={'color':'#1F77B4'})     #箱形图函数：plt.boxplot()
plt.title('Box-whisker plot')
plt.xlabel('2012-2020')
plt.xticks([])               #不显示坐标轴刻度，也可写为plt.xticks(())
plt.ylabel('Income')
#画柱状图
plt.subplot(212)
plt.bar(['2012','2013','2014','2015','2016','2017','2018','2019','2020'],Income_data,label = 'Income')   #柱状图函数：plt.bar(x,height)
plt.title('Bar chart')
plt.legend()
plt.xlabel('Year')
plt.xticks(rotation = 90)    #rotation设置刻度旋转角度值
plt.ylabel('Income')    
#调间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)

六种方法运行结果皆如下：

 【老书第一版此题】

宋晖《数据科学技术与应用》第一版老书中，该题目为：

2012~2017年我国人均可支配收入为[1.47, 1.62, 1.78, 1.94, 2.38, 2.60](单位：万元)。

题目要求图形如下：

 

老书第一版要求的画图效果

第（1）题：

同样有类似的三种方法：

#方法一：采用Series.plot绘图。
import matplotlib.pyplot as plt
from pandas import Series
plt.figure()
Income_data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index = ['2012','2013','2014','2015','2016','2017'])
Income_data.plot(title = 'Income chart',marker = 's',color = 'black',linestyle = 'dashed',grid = True,yticks = [0.0,0.5,1.0,1.5,2.0,2.5,3.0],use_index = True)   #若不加use_index = True，则x轴刻度范围会多一些
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income(RMB Ten Thousand)',fontsize = 12)
plt.legend(('Income',))     #添加逗号让图例文本显示全
plt.annotate('Largest!',color = 'red',xy = (5,2.60),xytext = (3,2.55),arrowprops = dict(arrowstyle = '->',color = 'red'))
plt.savefig('Income chart.jpg',dpi = 400,bbox_inches = 'tight')   #保存为jpg图片
plt.show()#方法二：采用DataFrame.plot绘图，用columns做标签，无需设label。同时x，y轴刻度采用函数取得
import matplotlib.pyplot as plt
import numpy as np
from pandas import DataFrame
%matplotlib inline
Income = [1.47,1.62,1.78,1.94,2.38,2.60]
data = DataFrame({'Income':Income},index = np.arange(2012,2018))#此处需要注意index中数的坐标，（标注释时xy中坐标改变）
data.plot(title = 'Income chart',linestyle = 'dashed',marker = 's',color = 'k',grid = True,yticks = np.arange(0.0,3.5,0.5))  #此处可以显示或者不显示图例，加legend  = True/False
#精细设置图元
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income(RMB Ten Thousand)',fontsize = 12)
plt.annotate('Largest!',color = 'r',xy = (2017,2.60),xytext = (2015,2.55),arrowprops = dict(arrowstyle = '->',color = 'r'))    
plt.savefig('Income chart.jpg',dpi = 400,bbox_inches = 'tight')
plt.show()#方法三:采用plt.plot画图,设置坐标轴与标题的字体
import matplotlib.pyplot as plt
import numpy as np
Income = [1.47,1.62,1.78,1.94,2.38,2.60]
plt.plot(Income,linestyle = 'dashed',color = 'k',marker = 's',label = 'Income')     #注：里面无grid，需要直接设置
plt.xticks(range(0,6),['2012','2013','2014','2015','2016','2017'])                  #将x轴刻度映射为字符串
plt.yticks(np.arange(0,3.5,0.5))
plt.title('Income chart',fontdict = {'family':'Times New Roman','size':12})
plt.xlabel('Year',fontdict = {'family':'Times New Roman','size':12})
plt.ylabel('Income(RMB Ten Thousand)',fontdict = {'family':'Times New Roman','size':12})
plt.xlim(0,5)
plt.legend(loc = 1)       #loc = 1表示图例位于第一象限。#此处亦可写plt.legend(('Income',),loc = 'upper right'),不用label #亦可写plt.legend()
plt.grid()
plt.annotate('Largest!',xy = (5,2.60),xytext = (3,2.55),arrowprops = dict(arrowstyle = '->',color = 'r'),color = 'red')   
plt.savefig('Income chart.jpg',dpi = 400,bbox_inches = 'tight')
plt.show()

结果如下：

 第（2）题：

同样列举以下6种方法：
【方法一】：fig.add_subplot绘图，Series.plot()绘图，数据为series形式
【方法二】：fig.add_subplot绘图，DataFrame.plot()绘图，数据为DataFrame形式
【方法三】：fig.add_subplot（）函数，运用各类画图函数画图，数据为列表形式
【方法四】：采用subplot（）函数绘图。Series.plot()函数，数据为Series形式
【方法五】：采用subplot（）函数绘图。DataFrame.plot()函数，数据为DataFrame形式
【方法六】：采用subplot（）函数，运用各类画图函数画图，数据为列表形式

六种方法如下：

#方法一:fig.add_subplot绘图，Series.plot()绘图，数据为series形式
import matplotlib.pyplot as plt
from pandas import Series
data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index = ['2012','2013','2014','2015','2016','2017'])
#定义图形大小
fig = plt.figure(figsize = (6,6))
#绘制折线图
ax1 = fig.add_subplot(2,2,1)
ax1.plot(data)
plt.title('line chart')
plt.xticks(range(0,6,2),['2012','2014','2016'])
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#绘制箱形图
ax2 = fig.add_subplot(2,2,2)
data.plot(kind = 'box',xticks = [])     #xticks = []表示无刻度
plt.title('box-whisker plot')
plt.xlabel('2012—2017',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#绘制柱状图
ax3 = fig.add_subplot(2,1,2)
data.plot(kind = 'bar')
plt.legend(('Income',))
plt.title('bar chart')
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#调整子图间距离
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)       #wspace、hspace分别表示子图之间左右、上下的间距
plt.savefig('Image2.jpg',dpi = 400,bbox_inches = 'tight')
plt.show()#方法二：fig.add_subplot绘图，DataFrame.plot()绘图，数据为DataFrame形式
import matplotlib.pyplot as plt
from pandas import DataFrame
data1 = [1.47,1.62,1.78,1.94,2.38,2.60]
Incomedata = DataFrame({'Income':data1},index = ['2012','2013','2014','2015','2016','2017'])
fig = plt.figure(figsize = (6,6))
#绘制折线图
ax1 = fig.add_subplot(2,2,1)
Incomedata.plot(title = 'line chart',legend = False,ax = ax1)   #legend = False去掉标注 。
#另外重要发现：不加ax=ax1画图出错。而Series.plot未发现出错
plt.xticks(range(0,6,2),['2012','2014','2016'])
plt.xlabel('Year',fontsize = 12)
plt.xlim(-0.5,5.5)      #扩大x刻度范围
plt.ylabel('Income',fontsize = 12)
#绘制箱线图
ax2 = fig.add_subplot(2,2,2)
Incomedata.plot(kind = 'box',title = 'box-whisker plot',ax = ax2)
plt.xticks(())
plt.xlabel('2012—2017',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#绘制柱状图
ax3 = fig.add_subplot(2,1,2)
Incomedata.plot(kind = 'bar',title = 'bar chart',ax = ax3)
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#调整子图间间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)
plt.show()#方法三：运用各类画图函数画图:采用fig.add_subplot（）函数，数据为列表形式
import matplotlib.pyplot as plt
data = [1.47,1.62,1.78,1.94,2.38,2.60]
fig = plt.figure(figsize = (6,6))
#折线图
ax1 = fig.add_subplot(2,2,1)
plt.plot(data)
plt.title('line chart')
plt.xticks(range(0,6,2),['2012','2014','2016'])
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#箱型图
ax2 = fig.add_subplot(2,2,2)
plt.boxplot(data,boxprops = {'color':'#1F77B4'},medianprops = {'color':'green'},whiskerprops={'color':'#1F77B4'})    
#boxprops设置箱体的属性，whiskerprops设置须的属性,medianprops设置中位数的属性
plt.xticks(())   #双括号不显示坐标轴刻度
plt.title('box-whisker plot')
plt.xlabel('2012—2017',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#柱形图
ax3 = fig.add_subplot(2,1,2)
plt.bar(['2012','2013','2014','2015','2016','2017'],[1.47,1.62,1.78,1.94,2.38,2.60])   #bar(x,height)
plt.legend(('Income',))
plt.xticks(rotation = 90)    #x刻度倾斜90度
plt.title('bar chart')
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#调整子图间距离
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)   #方法四:采用subplot（）函数绘图。Series.plot()函数，数据为Series形式
import matplotlib.pyplot as plt
from pandas import Series
plt.figure(figsize = (6,6))
#绘制折线图
plt.subplot(2,2,1)
data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index = ['2012','2013','2014','2015','2016','2017'])
plt.plot(data)
plt.title('line chart')
plt.xticks(range(0,6,2),['2012','2014','2016'])
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#绘制箱型图
plt.subplot(2,2,2)
data.plot(title = 'box-whisker plot',kind = 'box',xticks = [])
plt.xlabel('2012—2017',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#绘制柱形图
plt.subplot(2,1,2)
data.plot(kind = 'bar')
plt.legend(('Income',))
plt.title('bar chart')
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#调整子图间距离
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)   
plt.show()#方法五:采用subplot（）函数绘图。DataFrame.plot()函数，数据为DataFrame形式
import matplotlib.pyplot as plt
from pandas import DataFrame
data1 = [1.47,1.62,1.78,1.94,2.38,2.60]
Incomedata = DataFrame({'Income':data1},index = ['2012','2013','2014','2015','2016','2017'])
plt.figure(figsize = (6,6))
#折线图
ax1 = plt.subplot(221)    #将第一个画板划分为2行1列组成的区块，并获取到第一块区域
Incomedata.plot(title = 'line chart',legend = False,ax = ax1)  #若无ax = ax1，则画不出图
plt.xticks(range(0,6,2),['2012','2014','2016'])
plt.xlabel('Year',fontsize = 12)
plt.xlim(-0.5,5.5)      #扩大x刻度范围
plt.ylabel('Income',fontsize = 12)
#绘制箱线图
ax2 = plt.subplot(222)
Incomedata.plot(kind = 'box',title = 'box-whisker plot',ax = ax2)
plt.xticks(())
plt.xlabel('2012—2017',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#绘制柱状图
ax3 = plt.subplot(212)
Incomedata.plot(kind = 'bar',title = 'bar chart',ax = ax3)
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#调整子图间间距
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)#方法六：运用各类画图函数画图:采用subplot（）函数，数据为列表形式
import matplotlib.pyplot as plt
data = [1.47,1.62,1.78,1.94,2.38,2.60]
fig = plt.figure(figsize = (6,6))
#折线图
plt.subplot(2,2,1)
plt.plot(data)
plt.title('line chart')
plt.xticks(range(0,6,2),['2012','2014','2016'])
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#箱型图
plt.subplot(2,2,2)
plt.boxplot(data,boxprops = {'color':'#1F77B4'},medianprops = {'color':'green'},whiskerprops={'color':'#1F77B4'})    
#boxprops设置箱体的属性，whiskerprops设置须的属性,medianprops设置中位数的属性
plt.xticks(())   #双括号不显示坐标轴刻度
plt.title('box-whisker plot')
plt.xlabel('2012—2017',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#柱形图
plt.subplot(2,1,2)
plt.bar(['2012','2013','2014','2015','2016','2017'],[1.47,1.62,1.78,1.94,2.38,2.60])   #bar(x,height)
plt.legend(('Income',))
plt.xticks(rotation = 90)    #x刻度倾斜90度
plt.title('bar chart')
plt.xlabel('Year',fontsize = 12)
plt.ylabel('Income',fontsize = 12)
#调整子图间距离
plt.subplots_adjust(wspace = 0.5,hspace = 0.5)

运行结果如下：

这篇关于第4章【思考与练习1】叙述Pandas和Matplotlib绘图工具之间的关系。 2012~2020年我国人均可支配收入为[1.47, 1.62, 1.78...]按照要求绘制以下图形:折线图、多子图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/396900。

相关文章

Python基于wxPython和FFmpeg开发一个视频标签工具

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优
阅读更多...
Pandas使用SQLite3实战

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法：读
阅读更多...
使用Java实现通用树形结构构建工具类

使用Java实现通用树形结构构建工具类

《使用Java实现通用树形结构构建工具类》这篇文章主要为大家详细介绍了如何使用Java实现通用树形结构构建工具类,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录完整代码一、设计思想与核心功能二、核心实现原理1. 数据结构准备阶段2. 循环依赖检测算法3. 树形结构构建4. 搜索子
阅读更多...
Python下载Pandas包的步骤

Python下载Pandas包的步骤

《Python下载Pandas包的步骤》：本文主要介绍Python下载Pandas包的步骤,在python中安装pandas库,我采取的方法是用PIP的方法在Python目标位置进行安装,本文给大... 目录安装步骤1、首先找到我们安装python的目录2、使用命令行到Python安装目录下3、我们回到Py
阅读更多...
利用Python开发Markdown表格结构转换为Excel工具

利用Python开发Markdown表格结构转换为Excel工具

《利用Python开发Markdown表格结构转换为Excel工具》在数据管理和文档编写过程中,我们经常使用Markdown来记录表格数据,但它没有Excel使用方便,所以本文将使用Python编写一... 目录1.完整代码2. 项目概述3. 代码解析3.1 依赖库3.2 GUI 设计3.3 解析 Mark
阅读更多...
利用Go语言开发文件操作工具轻松处理所有文件

利用Go语言开发文件操作工具轻松处理所有文件

《利用Go语言开发文件操作工具轻松处理所有文件》在后端开发中,文件操作是一个非常常见但又容易出错的场景,本文小编要向大家介绍一个强大的Go语言文件操作工具库,它能帮你轻松处理各种文件操作场景... 目录为什么需要这个工具？核心功能详解1. 文件/目录存javascript在性检查2. 批量创建目录3. 文件
阅读更多...
jvm调优常用命令行工具详解

jvm调优常用命令行工具详解

《jvm调优常用命令行工具详解》：本文主要介绍jvm调优常用命令行工具的用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一 jinfo命令查看参数1.1 查看jvm参数二 jstack命令2.1 查看现场堆栈信息三 jstat 实时查看堆内存，gc情况3.1
阅读更多...
MySQL使用binlog2sql工具实现在线恢复数据功能

MySQL使用binlog2sql工具实现在线恢复数据功能

《MySQL使用binlog2sql工具实现在线恢复数据功能》binlog2sql是大众点评开源的一款用于解析MySQLbinlog的工具,根据不同选项,可以得到原始SQL、回滚SQL等,下面我们就来... 目录背景目标步骤准备工作恢复数据结果验证结论背景生产数据库执行 SQL 脚本，一般会经过正规的审批
阅读更多...
基于Python开发批量提取Excel图片的小工具

基于Python开发批量提取Excel图片的小工具

《基于Python开发批量提取Excel图片的小工具》这篇文章主要为大家详细介绍了如何使用Python中的openpyxl库开发一个小工具,可以实现批量提取Excel图片,有需要的小伙伴可以参考一下... 目前有一个需求，就是批量读取当前目录下所有文件夹里的Excel文件，去获取出Excel文件中的图片，并
阅读更多...
Java导入、导出excel用法步骤保姆级教程(附封装好的工具类)

Java导入、导出excel用法步骤保姆级教程(附封装好的工具类)

《Java导入、导出excel用法步骤保姆级教程(附封装好的工具类)》：本文主要介绍Java导入、导出excel的相关资料,讲解了使用Java和ApachePOI库将数据导出为Excel文件,包括... 目录前言一、引入Apache POI依赖二、用法&步骤2.1 创建Excel的元素2.3 样式和字体2.
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2