matplotlib对excel数据可视化 |
您所在的位置：网站首页 › Pycharm读取xlxs文件中文乱码 › matplotlib对excel数据可视化 |
matplotlib对excel数据可视化
|
数据可视化
对excel文件中的数据进行分析和可视化 1.数据的获取 从https://datacatalog.worldbank.org/dataset/gender-statistics网站下载数据集，从中找到中国的数据，保存在china.xlsx文件中。 文件分享： 链接：https://pan.baidu.com/s/17Bu8AHfjMDzG0oura4sXEA 提取码：xlsx 数据包含人口信息，个年龄段人口占比，男女比例，GDP等数据，如下图：
导入相关库，完成初始化 import matplotlib.pyplot as plt import pandas as pd import numpy as np from matplotlib import cm plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 设置字体，否则中文会显示异常 df = pd.read_excel("china.xlsx") # 使用pandas读取excel文件 2-1 人口增长折线图 使用pandas库读取excel表格中最后一行数据，绘制出折线图，其中N表示步长，可自由指定（下同）。 N = 3 year = df.columns.values.tolist()[4:-2:N] data = df.iloc[-1].values.tolist()[4:-2:N] data = np.asarray(data) / 1e+8 plt.figure(figsize=(12,8)) plt.title("中国总人口(亿人)") plt.plot(year, data, marker='o', c='red', mec='blue', mfc='g') plt.xlabel("年份/年") plt.ylabel("人口/亿人") for a, b in zip(year, data): plt.text(a, b, '%0.2f' % b, ha='right', va='bottom', fontsize=8) plt.grid() plt.show() 可视化效果：
读取excel文件 “Population, female (% of total)” 对应行数据，用numpy做适当处理，使男女比例展示出来的效果较为明显，绘制出柱状图。 N = 2 year = df.columns.values.tolist()[4:-2:N] data = df.iloc[-2].values.tolist()[4:-2:N] female = np.abs(np.asarray(data) - 45) + 10 male = np.abs(100 - np.asarray(data) - 45) + 10 fig = plt.figure(figsize=(12, 8)) size = len(data) print(size) x = np.arange(size) bar_width = 0.4 plt.title("男女比例") plt.ylim(0, 20) plt.ylabel("比\n例", rotation=0) plt.yticks([0, 15], ["$0\%$", "$50\%$"]) plt.xticks(x, year, rotation=45) plt.xlabel("年份") plt.bar(x, female, width=bar_width, label='女性人口占比') plt.bar(x + bar_width, male, width=bar_width, label='男性人口占比') plt.legend() plt.show() 可视化效果;
使用pandas库读取"Population ages 65 and above (% of total)", “Population ages 15-64 (% of total)”, "Population ages 0-14 (% of total)"三行数据，运用numpy库做相应运算，绘制堆积柱状图。 N = 2 fig, ax = plt.subplots(figsize=(12, 8)) year = df.columns.values.tolist()[4:-2:N] # print(year) age_0_14 = df.iloc[22].values.tolist()[4:-2:N] age_15_64 = df.iloc[24].values.tolist()[4:-2:N] age_65_above = df.iloc[28].values.tolist()[4:-2:N] ax.bar(year, [100] * len(year), label='Population ages 65 and above (% of total)') plt.bar(year, np.asarray(age_15_64) + np.asarray(age_0_14), label="Population ages 15-64 (% of total)") plt.bar(year, age_0_14, label="Population ages 0-14 (% of total)") plt.title("各年龄段人口所占比例") # ax.legend(["Population ages 65 and above (% of total)", "Population ages 15-64 (% of total)", "Population ages 0-14 (% of total)"]) ax.legend(loc=3, bbox_to_anchor=(0, 1.05)) plt.show()可视化效果：
读取对应行数据，对数据进行开n次方根，目的是缩小数据之间的差距，便于得到更好的展示效果，绘制时使用渐变色进行填充。 N = 2 year = df.columns.values.tolist()[4:-2:N] # print(year) rdata = df.iloc[17].values.tolist()[4:-2:N] data = np.power(np.asarray(rdata), 1 / 7) theta = np.linspace(0, 2 * np.pi, len(data)) # 等分极坐标系 # 设置画布 fig = plt.figure(figsize=(12, 12), # 画布尺寸 facecolor='lightyellow' # 画布背景色 ) # 设置极坐标系 ax = plt.axes(polar=True) # 实例化极坐标系 # ax.set_theta_direction(-1) # 顺时针为极坐标正方向 ax.set_theta_zero_location('N') # 极坐标 0° 方向为 N # 设置渐变色 norm = plt.Normalize(data.min(), data.max()) norm_y = norm(data) map_vir = cm.get_cmap(name='Reds') color = map_vir(norm_y) # 在极坐标系中画柱形图 ax.bar(x=theta, # 柱体的角度坐标 height=data, # 柱体的高度, 半径坐标 width=np.pi * 2 / len(data), # 柱体的宽度 # color=np.random.random((len(data), 3)) color=color ) # 绘制中心空白 ax.bar(x=theta, # 柱体的角度坐标 height=18, # 柱体的高度, 半径坐标 width=0.33, # 柱体的宽度 color='white', ) ax.bar(x=theta, # 柱体的角度坐标 height=21, # 柱体的高度, 半径坐标 width=0.33, # 柱体的宽度 color='white', alpha=0.4 ) for angle, rd, d, year in zip(theta, rdata, data, year): ax.text(angle+0.05, d + 7, "{:.1e} \n".format(rd) + str(year), fontsize=8, rotation=0) # "%.2e" % data ax.set_axis_off() plt.title("GDP (current US$)") plt.show()可视化效果：
|
【本文地址】
今日新闻 |
推荐新闻 |