首页 > 其他分享 >可视化1

可视化1

时间:2023-10-26 11:22:22浏览次数:39  
标签:plt 就业 2019 values import 可视化 人员

import pandas as pd
data = pd.read_csv(r'C:\Users\Administrator\Desktop\第三章1\第三章\data\employee.csv')
data1 = pd.read_csv(r'C:\Users\Administrator\Desktop\第三章1\第三章\data\employee.csv',names=[1,2,3,4,5,],usecols=[1,3,4,5])
data1

  

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
name = data.columns
values = data.values
plt.figure(figsize=(12,9))
plt.scatter(values[:,0],values[:,2],marker='o',c='red')
plt.scatter(values[:,0],values[:,3],marker='D',c='blue')
plt.scatter(values[:,0],values[:,4],marker='v',c='black')
plt.xlabel('年份')
plt.ylabel('产业就业人员(万人)')
plt.xticks(range(0,20),values[range(0,20),0],rotation=45)
plt.title('2000-2019年各产业就业人员散点图')
plt.legend(['第一产业就业人员','第二产业就业人员','第三产业就业人员'])
plt.savefig('2000-2019年各产业就业人员散点图.png')
plt.show()

  

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
name = data.columns
values = data.values
plt.figure(figsize=(12,9))
plt.plot(values[:,0],values[:,2],'bs-',
            values[:,0],values[:,3],'rD:',
            values[:,0],values[:,4],'gH--')
plt.xlabel('年份')
plt.ylabel('产业就业人员(万人)')
plt.xticks(range(0,20),values[range(0,20),0],rotation=45)
plt.title('2000-2019年各产业就业人员折线图')
plt.legend(['第一产业就业人员','第二产业就业人员','第三产业就业人员'])
plt.savefig('2000-2019年各产业就业人员折线图.png')
plt.show()

  

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
label=['第一产业就业人员','第二产业就业人员','第三产业就业人员']
plt.figure(figsize=(6,6))
explode=[0.01,0.01,0.01]
plt.pie(values[-1,2:5],explode=explode,labels=label,autopct='%1.1f%%')
plt.title('2000-2019年各产业就业人员柱状图')
plt.savefig('2000-2019年各产业就业人员柱状图.png')
plt.show()

  

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
label=['第一产业就业人员','第二产业就业人员','第三产业就业人员']
plt.figure(figsize=(12,9),dpi=60)
plt.bar(range(3),values[-1,2:5],width=0.4)
plt.xlabel('产业')
plt.ylabel('产业就业人员(万人)')
plt.xticks(range(3),label)
plt.title('2019年各产业就业人员散点图')
plt.savefig('2000-2019年各产业就业人员散点图.png')
plt.show()

  

标签:plt,就业,2019,values,import,可视化,人员
From: https://www.cnblogs.com/ayue6/p/17788993.html

相关文章

  • 灵活、可用、高扩展,EasyMR 带来全新 Yarn 的队列管理功能及可视化配置
    YARN(YetAnotherResourceNegotiator)是Hadoop生态系统中的资源调度器,主要用于资源管理和作业调度。YARN自身具备队列管理功能,通过对YARN资源队列进行配置和管理,实现集群资源的分配,以满足不同应用和用户的需求。YARN的引入为集群在利用率、资源统一管理和数据共享等方面带来......
  • 软件测试|Python数据可视化神器——pyecharts教程(十)
    使用pyecharts绘制漏斗图简介漏斗图(FunnelChart)是一种用于可视化数据流程或转化率的图表类型。它通常由一系列阶段组成,每个阶段都有一个名称和一个值,表示在该阶段的转化量或数据流程的进展情况。漏斗图的名称来源于其外观,类似于实际的漏斗形状,它的顶部较宽,底部较窄,符合数据逐渐减......
  • 常用数据分析可视化图表解析之【雷达图】
    雷达图(RadarChart)基础介绍雷达图是一种常用的数据可视化图表,通过使用多边形的边和顶点来表示多个变量或维度的数据。每个变量或维度对应于雷达图的一个轴,数据值则通过距离中心点的距离来表示。雷达图可以直观地展示不同变量之间的差异和相对位置,帮助我们了解数据分布和模式。......
  • 动态数据可视化有哪些工具?
     动态数据可视化工具动态数据可视化是指能够实时或动态地展示数据变化的可视化方式。以下是一些常用的动态数据可视化工具,每个工具都有其特点和适用场景。1.D3.js(Data-DrivenDocuments)D3.js是一个基于JavaScript的强大数据可视化库,它提供了丰富的功能和灵活性,可以创建......
  • 可视化图表统计的好处
    可视化图表统计是将数据以图形的方式呈现,通过视觉化的方式帮助人们更好地理解和分析数据。下面是一个详细介绍可视化图表统计的好处:1.提供清晰的信息传递:  -可视化图表能够将大量的数据和复杂的信息转化为易于理解和消化的形式。  -图表可以帮助人们快速抓住关键信息......
  • [数据分析与可视化] 基于Python绘制简单动图
    动画是一种高效的可视化工具,能够提升用户的吸引力和视觉体验,有助于以富有意义的方式呈现数据可视化。本文的主要介绍在Python中两种简单制作动图的方法。其中一种方法是使用matplotlib的Animations模块绘制动图,另一种方法是基于Pillow生成GIF动图。目录1Animations模块1.1FuncA......
  • git 图形可视化工具GitHub Desktop 的安装及使用
    直接搜索GitHubDesktop 点进去下载: 下载完根据提示关联自己的github账号克隆一个仓库: 基于某分支新建分支  ......
  • Linux查看硬件信息超强命令sar,以及可视化工具ksar
    一、概述sar(SystemActivityReporter,系统活动情况报告)是Linux下系统运行状态统计工具,可从多方面对系统的活动进行报告,包括:文件的读写情况、系统调用的使用情况、磁盘I/O、CPU效率、内存使用状况、进程活动及IPC有关的活动等。算是一个万能的小能手。二、安装Linux下:#yumin......
  • R语言股市可视化相关矩阵:最小生成树|附代码数据
    原文链接:http://tecdat.cn/?p=17835最近我们被客户要求撰写关于股市可视化的研究报告,包括一些图形和统计输出。本文在股市可视化中可视化相关矩阵 :最小生成树在本文示例中,我将使用日数据和1分钟数据来可视化股票数据。我发现以下概念定义非常有用: 连通图:在无向图中,若任......
  • TSINGSEE智慧加油站可视化监管与风险预警方案
    一、方案背景加油站属于危化品行业,如何在日常加油卸油作业过程中保障人员、财产安全是重中之重。国内加油站日常管理主要依靠人为管控、监控摄像头监督及人工巡检等方式,管控手段存在低效性和滞后性,迫切需要将人工智能、物联网、大数据等技术应用到日常监管工作中,由“人工监督”升级......