实验12 Matplotlib绘制图表（二）
实验学时：2学时
实验类型：验证
实验要求：必修
一、实验目的
- 掌握Matplotlib的框架及图形属性。
- 掌握Matplotlib绘制图形的步骤。
- 掌握Matplotlib绘制柱形图、条形图、饼图、折线图。
- 掌握Matplotlib绘制散点图、等高线图、极坐标图、3D图。
二、实验要求
通过编程实现使用Matplotlib绘制柱形图、条形图、饼图、折线图、散点图、等高线图、极坐标图、3D图，并显示输出。
三、实验内容
任务1. 根据实验10任务1中的结果数据实现：
（1）用厦门市2018年1-6月白天和晚上都是晴天的天数、白天和晚上都是雨天的天数数据绘制对称柱形图
（2）用全年最高温和最低温均不超过10的天数、全年最高温超过30的天数、全年空气质量为优的天数、全年晴天天数、全年雨天天数数据绘制散点图。
（3）用每月雨天数占全年天数的比值绘制一个饼图。
用Python编写程序实现。
任务2.利用tushare模块导出2022年股票代码为“000001”的股票数据，按周汇总计算每周开盘价（monday_open）、收盘价（friday_close）、最高价（week_high）、最低价（week_low）。根据结果数据对开盘价（monday_open）、收盘价（friday_close）、最高价（week_high）、最低价（week_low）绘制折线图。用Python编写程序实现。
任务3. 利用如下等高线函数，绘制如下图所示的热力图。
def f(x, y):
return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(- x ** 2 - y ** 2)
任务4. 利用如下函数，绘制如下图所示的3D曲面图。
def f(x,y):
return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
test12.py
# encoding:utf-8
import numpy as np
import matplotlib as mpl
import matplotlib.pylab as plt
import pandas as pd
import tushare as ts
from mpl_toolkits.mplot3d import Axes3D
from matplotlib.font_manager import FontProperties
def task1():
mpl.rcParams['font.sans-serif'] = 'SimHei'
mpl.rcParams['axes.unicode_minus'] = False
# 读取CSV文件
df = pd.read_csv("cleaned_xiamen_2018.csv", encoding="utf-8", parse_dates=['日期'], date_parser=lambda
x: pd.to_datetime(x, format='%Y年%m月%d日'))
# （1）对称柱形图
sunny_days = df[(df['日期'].dt.month.isin([1, 2, 3, 4, 5, 6])) & (df['日间天气'] == '晴') & (df['夜间天气'] == '晴')]
sunny_days_count = sunny_days.groupby(sunny_days['日期'].dt.month).size()
rainy_days = df[(df['日期'].dt.month.isin([1, 2, 3, 4, 5, 6])) & (df['日间天气'] == '小雨') & (df['夜间天气'] == '小雨')]
rainy_days_count = rainy_days.groupby(rainy_days['日期'].dt.month).size()
# 确保两组数据长度相同
sunny_days_count = sunny_days_count.reindex(range(1, 7), fill_value=0)
rainy_days_count = rainy_days_count.reindex(range(1, 7), fill_value=0)
fig, ax = plt.subplots()
bar_locations = range(1, 7)
ax.bar(bar_locations, sunny_days_count, label='晴天', color='gold')
ax.bar(bar_locations, -rainy_days_count, label='雨天', color='lightblue') # 注意这里取负值
ax.set_xlabel('月份')
ax.set_ylabel('天数')
ax.set_title('1-6月份白天和晚上都是晴天/雨天的天数')
ax.set_xticks(bar_locations)
ax.set_xticklabels([f'Month {i}' for i in range(1, 7)])
ax.legend()
plt.show()
# （2）散点图
# 数据筛选
temperature_condition = (df['当日最高温度'] <= 10) & (df['当日最低温度'] <= 10)
high_temperature_condition = df['当日最高温度'] > 30
air_quality_condition = df['质量等级'] == '优'
sunny_days_condition = (df['日间天气'] == '晴') & (df['夜间天气'] == '晴')
rainy_days_condition = (df['日间天气'] == '小雨') & (df['夜间天气'] == '小雨')
# 统计数据
temperature_days = df[temperature_condition]
high_temperature_days = df[high_temperature_condition]
air_quality_days = df[air_quality_condition]
sunny_days = df[sunny_days_condition]
rainy_days = df[rainy_days_condition]
fig, ax = plt.subplots()
ax.scatter(temperature_days['日期'], temperature_days['当日最高温度'], label='温度<=10°C', color='blue', marker='o')
ax.scatter(high_temperature_days['日期'], high_temperature_days['当日最高温度'], label='最高温>30°C', color='red',
marker='s')
ax.scatter(air_quality_days['日期'], air_quality_days['当日最高温度'], label='空气质量优', color='green', marker='^')
ax.scatter(sunny_days['日期'], sunny_days['当日最高温度'], label='晴天', color='orange', marker='d')
ax.scatter(rainy_days['日期'], rainy_days['当日最高温度'], label='雨天', color='purple', marker='v')
ax.set_xlabel('日期')
ax.set_ylabel('最高温度')
ax.set_title('全年天气情况散点图')
ax.legend()
plt.show()
# （3）饼图
monthly_rainy_days = df.groupby(df['日期'].dt.month)['日间天气'].apply(lambda x: x[x == '小雨'].count()).tolist()
fig, ax = plt.subplots()
labels = [f'第{i + 1}月' for i in range(len(monthly_rainy_days))]
# 确保 monthly_rainy_days 和 labels 长度一致
if len(monthly_rainy_days) == len(labels):
ax.pie(monthly_rainy_days, labels=labels, autopct='%1.1f%%', startangle=90, colors=plt.cm.Paired.colors)
ax.set_title('每月雨天数占全年比例')
plt.show()
else:
print("错误：monthly_rainy_days 和 labels 的长度不一致。")
def shoupan(zgpa):
spj = zgpa.set_index(zgpa.index)
plt.plot(spj['close'])
plt.title('中国平安每日收盘价')
plt.show()
# 按周采样输出
def weeko(spj):
spj_week = spj['close'].resample('W-MON').mean()
print(spj_week.head(20))
# 训练数据
train_data = spj_week['2022': '2022']
plt.plot(train_data)
plt.title('股票周收盘价均值')
plt.show()
def task2():
mpl.rcParams['font.sans-serif'] = 'SimHei'
mpl.rcParams['axes.unicode_minus'] = False
zgpa = ts.get_hist_data('000001')
zgpa.index = pd.to_datetime(zgpa.index)
spj = zgpa.set_index(zgpa.index)
fig = plt.figure(dpi=120, figsize=(5, 3))
shoupan(zgpa)
weeko(spj)
# 定义函数
def f(x, y):
return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(- x ** 2 - y ** 2)
def task3():
n = 256
# 定义x,y
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
# 生成网格数据
X, Y = np.meshgrid(x, y)
# 填充等高线的颜色，8是等高线分为几部分
plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=plt.cm.hot) # cmap=plt.cm.hot映射为热力图
# 绘制等高线
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=0.5)
# 绘制等高线数据
plt.clabel(C, inline=True, fontsize=10)
# 去除坐标轴
plt.xticks(())
plt.yticks(())
plt.show()
def task4():
font = FontProperties(fname=None, size=14)
font.set_family('SimHei')
font.set_name('SimHei')
font.set_style('normal')
plt.rcParams['font.sans-serif'] = [font.get_name()] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
n = 1000 # 1000*1000的点阵
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))
fig = plt.figure()
plt.title('3D曲面图', fontdict={'size': 20, 'color': 'r'})
ax = fig.add_subplot(111, projection='3d') # 使用fig.gca方法也可以，但是需要指定projection='3d'参数
ax.set_xlabel('x轴', fontdict={'size': 14, 'color': 'g'})
ax.set_ylabel('y轴', fontdict={'size': 14, 'color': 'b'})
ax.set_zlabel('z轴', fontdict={'size': 14, 'color': 'r'})
ax.plot_surface(x, y, f(x, y), rstride=10, cstride=10, cmap='jet')
plt.show()
if __name__ == '__main__':
task1()
task2()
task3()
task4()