【Python】Python中使用Matplotlib绘制折线图、散点图、饼形图、柱形图和箱线图

快来打我* 2023-10-09 17:48 37阅读 0赞

### 【Python】使用Matplotlib绘制折线图、散点图、饼形图、柱形图和箱线图 ###

> python数据可视化课程，实验二
> 
> Matplotlib 中文API：[API 概览 | Matplotlib][API _ _ Matplotlib]

#### 一、实验任务的数据背景 ####

提供的源数据（数据文件employee.csv）共拥有4个特征，分别为就业人员、第一产业就业人员、第二产业就业人员、第三产业就业人员。根据3个产业就业人员的数量绘制散点图和折线图。根据各个特征随着时间推移发生的变化情况，可以分析出未来3个产业就业人员的变化趋势。绘制3个产业就业人员数据的饼图、柱形图和箱线图。通过柱形图可以对比分析各产业就业人员数量，通过饼图可以发现各产业就业人员的变化，绘制每个特征的箱线图则可以发现不同特征增长或减少的速率变化。

#### 二、实验任务和要求 ####

1）使用pandas库读取3个产业就业人员数据。

2）绘制2000—2019年各产业就业人员散点图。

3）绘制2000-—2019年各产业就业人员折线图。

4）绘制2019年各产业就业人员饼图。

5）绘制2019年各产业就业人员柱形图。

6）绘制2000—2019年各产业就业人员年末总人数箱线图。

#### 三、绘图结果与程序代码 ####

##### 1、employee.csv文件 #####

<table> 
 <thead> 
  <tr> 
   <th>指标</th> 
   <th>就业人员(万人)</th> 
   <th>第一产业就业人员(万人)</th> 
   <th>第二产业就业人员(万人)</th> 
   <th>第三产业就业人员(万人)</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>2000年</td> 
   <td>72085</td> 
   <td>36042.5</td> 
   <td>16219.1</td> 
   <td>19823.4</td> 
  </tr> 
  <tr> 
   <td>2001年</td> 
   <td>72797</td> 
   <td>36398.5</td> 
   <td>16233.7</td> 
   <td>20164.8</td> 
  </tr> 
  <tr> 
   <td>2002年</td> 
   <td>73280</td> 
   <td>36640</td> 
   <td>15681.9</td> 
   <td>20958.1</td> 
  </tr> 
  <tr> 
   <td>2003年</td> 
   <td>73736</td> 
   <td>36204.4</td> 
   <td>15927</td> 
   <td>21604.6</td> 
  </tr> 
  <tr> 
   <td>2004年</td> 
   <td>74264</td> 
   <td>34829.8</td> 
   <td>16709.4</td> 
   <td>22724.8</td> 
  </tr> 
  <tr> 
   <td>2005年</td> 
   <td>74647</td> 
   <td>33441.9</td> 
   <td>17766</td> 
   <td>23439.2</td> 
  </tr> 
  <tr> 
   <td>2006年</td> 
   <td>74978</td> 
   <td>31940.6</td> 
   <td>18894.5</td> 
   <td>24142.9</td> 
  </tr> 
  <tr> 
   <td>2007年</td> 
   <td>75321</td> 
   <td>30731</td> 
   <td>20186</td> 
   <td>24404</td> 
  </tr> 
  <tr> 
   <td>2008年</td> 
   <td>75564</td> 
   <td>29923.3</td> 
   <td>20553.4</td> 
   <td>25087.2</td> 
  </tr> 
  <tr> 
   <td>2009年</td> 
   <td>75828</td> 
   <td>28890.5</td> 
   <td>21080.2</td> 
   <td>25857.3</td> 
  </tr> 
  <tr> 
   <td>2010年</td> 
   <td>76105</td> 
   <td>27930.5</td> 
   <td>21842.1</td> 
   <td>26332.3</td> 
  </tr> 
  <tr> 
   <td>2011年</td> 
   <td>76420</td> 
   <td>26594</td> 
   <td>22544</td> 
   <td>27282</td> 
  </tr> 
  <tr> 
   <td>2012年</td> 
   <td>76704</td> 
   <td>25773</td> 
   <td>23241</td> 
   <td>27690</td> 
  </tr> 
  <tr> 
   <td>2013年</td> 
   <td>76977</td> 
   <td>24171</td> 
   <td>23170</td> 
   <td>29636</td> 
  </tr> 
  <tr> 
   <td>2014年</td> 
   <td>77253</td> 
   <td>22790</td> 
   <td>23099</td> 
   <td>31364</td> 
  </tr> 
  <tr> 
   <td>2015年</td> 
   <td>77451</td> 
   <td>21919</td> 
   <td>22693</td> 
   <td>32839</td> 
  </tr> 
  <tr> 
   <td>2016年</td> 
   <td>77603</td> 
   <td>21496</td> 
   <td>22350</td> 
   <td>33757</td> 
  </tr> 
  <tr> 
   <td>2017年</td> 
   <td>77640</td> 
   <td>20944</td> 
   <td>21824</td> 
   <td>34872</td> 
  </tr> 
  <tr> 
   <td>2018年</td> 
   <td>77586</td> 
   <td>20258</td> 
   <td>21390</td> 
   <td>35938</td> 
  </tr> 
  <tr> 
   <td>2019年</td> 
   <td>77471</td> 
   <td>19445.2</td> 
   <td>21304.5</td> 
   <td>36721.3</td> 
  </tr> 
 </tbody> 
</table>

##### 2、绘图结果 #####

*  散点图

![image-20230415141514764][]

*  折线图

![image-20230415141539402][]

*  饼图

![image-20230415141553786][]

*  柱形图

![image-20230415141609346][]

*  箱线图

![image-20230415141632419][]

##### 3、代码 #####

import pandas as pd
    import matplotlib.pyplot as plt
    
    # 何壮壮 20302211009
    
    # 读取数据
    data = pd.read_csv('employee.csv', encoding='utf-8')
    
    # 绘制2000-2019个产业就业人员散点图
    # 解决标签中文乱码
    plt.rcParams['font.sans-serif'] = ['SimHei']
    # 调整画布尺寸
    plt.figure(figsize=(12, 5))
    # 第一产业就业人员(万人)
    plt.scatter(data[data.columns[0]], data[data.columns[2]], color='red', label='第一产业')
    # 第二产业就业人员(万人)
    plt.scatter(data[data.columns[0]], data[data.columns[3]], color='blue', label='第二产业')
    # # 第三产业就业人员(万人)
    plt.scatter(data[data.columns[0]], data[data.columns[4]], color='black', label='第三产业')
    # 设置x轴标签
    plt.xlabel('年份')
    # 设置y轴标签
    plt.ylabel('就业人数（百万）')
    # 显示图例
    plt.legend()
    plt.title('2000-2019个产业就业人员散点图')
    # 显示散点图
    plt.show()
    
    
    # 绘制2000-2019个产业就业人员折线图
    # 调整画布尺寸
    plt.figure(figsize=(12, 5))
    # 第一产业就业人员(万人)
    plt.plot(data[data.columns[0]], data[data.columns[2]], color='r', label='第一产业')
    # 第二产业就业人员(万人)
    plt.plot(data[data.columns[0]], data[data.columns[3]], color='b', label='第二产业')
    # 第三产业就业人员(万人)
    plt.plot(data[data.columns[0]], data[data.columns[4]], color='k', label='第三产业')
    # 设置x轴标签
    plt.xlabel('年份')
    # 设置y轴标签
    plt.ylabel('就业人数（百万）')
    # 显示图例
    plt.legend()
    # 显示标题
    plt.title('2000-2019个产业就业人员折线图')
    # 显示折线图
    plt.show()
    
    
    # 绘制2019年个产业就业人员饼图
    # [-1][2:] 表示最后一行数据（即2019年）的第一、二、三产业数据
    plt.pie(data.values[-1][2:], labels=['第一产业', '第二产业', '第三产业'], autopct="%1.1f%%", startangle=90)
    # 显示标题
    plt.title('2019年各产业就业人员饼图')
    # 显示饼图
    plt.show()
    
    
    # 绘制2019年个产业就业人员柱形图
    # 调整画布尺寸
    plt.figure(figsize=(12, 5))
    # [-1][2:] 表示最后一行数据（即2019年）的第一、二、三产业数据
    plt.bar(data.columns[2:], data.values[-1][2:])
    # 在柱子顶部显示数值
    for a, b in zip(data.columns[2:], data.values[-1][2:]):
        plt.text(a, b, b)
    # 显示标题
    plt.title('2019年各产业就业人员柱形图')
    # 显示饼图
    plt.show()
    
    
    # 绘制2000—2019年各产业就业人员年末总人数箱线图
    plt.boxplot([data[data.columns[2]], data[data.columns[3]], data[data.columns[4]]], labels=data.columns[2:])
    # 显示标题
    plt.title("2000—2019年各产业就业人员年末总人数箱线图")
    # 显示图表
    plt.show()

**本文仅供学习参考！**

[API _ _ Matplotlib]: https://matplotlib.org.cn/API/
[image-20230415141514764]: https://img-blog.csdnimg.cn/img_convert/47cd3ce41865f758c1f985d24f147f1a.png
[image-20230415141539402]: https://img-blog.csdnimg.cn/img_convert/f2e5a0f4c3b89a62505f82927ece6d61.png
[image-20230415141553786]: https://img-blog.csdnimg.cn/img_convert/46951edff4d2dd492494b7d4a2b2db1d.png
[image-20230415141609346]: https://img-blog.csdnimg.cn/img_convert/eb329258ffd0fa4a44d7d50c10cbee2c.png
[image-20230415141632419]: https://img-blog.csdnimg.cn/img_convert/a789a922b3464ba85bac0589ded758f9.png