数据可视化|实验四 分析1996-2015年人口数据特征间的关系

使用 NumPy 库读取人口数据

使用 numpy 库读取人口数据，分析 1996~2015 年人口数据特征间的关系：

%matplotlib inline

import numpy as np

import matplotlib.pyplot as plt

data=np.load('./populations.npz',allow_pickle=True)
print(data.files)# 查看文件中的数组
print(data['data'])
print(data['feature_names'])
plt.rcParams['font.sans-serif']='SimHei'# 设置中文显示
name=data['feature_names']# 提取其中的 feature_names 数组，视为数据的标签
values=data['data']# 提取其中的 data 数组，视为数据的存在位置

创建画布，并添加子图

p1=plt.figure(figsize=(12,12))# 确定画布大小
pip1=p1.add_subplot(2,1,1)# 创建一个两行一列的子图并开始绘制

在两个子图上分别绘制散点图和折线图

p1=plt.figure(figsize=(12,12))# 确定画布大小
pip1=p1.add_subplot(2,1,1)# 创建一个两行一列的子图并开始绘制
# 在子图上绘制散点图
plt.scatter(values[0:20,0],values[0:20,1],marker='8',color='red')
plt.ylabel(' 总人口（万人） ')
plt.legend(' 年末 ')
plt.title('1996~2015 年末与各类人口散点图 ')
pip2=p1.add_subplot(2,1,2)# 绘制子图 2
plt.scatter(values[0:20,0],values[0:20,2],marker='o',color='yellow')
plt.scatter(values[0:20,0],values[0:20,3],marker='D',color='green')
plt.scatter(values[0:20,0],values[0:20,4],marker='p',color='blue')
plt.scatter(values[0:20,0],values[0:20,5],marker='s',color='purple')
plt.xlabel(' 时间 ')
plt.ylabel(' 总人口（万人） ')
plt.xticks(values[0:20,0])
plt.legend([' 男性 ',' 女性 ',' 城镇 ',' 乡村 '])
p2=plt.figure(figsize=(12,12))
p1=p2.add_subplot(2,1,1)
plt.plot(values[0:20,0],values[0:20,1],color='r',linestyle='--',marker='8')
plt.ylabel(' 总人口（万人） ')
plt.xticks(range(0,20,1),values[range(0,20,1),0],rotation=45)#rotation 设置倾斜度
plt.legend(' 年末 ')
plt.title('1996~2015 年末总与各类人口折线图 ')
p2=p2.add_subplot(2,1,2)
plt.plot(values[0:20,0],values[0:20,2],'y-')
plt.plot(values[0:20,0],values[0:20,3],'g-.')
plt.plot(values[0:20,0],values[0:20,4],'b-')
plt.plot(values[0:20,0],values[0:20,5],'p-')
plt.xlabel(' 时间 ')
plt.ylabel(' 总人口（万人） ')
plt.xticks(values[0:20,0])
plt.legend([' 男性 ',' 女性 ',' 城镇 ',' 乡村 '])
plt.show()