• 基于python实现的图像绘制（二维散点图、饼图，绘制三维的直方图、线图、散点图、利用pyecharts在地图上绘制各种图标）

    1. 问题描述

    • 使用 Iris 数据集，在一个 figure 中绘制出右侧的 16 个子图。

      分别使用花瓣长度、花瓣宽度、花萼长度和花萼宽度这四种数据，两两组合，形成散点。

    • 找一组自己感兴趣的真实数据，绘制出饼图。并看看数据的项数在什么范围比较合适在饼图中展示；

      调整数据的顺序或角度，使得第一个扇区在 12 点方向开始；

      调整字体的大小、标签的位置等参数。

    • 在中国地图上展示每个省的高考人数或大学数量。

    • 展示自己家乡所在城市的温度变化热力图，要求至少有 10 天的数据。

    • 生成一个直方图，有 25 根直方柱。要求直方柱的最小值是 1，最大值是 25，要求沿着边缘，从外到内逐步增大

    • 生成一个金字塔的线图；

      生成一上一下两个金字塔，叠放在一起。

    • 生成一个散点图，z=x2+y2

    2. 实验环境

    Microsoft Windows 10 版本18363

    ​ PyCharm 2020.2.1 (Community Edition)

    ​ Python 3.8(Scrapy 2.4.0 + numpy 1.19.4 + pandas 1.1.4 + matplotlib 3.3.3)

    3. 实验步骤及结果

    • 使用 Iris 数据集，在一个 figure 中绘制出右侧的 16 个子图。

      分别使用花瓣长度、花瓣宽度、花萼长度和花萼宽度这四种数据，两两组合，形成散点。

    from matplotlib import pyplot as plt
import numpy as np
import pandas as pd

from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']

df = pd.read_csv("./iris.csv", encoding='utf-8', dtype=str)
df = pd.DataFrame(df, columns=['Sepal.length', 'Sepal.width', 'Petal.Length', 'Petal.Width', 'Species'], dtype=str)

colors = ['blue', 'orange', 'green']

df['Sepal.length'] = df['Sepal.length'].astype(np.float)
df['Sepal.width'] = df['Sepal.width'].astype(np.float)
df['Petal.Length'] = df['Petal.Length'].astype(np.float)
df['Petal.Width'] = df['Petal.Width'].astype(np.float)

Species = df.Species.unique()
print(Species)

fig, ax = plt.subplots()

labelx = ['Petal.Width', 'Petal.Length', 'Sepal.width', 'Sepal.length']
labely = ['Sepal.length', 'Sepal.width', 'Petal.Length', 'Petal.Width']

for index in range(16):
    plt.subplot(4, 4, index + 1)
    plt.xlabel(labelx[index % 4])
    plt.ylabel(labely[int(index / 4)])
    plt.title(labelx[index % 4] + ' vs ' + labely[int(index / 4)])
    plt.grid(True, linestyle='--', alpha=0.8)
    for i in range(len(Species)):
        plt.scatter(df.loc[df.Species == Species[i], labelx[index % 4]], df.loc[df.Species == Species[i], labely[int(index / 4)]], s=5, color=colors[i], label=Species[i])


plt.subplots_adjust(left=None, bottom=None, right=None, top=None,
                wspace=1, hspace=1)
plt.show()
              

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39

    在这里插入图片描述

    • 找一组自己感兴趣的真实数据，绘制出饼图。并看看数据的项数在什么范围比较合适在饼图中展示；

      调整数据的顺序或角度，使得第一个扇区在 12 点方向开始；

      调整字体的大小、标签的位置等参数。

      选用了之前北京 2010-2015 年 PM 值状况所对应的的空气质量等级进行了饼图展示，调整了字体大小、位置、饼图大小、每一块的顺序(顺逆时针)、初始块的角度等。

    from matplotlib import pyplot as plt
import numpy as np
import pandas as pd

from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']

section = [0, 35, 75, 115, 150, 250, 99999]
section_name = ["优", "良", "轻度污染", "中度污染", "重度污染", "严重污染"]

orig_df = pd.read_csv("./BeijingPM20100101_20151231.csv", encoding='utf-8', dtype=str)
orig_df = pd.DataFrame(orig_df, columns=['year', 'month', 'day', 'PM_US Post'])
df = orig_df.dropna(0, how='any')

df['PM_US Post'] = df['PM_US Post'].astype(np.int)

result = pd.DataFrame(pd.cut(df['PM_US Post'], section, labels=section_name, ordered=False))
result_count = result['PM_US Post'].value_counts(sort=False)

plt.pie(result_count, labels=result_count.index, startangle=90, counterclock=False, radius=1.5, textprops={'fontsize':8}, labeldistance=0.5)
plt.show()


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22

    在这里插入图片描述

    可以发现该饼图的严重污染部分已经发生了错位，因而饼图适合于 5~6 块，即最小块不要小于 15% 左右会比较好看。

    • 在中国地图上展示每个省的高考人数或大学数量

      选择展示各省/市的公办本科大学数量。

     from pyecharts import options as opts
from pyecharts.charts import Map
import numpy as np
import pandas as pd
import random

df = pd.read_csv("./中国大学数量.csv", encoding='utf-8', dtype=np.str)
df = pd.DataFrame(df, columns=['省/市', '公办本科大学数量'])
df['省/市'] = df['省/市'].astype(np.str)
df['公办本科大学数量'] = df['公办本科大学数量'].astype(np.int)

class Data:
    @staticmethod
    def province() -> list:
        res = []
        for i in range(len(df)):
            res.append(str(df['省/市'][i]))
        return res

    @staticmethod
    def values() -> list:
        res = []
        for i in range(len(df)):
            res.append(int(df['公办本科大学数量'][i]))
        return res


def map2() -> Map:
    c = (
        Map()
            .add("数量", [list(z) for z in zip(Data.province(), Data.values())], "china").set_global_opts(
            title_opts=opts.TitleOpts(title="各省公办本科大学数量"),
            visualmap_opts=opts.VisualMapOpts(min_=int(df['公办本科大学数量'].min()), max_=int(df['公办本科大学数量'].max())))
            .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
    )
    return c


map2().render("map2.html")             

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39

    在这里插入图片描述

    • 展示自己家乡所在城市的温度变化热力图，要求至少有 10 天的数据。

      选取深圳市作图，爬取如下网址未来十天深圳市的天气数据

      https://www.tianqi.com/shenzhen/15/](https://www.tianqi.com/shenzhen/15/)

    import scrapy
from weather.items import WeatherItem

class TianqiSpider(scrapy.Spider):
    name = 'tianqi'
    allowed_domains = ['tianqi.com']
    start_urls = ['https://www.tianqi.com/shenzhen/15']

    def parse(self, response):
        item = WeatherItem()
        data = response.xpath('//ul[@class="weaul"]/li')
        for each in data:
            item['date'] = each.xpath('a/div[1]/span[1]/text()').extract()
            low = each.xpath('a/div[4]/span[1]/text()').extract()[0]
            high = each.xpath('a/div[4]/span[2]/text()').extract()[0]
            item['temperature'] = str((int(low) + int(high)) / 2)
            yield item
        pass

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18

    在这里插入图片描述

    爬虫代码及结果如上

    from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
from pyecharts.render import make_snapshot
from snapshot_phantomjs import snapshot
import pandas as pd
import numpy as np

df = pd.read_csv("./weather.csv", encoding='utf-8', dtype=np.str)
df = pd.DataFrame(df, columns=['temperature'])
df['temperature'] = df['temperature'].astype(np.float)
day = 0

class Data:
    guangdong_city = ["深圳市"]

    @staticmethod
    def values() -> list:
        res = []
        for i in range(len(df)):
            res.append(float(df['temperature'][i]))
        return res

def geo_guangdong(title) -> Geo:
    c = (
        Geo()
        .add_schema(maptype="广东")
        .add(
            title,
            [list(z) for z in zip(Data.guangdong_city, [Data.values()[day]])],
            type_=ChartType.HEATMAP,
        )
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(min_=0, max_=int(df['temperature'].max())),#is_piecewise=True),
            title_opts=opts.TitleOpts(title="广东省深圳市12月13-27日温度变化情况"),
        )
    )
    return c

for i in range(10):
    day = i
    str_date="12月" + str(i+13) + "日"
    make_snapshot(snapshot, geo_guangdong(str_date).render(),
                  str(i+1)+".png", pixel_ratio=1)
	

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45

    生成 10 天热力图代码如上。

    在这里插入图片描述

    其中一张如上，其余另附。

    • 生成一个直方图，有 25 根直方柱。要求直方柱的最小值是 1，最大值是 25，要求沿着边缘，从外到内逐步增大
    import numpy as np
import matplotlib.pyplot as plt
import math
from mpl_toolkits.mplot3d import Axes3D

#1.生成fig对象和ax对象
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

#2.生成数据
x = []
y = []
z = [i + 1 for i in range(25)]

left = up = -1
down = right = 5
px = py = 0
x.append(px)
y.append(py)

def add(px, py):
    x.append(px)
    y.append(py)

while True:
    if px == 2 and py == 2:
        break
    while py + 1 < down:
        py = py + 1
        add(px, py)
    left = left + 1
    while px + 1 < right:
        px = px + 1
        add(px, py)
    down = down - 1
    while py - 1 > up:
        py = py - 1
        add(px, py)
    right = right - 1
    while px - 1 > left:
        px = px - 1
        add(px, py)
    up = up + 1

bottom = [0 for _ in range(25)]
width = depth = 0.5

#3.调用bar3d，画3D直方图
ax.bar3d(x, y, bottom, width, depth, z, shade=True)

#4.显示图形
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55

    在这里插入图片描述

    • 生成一个金字塔的线图；

      生成一上一下两个金字塔，叠放在一起。

    import numpy as np
import matplotlib.pyplot as plt
import math
from mpl_toolkits.mplot3d import Axes3D

#1.生成fig对象和ax对象
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

#2.生成数据
x = np.array([1,0,2,1,2,2,1,2,0,1,0,0])
y = np.array([1,0,0,1,0,2,1,2,2,1,2,0])
z = np.array([1,0,0,1,0,0,1,0,0,1,0,0])
z_minus = -1 * z;

#3.调用plot，画3D的线图
ax.plot(x,y,z_minus,"b",marker='o')
ax.plot(x,y,z,"r",marker='o')

#4.显示图形
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24

    在这里插入图片描述
    在这里插入图片描述

    • 生成一个散点图，z=x2+y2
    import numpy as np
import matplotlib.pyplot as plt
import random
import math
from mpl_toolkits.mplot3d import Axes3D

#1.生成fig对象和ax对象
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

#2.生成数据
x = np.linspace(-100,100,10000)
np.random.shuffle(x)
y = np.linspace(-100,100,10000)
np.random.shuffle(y)
z = x**2 + y**2 - 20000
z_minus = -1 * z
ax.scatter(x, y, z, zdir='z', s=1, c='r', marker='.', depthshade=True)
ax.scatter(x, y, z_minus, zdir='z', s=1, c='b', marker='.', depthshade=True)

#4.显示图形
plt.show()


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26

    在这里插入图片描述

  • 相关阅读:
    乱写的项目
    阿里巴巴首推 2022 年金九银十 1000 道 Java 工程师面试题手册（P7岗），整整的10w字文档
    C++——priority_queue类的模拟实现
    我的创作纪念日
    【安全】漏洞挖掘之王的传奇人生
    多普勒流速仪的功能作用是什么？
    全球变暖问题（floodfill 处理联通块问题）
    独立站，如何提高网站转化率
    C++——C++入门（二）
    Python爬虫教程：解析网页中的元素
  • 原文地址：https://blog.csdn.net/newlw/article/details/126136346