【数据分析&数据挖掘】2000-2017年各个产业生产总值箱线图

 1 import matplotlib.pyplot as plt
 2 import numpy as np
 3
 4
 5 # 构建数据
 6 def build_data():
 7     res = np.load("./国民经济核算季度数据.npz", allow_pickle=True)
 8     columns = res["columns"]
 9     values = res["values"]
10     return columns, values
11
12 def show_data(columns, values):
13     fig = plt.figure()
14     plt.rcParams[‘font.sans-serif‘] = ‘SimHei‘
15     plt.rcParams[‘axes.unicode_minus‘] = False
16
17     fig.add_subplot(2, 1, 1)
18     x = (list(values[:, 3]), list(values[:, 4]), list(values[:, 5]))
19     labels = [tmp[:4] for tmp in columns[3:6]]
20     plt.boxplot(x, notch=True, labels=labels, meanline=True, showmeans=True)
21     plt.title("2000-2017年各个产业生产总值箱线图")
22     plt.xlabel("产业")
23     plt.ylabel("生产总值(亿元)")
24
25     fig.add_subplot(2, 1, 2)
26     x = (list(values[:, 6]), list(values[:, 7]), list(values[:, 8]), list(values[:, 9]), list(values[:, 10]), list(values[:, 11]), list(values[:, 12]), list(values[:, 13]), list(values[:, 14]))
27     labels = [tmp[:2] for tmp in columns[6:]]
28     plt.boxplot(x, notch=True, labels=labels, meanline=True, showmeans=True)
29     plt.title("2000-2017年各个行业生产总值箱线图")
30     plt.xlabel("行业")
31     plt.ylabel("生产总值(亿元)")
32
33     plt.savefig("./2000-2017年各个产业生产总值箱线图.png")
34     plt.show()
35
36
37 def main():
38     columns, values = build_data()
39     show_data(columns, values)
40
41 if __name__ == ‘__main__‘:
42     main()

    绘制更多的图,参考网址:https://matplotlib.org/gallery/index.html
    echarts
    pyecharts

原文地址:https://www.cnblogs.com/Tree0108/p/12115960.html

时间: 2024-11-09 01:55:12

【数据分析&数据挖掘】2000-2017年各个产业生产总值箱线图的相关文章

【数据分析&数据挖掘】2000和2017年各产业生产总值占比饼图

1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 def draw_data(n, a, b, d, values, fig, plt, t, l, cl): 5 fig.add_subplot(2, 2, n) 6 x = values[d, a:b+1] 7 # explode = (0.01) 8 plt.pie(x, labels=l, colors=cl, autopct="%.2f%%", shadow=F

【数据分析&数据挖掘】2000-2017年各个产业、行业的散点图

1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 5 def show_data(columns, values): 6 """ 7 绘图展示 8 :param columns: 名称 9 :param values: 真实数据 10 :return: None 11 """ 12 # 1.创建画布 13 fig = plt.figure(figsize=(20, 12), dp

【数据分析&数据挖掘】异常值的判断与去除——3σ & 箱线图分析

1 import pandas as pd 2 3 # 异常值 ——远离正常值范围的错误值 4 # 异常值 ——删掉 5 6 # 异常值判断 ——3σ 箱线图分析 7 8 # 3σ 接住标准正态部分得到的规律——99.73%都在(μ-3α,μ+3α)之间,超过这个范围的数据认为是异常的 9 10 def three_sigma(data): 11 """ 12 进行3sigma异常值剔除 13 :param data: 原数据——series 14 :return: bool

经济学人:2017年金融服务产业特别报告

经济学人:2017年金融服务产业特别报告 2016年11月30日 全球经济, 研究报告

【转】数据分析/数据挖掘 入门级选手建议

1.数据分析和数据挖掘联系和区别 联系:都是搞数据的 区别:数据分析偏统计,可视化,出报表和报告,需要较强的表达能力.数据挖掘偏算法,重模型,需要很深的代码功底,要码代码,很多= =. 2.怎么入门 请百度"如何成为一名数据分析师"或者"如何成为一名数据挖掘工程师".英文好上Quora,不行上知乎,看看入门资料. 3.选哪些书 看入门资料给你提供的书,有电子版下电子版,没电子版买纸质书,花不了多少钱. 4.用什么语言 数据分析:excel是必须,R是基本,pytho

用Python做股票市场数据分析—做K线图

由于本科在校期间身边有许多朋友是金融专业的,他们时长在我耳边谈起股票情况,受他们影响,耳濡目染地对证券时长有了兴趣.毕业前几个月找实习单位时,又机缘巧合地在这方面工作了一段时间,学习了证券交易的各种理论(道氏理论.日本蜡烛图技术.波浪理论等),虽然后期转行做了本专业工作(数据挖掘),但对证券交易这块一直在关注.闲来无事就用Python来实现了一下蜡烛图,话不多说,直接上代码: # 导入需要的包和模块 import datetime import pandas as pd import tusha

python&数据分析&数据挖掘--参考资料推荐书籍

1.要用python做数据分析,先得对python语言熟悉,推荐一本入门书 :笨方法学python (learn python the hard way),这本书用非常有趣的讲述方式介绍了python的基本语法,非常适合非计算机专业作为入门书来看. 2.用python做数据分析的话,推荐用 anaconda,地址https://www.anaconda.com/download/  ,可以根据需要选择版本 3.后面需要添加各种包的时候,在开始-所有程序,打开Anaconda prompt,输入

06-机器学习.数据分析.数据挖掘的区别于联系

数据分析:数据分析是指用适当的统计分析方法对手机的大量数据进行分析,并提取有用的信息,以及形成结论,从而对数据进行详细的研究和概括过程.在实际工作中,数据分析可帮助人们做出判断;数据分析一般而言可以分为统计分析.探索性数据分析和验证性数据分析三大类. 数据挖掘:一般指从大量的数据中通过算法搜索隐藏于其中的信息的过程.通常通过统计,检索.机器学习.模式匹配等诸多方法来实现这个过程. 机器学习:是数据分析和数据挖掘的一种比较常用.比较好的手段.. 原文地址:https://www.cnblogs.c

期待中冷静前行,专家预测2017年VR产业5大发展趋势

VR在90年代火过一阵后,在2016年迎来了爆发.今年的VR领域,除了Oculus.HTC.索尼等发布的各家硬件,还有许多VR内容争奇斗艳的迸发,但是VR会一直保存热度吗? 事实上,对于科技圈巨头而言,整个VR行业还处于初级阶段.不少研究机构预测了VR未来几年的发展状态,而今天我们先起跟随专家的脚步看看VR明年的发展态势.近日,591arvr资讯网www.591arvr.com报道,外媒UploadVR和几位业界的大腕(OpenVerse的Rob Goodman, Lucid VR的Han Ji