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=x^2+y^2

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。

```c++ 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()

```

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。

```c++ 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()

```

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。

```c++ 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")
```

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/)

```c++ 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="c32_6cdb_dbb4394 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

```

爬虫代码及结果如上

```c++ 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)

```

生成 10 天热力图代码如上。

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

```python 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() ```

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。

```c++ 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() ```

生成一个散点图，z=x^2+y^2

```python 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)