目标:
掌握numpy模块基本操作;
掌握matplotlib模块基础操作;
掌握pandas模块基础操作。
内容:
1.编写程序,利用pyplot将绘图区域划分成2*1个子绘图区域,并在每个区域中生成坐标系,如下图:(提示:直线数组为np.arange(0, 101))
2.现有如图9-15所示的股票数据:
按以下要求操作。
(1)仿照图9-15的表格,创建一个DataFrame对象。
(2)使用条形图展示股票数据,其中证券简称为x轴、最新价为y轴。
(3)将条形图以shares——bar.png为文件名保存在桌面上。
; 步骤:
1.编写程序,利用pyplot将绘图区域划分成2*1个子绘图区域,并在每个区域中生成坐标系,如下图:(提示:直线数组为np.arange(0, 101))
代码如下:
import numpy as np
import matplotlib.pyplot as plt
data = np.arange(0,101)
plt.subplot(211)
plt.plot(data.data)
plt.subplot(212)
plt.plot(data,-data)
plt.show()
运行结果:
2.现有如图9-15所示的股票数据:
按以下要求操作。
(1)仿照图9-15的表格,创建一个DataFrame对象。
(2)使用条形图展示股票数据,其中证券简称为x轴、最新价为y轴。
(3)将条形图以shares——bar.png为文件名保存在桌面上。
代码如下:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']='FangSong'
plt.rcParams['axes.unicode_minus']=False
np.arange(0,11)
df=pd.DataFrame({'证券代码 ':['000609','000993','002615','000795','002766',
'000971','000633','300173','30 0279','000831'],
'证券简称':['中迪投资','闽东电力','哈尔斯','英洛华','索菱股份',
'高升控投','合金投资','智慧松德','和晶科技','五矿稀土'],
'最新价':[4.80,4.80,5.02,3.93,6.78,3.72,4.60,4.60,5.81,9.87],
'涨跌幅%':[10.09,10.09,10.09,10.08,10.06,10.06,10.06,10.05,
10.05,10.04]})
s1=df['证券简称']
s2=df['最新价']
plt.figure(figsize=(12,6),facecolor='white')
plt.bar(s1,align = 'center',height=s2,width=0.8,alpha=0.8)
plt.yticks([0,1,2,3,4,5,6,7,8,9,10])
plt.xlabel("证券简称")
plt.ylabel("最新价")
plt.title("各证券最新价格")
plt.savefig(r'E:\pywork\shares--bar.png')
plt.show()
运行结果:
心得:
1.函数将整个绘画区域等分,题一中要求划分一个2*1子绘图区域,因此通过subplot(nrows,ncols,index)可以很快得到自己需要图形区域准确的画出图形,同时还可以使用subplots(nrows,ncols,index)一次性生成多个坐标系。
2.错误:条形图字体看不清楚以及第一条中迪投资条形图不完整,图形整体呈现不好。
修改:
(1)将SimHei字体更改为FangSong字体;
(2)在绘制条形图函数中添加了align = 'center',代码如下:
plt.bar(s1,height=s2,width=0.8,alpha=0.8) ,最终条形图x轴刻度标签为水平居中。
Original: https://blog.csdn.net/weixin_45652976/article/details/122483184
Author: Y_ni
Title: Python—数据分析与可视化编程

探究torchAudio中wav2vec2的源码(一)

FPN (特征金字塔) 的原理和代码

李宏毅(2020)作业9:无监督学习降维、聚类、自编码

opencv系列之基于NVIDIA显卡的opencv-python硬解方案

学习笔记2-聚类集成方法

Saltstack系列5:Saltstack之pillar组件

dlib.get_frontal_face_detector()及detector()返回值

基于LSTM算法的股票预测

【AI视野·今日NLP 自然语言处理论文速览 第二十九期】Mon, 14 Feb 2022

OpenHarmony学习笔记——Hi3861+ASR-01的语音识别助手

模型训练时的学习率默认设置为0.01。_Kaldi LF-MMI训练—脚本修改小技巧

TiDB HTAP 遇上新能源车企:直营模式下实时数据分析的应用实践

哪家的蓝牙耳机质量比较好?2022真无线蓝牙耳机排名

导入pyside2 pyside6出现libgssapi_krb5.so.2: symbol krb5_ser_context_init version krb5_3_MIT的问题…
