[已解决]求帮忙绘图

花开半夏——

求用matplotlib.pyplot帮忙绘制以上三个图，csv文件在附件中 city_economy.zip (19.42 KB, 下载次数: 4)

2023-6-24 16:33 上传

点击文件名下载附件

最佳答案

月排行榜 / 总排行榜

BrownSugar

2023-6-24 19:23:51

第二个图像的颜色没太细调整，基本是差不多的

1. import pandas as pd
   
2. from matplotlib import pyplot as plt
   
3. from matplotlib.ticker import FuncFormatter
   
4. 
   
5. # 数据
   
6. df = pd.read_csv('city_economy.csv')
   
7. city_label = '城市'
   
8. years_label = '年份'
   
9. 
   
10. # 第一个图
    
11. beijing = df[df[city_label] == '北京']
    
12. plt.rcParams['font.sans-serif'] = ['SimHei']
    
13. 
    
14. gdp_label = '地区生产总值（当年价格）(亿元)'
    
15. x = beijing[years_label]
    
16. y = beijing[gdp_label]
    
17. 
    
18. plt.figure(figsize=(14, 6))
    
19. plt.plot(x, y, 'ro-')
    
20. 
    
21. for i, j in zip(x, y):
    
22.     plt.annotate(str(j), xy=(i, j), xytext=(-10, 6), textcoords='offset points', fontsize=6)
    
23. 
    
24. plt.title('北京市地区生产总值的逐年变化')
    
25. plt.xlabel(years_label)
    
26. plt.ylabel(gdp_label)
    
27. 
    
28. plt.show()
    
29. 
    
30. # 第二个图
    
31. plt.figure(figsize=(14, 6))
    
32. 
    
33. gdp_2020 = df[df[years_label].str.contains("2020")][[city_label, gdp_label]]
    
34. 
    
35. df_sorted = gdp_2020.sort_values(by=gdp_label, ascending=False)
    
36. bar_colors = ['blue', 'red', 'green', 'yellow', 'cyan', 'purple', 'orange', 'black']
    
37. 
    
38. plt.bar(df_sorted[city_label], df_sorted[gdp_label], color=bar_colors)
    
39. 
    
40. for i, value in enumerate(df_sorted[gdp_label]):
    
41.     plt.text(i, value, str(value), ha='center', va='bottom', fontsize=6)
    
42. 
    
43. plt.xticks(rotation=45)
    
44. plt.title('2020年中国主要城市的地区生成总值对比')
    
45. plt.xlabel(years_label)
    
46. plt.ylabel(gdp_label)
    
47. plt.grid()
    
48. plt.tight_layout()
    
49. plt.show()
    
50. 
    
51. 
    
52. # 第三个图
    
53. 
    
54. df_2019 = df[df[years_label].str.contains("2019")]
    
55. 
    
56. one_up = df_2019['第一产业增加值(亿元)'] / df_2019[gdp_label] * 100
    
57. two_up = df_2019['第二产业增加值(亿元)'] / df_2019[gdp_label] * 100
    
58. three_up = df_2019['第三产业增加值(亿元)'] / df_2019[gdp_label] * 100
    
59. 
    
60. fig, ax = plt.subplots(figsize=(14, 6))
    
61. 
    
62. x = range(len(df_2019[city_label]))
    
63. width = 0.2
    
64. 
    
65. ax.bar(x, one_up, width=width, color='blue', label='第一产业占比', zorder=3)
    
66. ax.bar([i + width for i in x], two_up, width=width, color='red', label='第二产业占比', zorder=2)
    
67. ax.bar([i + 2 * width for i in x], three_up, width=width, color='green', label='第三产业占比', zorder=1)
    
68. 
    
69. plt.xticks([i + width for i in x], df_2019[city_label], rotation=45)
    
70. 
    
71. plt.title('2019年中国主要城市的产业类型分布')
    
72. plt.xlabel(city_label)
    
73. plt.ylabel('产业比值')
    
74. 
    
75. 
    
76. def percent_formatter(num, pos):
    
77.     return "{:.0f}%".format(num)
    
78. 
    
79. formatter = FuncFormatter(percent_formatter)
    
80. ax.yaxis.set_major_formatter(formatter)
    
81. 
    
82. plt.legend()
    
83. plt.grid()
    
84. plt.tight_layout()
    
85. plt.show()
    

复制代码

跳转到最佳答案楼层

陶远航

歌者文明清理员

占楼

Threebody1

币

sfqxx

wc

las6040

花开半夏——

sfqxx 发表于 2023-6-24 16:47
wc

就是python绘图，你会的话能不能帮我写一下啊，用Matplotlib.pyplot

花开半夏——

Threebody1 发表于 2023-6-24 16:46
币

歌者文明清理员

花开半夏—— 发表于 2023-6-24 17:22

歌者文明清理员

你的荣誉是114（警觉）

花开半夏——

歌者文明清理员 发表于 2023-6-24 17:28
你的荣誉是114（警觉）

什么意思啊？

歌者文明清理员

花开半夏—— 发表于 2023-6-24 17:41
什么意思啊？

114514

花开半夏——

歌者文明清理员 发表于 2023-6-24 17:45
114514

6

BrownSugar

要一模一样的吗，还是画的差不多就行

花开半夏——

BrownSugar 发表于 2023-6-24 17:53
要一模一样的吗，还是画的差不多就行

一模一样的或者差不多都可以，刻度的实现我觉得对我来说有点难，还有筛选数据

花开半夏——

BrownSugar 发表于 2023-6-24 17:53
要一模一样的吗，还是画的差不多就行

但是交作业要求的是一模一样，但是觉得很难，大概实现也非常好了

BrownSugar

花开半夏—— 发表于 2023-6-24 18:03
但是交作业要求的是一模一样，但是觉得很难，大概实现也非常好了

稍等，第一个差不多，在搞第二个

花开半夏——

BrownSugar 发表于 2023-6-24 18:11
稍等，第一个差不多，在搞第二个

OK

BrownSugar

第二个图像的颜色没太细调整，基本是差不多的

1. import pandas as pd
   
2. from matplotlib import pyplot as plt
   
3. from matplotlib.ticker import FuncFormatter
   
4. 
   
5. # 数据
   
6. df = pd.read_csv('city_economy.csv')
   
7. city_label = '城市'
   
8. years_label = '年份'
   
9. 
   
10. # 第一个图
    
11. beijing = df[df[city_label] == '北京']
    
12. plt.rcParams['font.sans-serif'] = ['SimHei']
    
13. 
    
14. gdp_label = '地区生产总值（当年价格）(亿元)'
    
15. x = beijing[years_label]
    
16. y = beijing[gdp_label]
    
17. 
    
18. plt.figure(figsize=(14, 6))
    
19. plt.plot(x, y, 'ro-')
    
20. 
    
21. for i, j in zip(x, y):
    
22.     plt.annotate(str(j), xy=(i, j), xytext=(-10, 6), textcoords='offset points', fontsize=6)
    
23. 
    
24. plt.title('北京市地区生产总值的逐年变化')
    
25. plt.xlabel(years_label)
    
26. plt.ylabel(gdp_label)
    
27. 
    
28. plt.show()
    
29. 
    
30. # 第二个图
    
31. plt.figure(figsize=(14, 6))
    
32. 
    
33. gdp_2020 = df[df[years_label].str.contains("2020")][[city_label, gdp_label]]
    
34. 
    
35. df_sorted = gdp_2020.sort_values(by=gdp_label, ascending=False)
    
36. bar_colors = ['blue', 'red', 'green', 'yellow', 'cyan', 'purple', 'orange', 'black']
    
37. 
    
38. plt.bar(df_sorted[city_label], df_sorted[gdp_label], color=bar_colors)
    
39. 
    
40. for i, value in enumerate(df_sorted[gdp_label]):
    
41.     plt.text(i, value, str(value), ha='center', va='bottom', fontsize=6)
    
42. 
    
43. plt.xticks(rotation=45)
    
44. plt.title('2020年中国主要城市的地区生成总值对比')
    
45. plt.xlabel(years_label)
    
46. plt.ylabel(gdp_label)
    
47. plt.grid()
    
48. plt.tight_layout()
    
49. plt.show()
    
50. 
    
51. 
    
52. # 第三个图
    
53. 
    
54. df_2019 = df[df[years_label].str.contains("2019")]
    
55. 
    
56. one_up = df_2019['第一产业增加值(亿元)'] / df_2019[gdp_label] * 100
    
57. two_up = df_2019['第二产业增加值(亿元)'] / df_2019[gdp_label] * 100
    
58. three_up = df_2019['第三产业增加值(亿元)'] / df_2019[gdp_label] * 100
    
59. 
    
60. fig, ax = plt.subplots(figsize=(14, 6))
    
61. 
    
62. x = range(len(df_2019[city_label]))
    
63. width = 0.2
    
64. 
    
65. ax.bar(x, one_up, width=width, color='blue', label='第一产业占比', zorder=3)
    
66. ax.bar([i + width for i in x], two_up, width=width, color='red', label='第二产业占比', zorder=2)
    
67. ax.bar([i + 2 * width for i in x], three_up, width=width, color='green', label='第三产业占比', zorder=1)
    
68. 
    
69. plt.xticks([i + width for i in x], df_2019[city_label], rotation=45)
    
70. 
    
71. plt.title('2019年中国主要城市的产业类型分布')
    
72. plt.xlabel(city_label)
    
73. plt.ylabel('产业比值')
    
74. 
    
75. 
    
76. def percent_formatter(num, pos):
    
77.     return "{:.0f}%".format(num)
    
78. 
    
79. formatter = FuncFormatter(percent_formatter)
    
80. ax.yaxis.set_major_formatter(formatter)
    
81. 
    
82. plt.legend()
    
83. plt.grid()
    
84. plt.tight_layout()
    
85. plt.show()
    

复制代码

花开半夏——

BrownSugar 发表于 2023-6-24 19:23
第二个图像的颜色没太细调整，基本是差不多的

谢谢，太厉害了