Ejemplo 10: Biomasa de raíces finas de 4 especies de árboles en diferentes estaciones
La biomasa radicular fina refleja la capacidad de las raíces para absorber agua y nutrientes del suelo, y es un indicador de la capacidad de secuestro de carbono de las partes subterráneas de las plantas.manifestación importante. Hubo diferencias en la biomasa de raíces finas de diferentes especies de árboles, y la diferencia en la biomasa de raíces finas de cada especie de árbol fue más evidente en diferentes estaciones.Suponiendo que una universidad observa 4 especies de árboles de pino macizo, alcanforero, abeto y osmanthus de olor dulce en primavera, verano y otoño respectivamente, y registraSe registró la biomasa de raíces finas de diferentes especies de árboles, como se muestra en la Tabla 2-9.De acuerdo con los datos de la tabla 2-9, use los datos en la columna "temporada" como la etiqueta de escala del eje x , y use los datos en otras columnas comoPara los datos en el eje Y , dibuje los gráficos de barras de error de la biomasa de raíces finas de pino, alcanfor, abeto y osmanto de olor dulce.El código específico es el siguiente.
En [26]:# 10_fine_root_biomassimportar numpy como npimportar matplotlib.pyplot como pltplt.rcParams['font.family'] = 'Sim Hei'plt.rcParams['axes.unicode_minus'] = Falso# Preparar datos para el eje x y el eje yx = np.arange(3)y1 = np.matriz([2.04, 1.57, 1.63])y2 = np.matriz([1.69, 1.61, 1.64])y3 = np.matriz([4.65, 4.99, 4.94])y4 = np.matriz([3.39, 2.33, 4.10])#Especifique la desviación de mediciónerror1 = [0.16, 0.08, 0.10]error2 = [0.27, 0.14, 0.14]error3 = [0.34, 0.32, 0.29]error4 = [0.23, 0.23, 0.39]barra_ancho = 0.2# dibujar un histogramaplt.bar(x, y1, barra_ancho)plt.bar(x + ancho_barra, y2, ancho_barra, alinear="centro",tick_label=[" Primavera ", " Verano ", " Otoño "])plt.bar(x + 2 * ancho_barra, y3, ancho_barra)plt.bar(x + 3 * ancho_barra, y4, ancho_barra)#Dibujar barras de error : el tamaño de la barra es 3, el ancho de la línea es 3, el color de la línea es negro y los puntos de datos están marcados como píxelesplt.errorbar(x, y1, yerr=error1, capsize=3, elinewidth=2, fmt='k,')plt.errorbar(x + bar_width, y2, yerr=error2, capsize=3,ancho de línea = 2, fmt = 'k,')plt.errorbar(x + 2 * bar_width, y3, yerr=error3, capsize=3,ancho de línea = 2, fmt = 'k,')plt.errorbar(x + 3 * bar_width, y4, yerr=error4, capsize=3,ancho de línea = 2, fmt = 'k,')plt.mostrar()Ejecute el programa, el efecto se muestra en la Figura 2-24.En la Figura 2-24, el eje x representa la temporada, el eje y representa la biomasa de raíces finas y las columnas azul, naranja, verde y roja se muestran secuencialmente.Representa pino macizo, alcanforero, abeto y osmanthus, y las líneas negras cortas sobre las columnas representan barras de error. Se puede ver en la Figura 2-24 que el abeto chinoLa biomasa de las raíces finas del árbol es la máxima, lo que indica que la capacidad del abeto chino para absorber agua y nutrientes es la más fuerte; la biomasa de las raíces finas del árbol de alcanfor es la mínima, lo que indica que laLos árboles son los menos capaces de absorber agua y nutrientes.Aviso:Los gráficos simples (excepto los gráficos de radar) presentados en este capítulo se pueden dibujar utilizando las funciones de trazado del módulo pyplot, y también se puedenpara dibujar con el método del mismo nombre que la función de dibujo en la clase Axes. Por ejemplo, la función bar() del módulo pyplot es la misma que la clase AxesEl método bar() puede dibujar un gráfico de columnas y sus parámetros son casi los mismos (excepto self). Dado que los ejemplos diseñados en este capítulo son relativamenteEs relativamente simple, por lo que todos los ejemplos se implementan mediante la función de dibujo del módulo pyplot.
2.11 Resumen del capítuloEste capítulo presenta principalmente cómo usar las funciones de dibujo de matplotlib para dibujar gráficos simples, incluidos gráficos de líneas y gráficos de columnas.o columna apilada, barra o barra apilada, área apilada, histograma, pastel o dona, dispersión o burbujaGráficos, diagramas de caja, gráficos de radar, gráficos de barras de error. Espero que pueda dominar el uso de las funciones de dibujo estudiando el contenido de este capítulo.Y puede usar estas funciones para dibujar gráficos simples, a fin de sentar una base sólida para el aprendizaje posterior.
2.12 Ejercicios1. Completa los espacios en blanco1. La función plot() devuelve una lista que contiene varios objetos de clase.
2. Los más comunes incluyen gráficos de áreas apiladas, gráficos de columnas apiladas y gráficos de barras apiladas.3. El histograma dibujado por pyplot tiene una barra rectangular por defecto.2. Preguntas de juicio1. pyplot solo puede dibujar gráficos de barras de error usando la función errorbar(). ( )2. pyplot puede usar la función barh() para dibujar gráficos de barras apiladas. ( )3. Los diagramas de caja dibujados por pyplot no muestran valores atípicos de forma predeterminada. ( )3. Preguntas de opción múltiple1. Entre las siguientes funciones, la que puede dibujar rápidamente el gráfico de radar es ( ).Un bar()B.doce()C.hist()D.polar()2. Cuando pyplot llama a la función barh() para dibujar, ¿qué parámetro se puede usar para establecer la etiqueta de escala del gráfico? ( )A.anchoB. alturaC.marcar_etiquetaD.alinear3. Por favor, lea el siguiente fragmento de código:plt.bar(x, y1, tick_label=["A", "B", "C", "D"])plt.bar(x, y2, inferior=y1, tick_label=["A", "B", "C", "D"])La función del parámetro inferior de la función bar() en el código anterior es ( ).A. Coloque las barras dibujadas más tarde debajo de las barras dibujadas antesB. Coloque las barras dibujadas más tarde encima de las barras dibujadas anteriormenteC. Coloque las barras dibujadas más tarde a la izquierda de las barras dibujadas antesD. Coloque las barras dibujadas más tarde a la derecha de las barras dibujadas antes4. Entre las siguientes opciones, el efecto de la operación del programa es ( ).A.importar numpy como npimportar matplotlib.pyplot como pltdatos = np.matriz([20, 50, 10, 15, 30, 55])pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])plt.pie(datos, etiquetas=etiquetas_pastel)plt.mostrar()B.importar numpy como npimportar matplotlib.pyplot como pltdatos = np.matriz([20, 50, 10, 15, 30, 55])pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])plt.pie(datos, radio=1.5, etiquetas=etiquetas_pastel)plt.mostrar()C.importar numpy como npimportar matplotlib.pyplot como pltdatos = np.matriz([20, 50, 10, 15, 30, 55])pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])plt.tarta(datos, radio=1.5, explotar=[0, 0.2, 0, 0, 0, 0],etiquetas=etiquetas_tarta)plt.mostrar()
D.importar numpy como npimportar matplotlib.pyplot como pltdatos = np.matriz([20, 50, 10, 15, 30, 55])pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])plt.pie(datos, radio=1.5, cuñas={'ancho': 0.6},etiquetas=etiquetas_pastel)plt.mostrar()5. En cuanto al diagrama de caja dibujado con la función boxplot(), la siguiente descripción es correcta ( ).A. El símbolo correspondiente al valor atípico en el diagrama de caja por defecto es un asteriscoB. Los diagramas de caja solo se pueden colocar verticalmente, no horizontalmente.C. Los diagramas de caja muestran cajas por defectoD. Los diagramas de caja no muestran valores atípicos de forma predeterminada4. Preguntas de programación1. Se sabe que la escuela intermedia experimental realizó un examen simulado en el segundo trimestre de la escuela secundaria superior y, después del examen, se calcularon los puntajes de todos los niños y niñas en cada materia.Calificaciones promedio, los resultados se muestran en la Tabla 2-10.Dibuje el gráfico de la siguiente manera:
(1) Dibujar un histograma. El eje x del histograma es la materia y el eje y es la nota media.(2) Dibuje un gráfico de columnas apiladas. El gráfico de columnas apiladas tiene materias en el eje x y el promedio de calificaciones en el eje y.2. Como caballo oscuro del comercio electrónico en Internet, Pinduoduo ha superado los 300 millones de usuarios en solo unos pocos años. septiembre 2019La plataforma mensual Pinduoduo ha realizado estadísticas sobre las ventas de todas las subcategorías, y los resultados se muestran en la Tabla 2-11.
2.10.2----Visualización de datos de Python
Supongo que te gusta
Origin blog.csdn.net/qq_43416206/article/details/132262619
Recomendado
Clasificación