2.10.2----Visualização de Dados Python

Exemplo 10: Biomassa de raízes finas de 4 espécies de árvores em diferentes estações

A biomassa de raízes finas reflete a capacidade das raízes de absorver água e nutrientes do solo e é um indicador da capacidade de sequestro de carbono das partes subterrâneas das plantas.

manifestação importante. Houve diferenças na biomassa de raízes finas de diferentes espécies de árvores, e a diferença na biomassa de raízes finas de cada espécie de árvore foi mais óbvia em diferentes estações.

Supondo que uma universidade observe 4 espécies de árvores de pinho masson, cânfora, abeto e osmanthus perfumado na primavera, verão e outono, respectivamente, e registre

A biomassa de raízes finas de diferentes espécies de árvores foi registrada, conforme mostrado na Tabela 2-9.

De acordo com os dados da Tabela 2-9, use os dados na coluna "temporada" como rótulo de escala do eixo x e use os dados em outras colunas como

Para os dados no eixo y , desenhe os gráficos de barras de erro da biomassa de raízes finas de pinho, cânfora, abeto e osmanthus de aroma doce. O código específico é o seguinte.

Em [26]:

# 10_fine_root_biomass

importar numpy como np

importar matplotlib.pyplot como plt

plt.rcParams['font.family'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = Falso

# Prepare os dados para o eixo x e o eixo y

x = np.arange(3)

y1 = np.array([2.04, 1.57, 1.63])

y2 = np.array([1.69, 1.61, 1.64])

y3 = np.array([4.65, 4.99, 4.94])

y4 = np.array([3.39, 2.33, 4.10])

#Especifique o desvio de medição

erro1 = [0,16, 0,08, 0,10]

erro2 = [0,27, 0,14, 0,14]

erro3 = [0,34, 0,32, 0,29]

erro4 = [0,23, 0,23, 0,39]

largura_barra = 0,2

# desenha um histograma

plt.bar(x, y1, bar_width)

plt.bar(x + bar_width, y2, bar_width, align="center",

　　 tick_label=[" Primavera ", " Verão ", " Outono "])

plt.bar(x + 2 * bar_width, y3, bar_width)

plt.bar(x + 3 * bar_width, y4, bar_width)

#Desenhar barras de erro : o tamanho da barra é 3, a largura da linha é 3, a cor da linha é preta e os pontos de dados são marcados como pixels

plt.errorbar(x, y1, yerr=error1, capsize=3, elinewidth=2, fmt='k,')

plt.errorbar(x + bar_width, y2, yerr=error2, capsize=3,

elinewidth=2, fmt='k,')

plt.errorbar(x + 2 * bar_width, y3, yerr=error3, capsize=3,

elinewidth=2, fmt='k,')

plt.errorbar(x + 3 * bar_width, y4, yerr=error4, capsize=3,

elinewidth=2, fmt='k,')

plt.show()

Execute o programa, o efeito é mostrado na Figura 2-24.

Na Figura 2-24, o eixo x representa a estação, o eixo y representa a biomassa de raízes finas e as colunas azul, laranja, verde e vermelha são sequencialmente

Representa pinho maciço, cânfora, abeto e osmanthus, e as linhas pretas curtas acima das colunas representam barras de erro. Pode ser visto na Figura 2-24 que o abeto chinês

A biomassa das raízes finas da árvore é a maior, indicando que a capacidade do abeto chinês de absorver água e nutrientes é a mais forte; a biomassa das raízes finas da árvore da cânfora é a menor, indicando que o

As árvores são as menos capazes de absorver água e nutrientes.

Perceber:

Os gráficos simples (exceto gráficos de radar) apresentados neste capítulo podem ser desenhados usando as funções de plotagem do módulo pyplot e também podem ser

para desenhar com o método de mesmo nome da função de desenho na classe Axes. Por exemplo, a função bar() do módulo pyplot é a mesma da classe Axes

O método bar() pode desenhar um gráfico de colunas e seus parâmetros são quase os mesmos (exceto self). Uma vez que os exemplos desenhados neste capítulo são relativamente

É relativamente simples, então todos os exemplos são implementados pela função de desenho do módulo pyplot.

2.11 Resumo do Capítulo

Este capítulo apresenta principalmente como usar as funções de desenho do matplotlib para desenhar gráficos simples, incluindo gráficos de linhas e gráficos de colunas

ou coluna empilhada, barra ou barra empilhada, área empilhada, histograma, torta ou rosquinha, dispersão ou bolha

Gráficos, gráficos de caixa, gráficos de radar, gráficos de barra de erro. Espero que você possa dominar o uso das funções de desenho estudando o conteúdo deste capítulo.

E você pode usar essas funções para desenhar gráficos simples, de modo a estabelecer uma base sólida para o aprendizado subsequente.

2.12 Exercícios

1. Preencha os espaços em branco

1. A função plot() retorna uma lista contendo vários objetos de classe.

2. Os mais comuns incluem gráficos de áreas empilhadas, gráficos de colunas empilhadas e gráficos de barras empilhadas.

3. O histograma desenhado pelo pyplot tem uma barra retangular por padrão.

2. Questões de julgamento

1. pyplot só pode desenhar gráficos de barras de erro usando a função errorbar(). ( )

2. pyplot pode usar a função barh() para desenhar gráficos de barras empilhadas. ( )

3. Boxplots desenhados por pyplot não mostram outliers por padrão. ( )

3. Questões de Múltipla Escolha

1. Entre as funções a seguir, a que pode desenhar rapidamente o gráfico de radar é ( ).

Um bar()

B．doze()

C．hist()

D．polar()

2. Quando pyplot chama a função barh () para desenhar, qual parâmetro pode ser usado para definir o rótulo de escala do gráfico? ( )

A.largura

B.altura

C．tick_label

D．alinhar

3. Por favor, leia o seguinte trecho de código:

plt.bar(x, y1, tick_label=["A", "B", "C", "D"])

plt.bar(x, y2, bottom=y1, tick_label=["A", "B", "C", "D"])

A função do parâmetro bottom da função bar() no código acima é ( ).

A. Coloque as barras desenhadas posteriormente abaixo das barras desenhadas anteriormente

B．Coloque as barras desenhadas posteriormente no topo das barras desenhadas anteriormente

C．Coloque as barras desenhadas posteriormente à esquerda das barras desenhadas anteriormente

D．Coloque as barras desenhadas posteriormente à direita das barras desenhadas anteriormente

4. Entre as opções a seguir, o efeito da operação do programa é ( ).

A.

importar numpy como np

importar matplotlib.pyplot como plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, labels=pie_labels)

plt.show()

B．

importar numpy como np

importar matplotlib.pyplot como plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, radius=1.5, labels=pie_labels)

plt.show()

C．

importar numpy como np

importar matplotlib.pyplot como plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, radius=1.5, explode=[0, 0.2, 0, 0, 0, 0],labels=pie_labels)

plt.show()

D．

importar numpy como np

importar matplotlib.pyplot como plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, radius=1.5, wedgeprops={'width': 0.6},labels=pie_labels)

plt.show()

5. Em relação ao gráfico de caixa desenhado usando a função boxplot(), a descrição a seguir está correta ( ).

A. O símbolo correspondente ao valor discrepante no gráfico de caixa é padronizado como um asterisco

B．Box plots só podem ser colocados verticalmente, não horizontalmente

C．Gráficos de caixa mostram caixas por padrão

D．Boxplots não mostram outliers por padrão

4. Questões de programação

1. Sabe-se que o ensino médio experimental realizou um exame simulado no segundo período do ensino médio e, após o exame, foram calculadas as notas de todos os meninos e meninas em cada disciplina.

Notas médias, os resultados são mostrados na Tabela 2-10.

 Desenhe o gráfico da seguinte forma:

(1) Desenhe um histograma. O eixo x do histograma é o assunto e o eixo y é a nota média.

(2) Desenhe um gráfico de colunas empilhadas. O gráfico de colunas empilhadas tem assuntos no eixo x e média de notas no eixo y .

2. Como azarão do comércio eletrônico na Internet, Pinduoduo ultrapassou 300 milhões de usuários em apenas alguns anos. setembro de 2019

A plataforma Pinduoduo mensal fez estatísticas sobre as vendas de todas as subcategorias e os resultados são mostrados na Tabela 2-11.