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 registreA 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 comoPara 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_biomassimportar numpy como npimportar matplotlib.pyplot como pltplt.rcParams['font.family'] = 'SimHei'plt.rcParams['axes.unicode_minus'] = Falso# Prepare os dados para o eixo x e o eixo yx = 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 mediçãoerro1 = [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 histogramaplt.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 pixelsplt.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 sequencialmenteRepresenta 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 chinêsA 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 oAs 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 serpara 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 AxesO 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 relativamenteÉ relativamente simples, então todos os exemplos são implementados pela função de desenho do módulo pyplot.
2.11 Resumo do CapítuloEste capítulo apresenta principalmente como usar as funções de desenho do matplotlib para desenhar gráficos simples, incluindo gráficos de linhas e gráficos de colunasou coluna empilhada, barra ou barra empilhada, área empilhada, histograma, torta ou rosquinha, dispersão ou bolhaGráficos, 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 Exercícios1. Preencha os espaços em branco1. 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 julgamento1. 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 Escolha1. 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.larguraB.alturaC.tick_labelD.alinhar3. 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 anteriormenteB.Coloque as barras desenhadas posteriormente no topo das barras desenhadas anteriormenteC.Coloque as barras desenhadas posteriormente à esquerda das barras desenhadas anteriormenteD.Coloque as barras desenhadas posteriormente à direita das barras desenhadas anteriormente4. Entre as opções a seguir, o efeito da operação do programa é ( ).A.importar numpy como npimportar matplotlib.pyplot como pltdata = 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 npimportar matplotlib.pyplot como pltdata = 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 npimportar matplotlib.pyplot como pltdata = 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 npimportar matplotlib.pyplot como pltdata = 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 asteriscoB.Box plots só podem ser colocados verticalmente, não horizontalmenteC.Gráficos de caixa mostram caixas por padrãoD.Boxplots não mostram outliers por padrão4. Questões de programação1. 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 2019A plataforma Pinduoduo mensal fez estatísticas sobre as vendas de todas as subcategorias e os resultados são mostrados na Tabela 2-11.![]()
2.10.2----Visualização de Dados Python
Acho que você gosta
Origin blog.csdn.net/qq_43416206/article/details/132262619
Recomendado
Clasificación