python数据可视化任务教程郑丹青习题答案

单元1认识数据可视化运用Excel电子表格软件的图表处理功能，根据原油产量.xlsx表中数据，完成下列数据可视化的操作。操作步骤可参考拓展任务。实现石油净进口量用柱形图表示、进口依存度用折线图表示的合成图表。（2）实现原油产量和石油净进口量均用柱形图表示的合成图表。单元2Python开发环境及常用数据处理操作编程题第一题的源代码如下：importpandasaspd

#导入数据

df=pd.read_csv('d:/dataset/广播电视情况.csv',encoding='gbk')

print(df)

#获取2013-2017年的年份数据

df1=df.iloc[1:2,[8,7,6,5,4]]

year=list(df1)

print(year)

#获取2013-2017年的电视剧播出集数(万集)和进口电视剧播出集数(万集)的数据

df1=df.iloc[18:20,[8,7,6,5,4]]

print(df1)

data1=list(df1.iloc[0])

print(data1)第二题的源代码如下：importpandasaspd

#导入数据

df=pd.read_csv('d:/dataset/广播电视情况.csv',encoding='gbk')

print(df)

#获取2014-2018年的年份数据

df1=df.iloc[1:2,[7,6,5,4,3]]

year=list(df1)

print(year)

#获取2014-2018年的全国电影综合收入(亿元)和电视播映收入(亿元)的数据

df1=df.iloc[29:35:5,[7,6,5,4,3]]

print(df1)

data1=list(df1.iloc[0])

print(data1)单元3数据可视化—图表的基本类型1.填空题（1）类别比较型图表、数据关系型图表、数据分布型图表、时间序列型图表、局部整体型图表、地理空间型图表。（2）柱形图、条形图、雷达图。（3）局部组成成分、整体（4）时序、数值型（5）精准位置、地理分布2.选择题（1）B.局部整体（2）C.数据关系（3）A.0（4）D.时间序列单元4Matplotlib数据可视化1.填空题（1）pyplot，基础类元素和容器类元素。（2）容器类，基础类（3）颜色、点样式和线样式（4）text()、annotate()、grid()（5）legend()、title()和suptitle()、show()2.选择题（1）B.Axis（2）B.scattor()（3）D.plot()（4）C.pie()（5）A．bar()（6）C.bottom（7）A．where（8）B.startangle3.编程题数据集“私人汽车拥有量.xls”处理先将数据集中第一行“数据库：年度数据”删除。（1）源代码如下：importpandasaspd

importnumpyasnp

importxlrd

importmatplotlib.pyplotasplt

#导入数据

df=pd.read_excel('d:/dataset/私人汽车拥有量.xls',header=1)

print(df)

#设置2015-2019年的年份数据

year0=list([2015,2016,2017,2018,2019])

year1=[float(x+0.3)forxinyear0]

year2=[float(x+0.6)forxinyear0]

print(year1)

#获取2015-2019年的私人载客汽车拥有量、私人载货汽车拥有量和私人其他汽车拥有量的数据

data=df.iloc[1:12:5,[6,5,4,3,2]]

print(data)

data1=list(data.iloc[0])

data2=list(data.iloc[1])

data3=list(data.iloc[2])

print(data1)

print(data2)

print(data3)

#设置matplotlib正常显示中文和负号

plt.rcParams['font.sans-serif']=['SimHei']#用黑体显示中文

plt.rcParams['axes.unicode_minus']=False#正常显示负号

#创建一个绘图对象，并设置对象的宽度和高度

fig=plt.figure(figsize=(8,6))

#绘制私人载客汽车拥有量柱形图

plt.bar(year0,data1,width=0.3,color='red',edgecolor='white')

#绘制私人载货汽车拥有量柱形图

plt.bar(year1,data2,width=0.3,color='green',edgecolor='white')

#绘制私人其他汽车拥有量柱形图

plt.bar(year2,data3,width=0.3,color='blue',edgecolor='white')

#为图进行文本设置

X=year0

Y1=data1

forx,yinzip(X,Y1):

plt.text(x+0.2,y+0.1,'%.2f'%y,ha='center')

Y2=data2

forx,yinzip(X,Y2):

plt.text(x+0.4,y+0.3,'%.2f'%y,ha='center')

Y3=data3

forx,yinzip(X,Y3):

plt.text(x+0.6,y+0.05,'%.2f'%y,ha='center')

plt.xlabel('年份')#显示x轴标签

plt.ylabel('私人汽车拥有量')#显示y轴标签

plt.ylim(10,22000)#y轴取值范围

#设置x轴刻度

new_tick=np.array([iforiinrange(2015,2020)])

plt.xticks(new_tick)

#设置标题

plt.suptitle("2015—2019年私人汽车拥有量情况")

plt.title("单位：万辆",fontsize=10,loc='right')

#添加脚注

fig.text(0.1,0.02,s="数据来源：国家统计局")

#添加图例

plt.legend(['载客汽车拥有量','载货汽车拥有量','其他汽车拥有量'],loc='center')

plt.savefig('d:/image/test4-1.png')

plt.show()（2）源代码如下：importpandasaspd

importxlrd

importmatplotlib.pyplotasplt

#导入数据

df=pd.read_excel('d:/dataset/私人汽车拥有量.xls',header=1)

print(df)

#获取数据

df1=df.iloc[2:6,[0,2]]

#按大小的降序排列

data1=df1.sort_values(by='2019年',ascending=False)

#获取数据转换成列表

data=list(data1['2019年'])

#获取指标，转换成列表，并定义为饼图的标签

label=list(data1['指标'])

print(data1)

print(label)

print(data)

#设置Matplotlib正常显示中文和负号

plt.rcParams['font.sans-serif']=['SimHei']#用黑体显示中文

plt.rcParams['axes.unicode_minus']=False#正常显示负号

#创建一个绘图对象

fig=plt.figure(figsize=(8,6),dpi=100)

#设定各项距离圆心的半径

explode=[0.01,0.1,0.2,0.3]

#绘制饼图（数据、半径、标签、饼图起始点旋转的角度、百分数保留两位小数）

plt.pie(data,explode=explode,labels=label,

startangle=-90,autopct='%0.2f%%')

#添加主标题

plt.suptitle("2019年我国私人大、中、小和微型载客汽车拥有量所占比例情况")

#添加脚注

fig.text(0.1,0.02,s="数据来源：国家统计局")

#添加图例

plt.legend(loc='center')

plt.savefig('d:/image/test4-2.png')

plt.show()（3）源代码如下：importpandasaspd

importnumpyasnp

importxlrd

importmatplotlib.pyplotasplt

#导入数据

df=pd.read_excel('d:/dataset/私人汽车拥有量.xls',header=1)

print(df)

#设置2015-2019年的年份数据

year0=list([2015,2016,2017,2018,2019])

#获取2015-2019年的私人载客汽车拥有量、私人载货汽车拥有量和私人其他汽车拥有量的数据

data=df.iloc[1:12:5,[6,5,4,3,2]]

print(data)

data1=list(data.iloc[0])

data2=list(data.iloc[1])

data3=list(data.iloc[2])

print(data1)

print(data2)

print(data3)

#设置matplotlib正常显示中文和负号

plt.rcParams['font.sans-serif']=['SimHei']#用黑体显示中文

plt.rcParams['axes.unicode_minus']=False#正常显示负号

#创建一个绘图对象，并设置对象的宽度和高度

fig=plt.figure(figsize=(8,6))

#绘制私人载客汽车拥有量折线图

plt.plot(year0,data1,"r-")

#绘制私人载货汽车拥有量折线图

plt.plot(year0,data2,"g--")

#绘制私人其他汽车拥有量折线图

plt.plot(year0,data3,"b-.")

plt.xlabel('年份')#显示x轴标签

plt.ylabel('私人汽车拥有量')#显示y轴标签

plt.ylim(10,22000)#y轴取值范围

#设置x轴刻度

new_tick=np.array([iforiinrange(2015,2020)])

plt.xticks(new_tick)

#设置标题

plt.suptitle("2015—2019年私人汽车拥有量情况")

plt.title("单位：万辆",fontsize=10,loc='right')

#添加脚注

fig.text(0.1,0.02,s="数据来源：国家统计局")

#添加图例

plt.legend(['载客汽车拥有量','载货汽车拥有量','其他汽车拥有量'],loc='center')

plt.savefig('d:/image/test4-3.png')

plt.show()单元5Seaborn数据可视化1.填空题（1）API封装（2）调色板（3）set_style()和axes_style()（4）set_context()（5）despine()2.选择题（1）B.color_palette()（2）A．lineplot()（3）E.displot()（4）C.violinplot()（5）B.barplot()（6）D.pairplot()单元6pyecharts数据可视化1.填空题（1）全局配置项和系列配置项（2）set_global_opts()（3）options（4）初始化配置项、标题配置项、图例配置项、工具箱配置项、视觉映射配置项、提示框配置项、区域缩放配置项、坐标轴配置项（5）TitleOpts()（6）系列（7）bar_width2.选择题（1）B.Line()（2）A．Bar()（3）D.Funnel()（4)E.Gauge()（5）C.Radar()3.编程题（1）源代码如下：frompyechartsimportoptionsasopts

frompyecharts.chartsimportBar

importpandasaspd

importxlrd

#导入数据

df=pd.read_excel('d:/dataset/私人汽车拥有量.xls',header=1)

print(df)

#设置2015-2019年的年份数据

lable=['2015年','2016年','2017年','2018年','2019年']

#获取2015-2019年的私人载客汽车拥有量、私人载货汽车拥有量的数据

data=df.iloc[1:12:5,[6,5,4,3,2]]

print(data)

data1=list(data.iloc[0])

data2=list(data.iloc[1])

print(data1)

print(data2)

#绘制多数据系列柱状图

c=(

Bar()

.add_xaxis(lable)

.add_yaxis("私人载客汽车拥有量",data1)

.add_yaxis("私人载货汽车拥有量",data2)

.set_global_opts(#标题配置项

title_opts=opts.TitleOpts(

title="2015—2019年私人汽车拥有量情况",

subtitle="单位：万辆"),

#添加脚注

graphic_opts=opts.GraphicGroup(

graphic_item=opts.GraphicItem(left='12%',bottom='0%'),

children=[

opts.GraphicText(graphic_textstyle_opts=

opts.GraphicTextStyleOpts(text='数据来源：国家统计局',

font="14pxMicrosoftYaHei")

)]

),

#图例配置项

legend_opts=opts.LegendOpts(orient='vertical'),

#x坐标轴配置项

xaxis_opts=opts.AxisOpts(name='年份'),

#y坐标轴配置项

yaxis_opts=opts.AxisOpts(name='私人汽车拥有量',

name_gap=4)

)

.render("d:/html/test6-1.html")

)源代码如下：frompyechartsimportoptionsasopts

frompyecharts.chartsimportPie

importpandasaspd

importxlrd

#导入数据

df=pd.read_excel('d:/dataset/私人汽车拥有量.xls',header=1)

print(df)

#获取数据

df1=df.iloc[7:11,[0,2]]

#按大小的降序排列

data1=df1.sort_values(by='2019年',ascending=False)

#获取数据转换成列表

data2=list(data1['2019年'])

print(data2)

#计算私人载货汽车拥有量和

df2=sum(data2)

print(df2)

#计算私人载货汽车拥有量占比

y_data=[round(x/df2*100,3)forxindata2]

#获取指标，转换成列表，并定义为饼图的标签

data3=list(data1['指标'])

x_data=[x.replace('(万辆)','占比')forxindata3]

print(x_data)

print(y_data)

#生成系列数据项

data=[[x_data[i],y_data[i]]foriinrange(len(x_data))]

print(data)

#绘制饼图

pie=(

Pie(init_opts=opts.InitOpts(width="800px"))#设置图表大小

.add("",data,is_clockwise=True)#设置饼图扇区顺时针排布

.set_global_opts(title_opts=opts.TitleOpts(

title="2019年我国私人重型、中型、轻型和微型载货汽车拥有量所占比例",

subtitle="单位：%"),

#添加脚注

graphic_opts=opts.GraphicGroup(

graphic_item=opts.GraphicItem(left='12%',bottom='0%'),

children=[

opts.GraphicText(graphic_textstyle_opts=

opts.GraphicTextStyleOpts(

text='数据来源：国家统计局',

font="14pxMicrosoftYaHei")

)]

),

#设置图例

legend_opts=opts.LegendOpts(

pos_right="right",

orient="vertical")

)

.set_series_opts(label_opts=opts.LabelOpts(

formatter="{b}：{c}%")

)

.render("d:/html/test6-2.html")

)源代码如下：frompyechartsimportoptionsasopts

frompyecharts.chartsimportBar

importpandasaspd

importxlrd

#导入数据

df=pd.read_excel('d:/dataset/私人汽车拥有量.xls',header=1)

print(df)

#设置2015-2019年的年份数据

lable=['2015年','2016年','2017年','2018年','2019年']

#获取2015-2019年的私人载客汽车拥有量、私人载货汽车拥有量和私人其他汽车拥有量的数据

data=df.iloc[1:12:5,[6,5,4,3,2]]

print(data)

data1=list(data.iloc[0])

data2=list(data.iloc[1])

data3=list(data.iloc[2])

print(data1)

print(data2)

print(data3)

#绘制堆叠柱形图

bar=(

Bar()

.add_xaxis(lable)

.add_yaxis("私人载客汽车拥有量",data1,stack="stack1",bar_width=40)

.add_yaxis("私人载货汽车拥有量",data2,stack="stack1",bar_width=40)

.add_yaxis("私人其他汽车拥有量",data3,stack="stack1",bar_width=40)

#标签配置项：在右边显示标签

.set_series_opts(

label_opts=opts.LabelOpts(is_show=True,position="right"))

.set_global_opts(

#设置标题

title_opts=opts.TitleOpts(

title="2015-2019年的私人汽车拥有量",

subtitle="单位：万辆",

pos_left='center'),

#添加脚注

graphic_opts=opts.GraphicGroup(

graphic_item=opts.GraphicItem(left='10%',bottom='0%'),

children=[

opts.GraphicText(graphic_textstyle_opts=

opts.GraphicTextStyleOpts(text='数据来源：国家统计局',

font="14pxMicrosoftYaHei")

)]

),

#设置图例

legend_opts=opts.LegendOpts(pos_right='10%',

pos_top='5%',

orient='vertical'),

yaxis_opts=opts.AxisOpts(name='私人汽车拥有量'),

xaxis_opts=opts.AxisOpts(name='年份')

)

.render("d:/html/test6-3.html")）单元7国民经济和社会发展统计数据可视化1.填空题（1）B.overlap(A)（2）Timeline（3）内半径和外半径两项数值。（4）stack2.编程题（1）源代码如下：frompyechartsimportoptionsasopts

frompyecharts.chartsimportTimeline,Bar,Pie

importpandasaspd

importxlrd

#导入数据

df=pd.read_excel('d:/dataset/我国各类运输'

'方式旅客周转量情况.xls',

header=1)

#获取数据

df1=df.iloc[5:]

print(df1)

lable=list(df1['年份'])

data0=list(df1['旅客周转量总计'])

data1=list(df1['铁路'])

data2=list(df1['公路'])

data3=list(df1['水运'])

data4=list(df1['民航'])

print(lable)

print(data0)

print(data1)

rate1=list(round(df1['铁路']/df1['旅客周转量总计']*100,2))

rate2=list(round(df1['公路']/df1['旅客周转量总计']*100,2))

rate3=list(round(df1['水运']/df1['旅客周转量总计']*100,2))

rate4=list(round(df1['民航']/df1['旅客周转量总计']*100,2))

print(rate1)

print(rate2)

print(rate3)

print(rate4)

#定义函数

defget_year_overlap_chart(year:int):

#绘制柱形图

bar=(

Bar(opts.InitOpts(width="800px",height="650px"))

.add_xaxis(lable)

.add_yaxis("旅客周转量总计",data0,bar_width=60)

.set_global_opts(

title_opts=opts.TitleOpts(

title="2015-2019年我国旅客周转量情况",

subtitle="单位：亿人公里",

pos_left='left'),

#添加脚注

graphic_opts=opts.GraphicGroup(

graphic_item=opts.GraphicItem(left='4%',bottom='3%'),

children=[

opts.GraphicText(graphic_textstyle_opts=

opts.GraphicTextStyleOpts(text='数据来源：国家统计局',

font="14pxMicrosoftYaHei"))]

),

legend_opts=opts.LegendOpts(selected_mode='multiple',

orient='vertical',

is_show=True,

pos_right='-25',

pos_bottom='55%'))

)

#绘制饼图

pie=(

Pie()

.add(

series_name="占比",

data_pair=[

["铁路旅客周转量占比",rate1[year]],

["公路旅客周转量占比",rate2[year]],

["水运旅客周转量占比",rate3[year]],

["民航旅客周转量占比",rate4[year]]

],

center=["38%","18%"],

radius="18%",

is_clockwise=False)

.set_series_opts(label_opts=

opts.LabelOpts(formatter="{b}:{c}%"))

).set_global_opts(legend_opts=opts.LegendOpts(is_show=False))

returnbar.overlap(pie)

#创建时间线轮播多图

timeline=Timeline(init_opts=

opts.InitOpts(width="900px",height="600px"))

foryinrange(5):

print(y)

timeline.add(get_year_overlap_chart(year=y),time_point=str(y))

timeline.add_schema(is_auto_play=True,play_interval=2000)

timeline.render("d:/html/test7-1.html")源代码如下：frompyechartsimportoptionsasopts

frompyecharts.chartsimportBar

importpandasaspd

importxlrd

#导入数据

df=pd.read_excel('d:/dataset/我国各类运输'

'方式旅客周转量情况.xls',

header=1)

#获取数据

df1=df.iloc[5:]

print(df1)

lable=list(df1['年份'])

data1=list(df1['铁路'])

data2=list(df1['公路'])

data3=list(df1['民航'])

data4=list(df1['水运'])

print(lable)

print(data1)

#绘制堆叠柱形图

bar=(

Bar()

.add_xaxis(lable)

.add_yaxis("铁路旅客周转量",data1,stack="stack1",bar_width=40)

.add_yaxis("公路旅客周转量",data2,stack="stack1",bar_width=40)

.add_yaxis("民航旅客周转量",data3,stack="stack1",bar_width=40)

.add_yaxis("水运旅客周转量",data4,stack="stack1",bar_width=40)

#标签配置项：在右边显示标签

.set_series_opts(

label_opts=opts.LabelOpts(is_show=True,position="right"))

.set_global_opts(

#设置标题

title_opts=opts.TitleOpts(

title="2015-2019年我国铁路、公路、民航、水运旅客周转量情况",

subtitle="单位：亿人公里",

pos_left='center'),

#添加脚注

graphic_opts=opts.GraphicGroup(

graphic_item=opts.GraphicItem(left='10%',bottom='0%'),

children=[

opts.GraphicText(graphic_textstyle_opts=

opts.GraphicTextStyleOpts(text='数据来源：国家统计局',

font="14pxMicrosoftYaHei")

)]

),

#设置图例

legend_opts=opts.Leg