gdp+weather+air.html

2022-09-13 14:31:28 阅读：191 来源： 互联网

标签：gdp plt df html matplotlib weather 2018 import font

3-2-1

import pandas as pd
df=pd.read_csv(r"E:\junior\datasource\gdp\output1\part-r-00000",sep='\t',header=None)
df.columns=['大洲名称','总GDP数']
df.head()

import matplotlib
from matplotlib import pyplot as plt
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif']=['SimHei']
# plt.figure(figsize=(10,6))
x=df['大洲名称']
y=df['总GDP数']
plt.bar(x,y,width=0.5,color='g',label='GDP')
plt.xlabel('大洲名称')
plt.ylabel('总GDP数(万亿)')
plt.title('各大洲总GDP图')
plt.legend(fontsize=12)
plt.show()

3-2-2

import pandas as pd
df=pd.read_csv(r"E:\junior\datasource\gdp\output2\part-r-00000",sep='\t',header=None)
df.columns=['年份','中国GDP数']
df.head()

df=df['年份']
df

# plt.figure(figsize=(10,10))
import numpy as np
import matplotlib
from matplotlib import pyplot as plt
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif']=['SimHei']
x=df['年份'].astype(dtype=np.str_)
plt.plot(x,df['中国GDP数'],label='中国GDP数（万亿）',color='r')
#设置图例,标题
plt.legend()
# plt.xticks(x,rotation=30)
plt.title("中国 GDP 数走势图")
plt.xlabel("年份")
plt.ylabel("中国GDP数")
# plt.xticks(data1['年份'],rotation=30,fontsize=11)
#显示图形
plt.show()

3-2-3

import pandas as pd
df=pd.read_csv(r"E:\junior\datasource\weather\output1\part-r-00000",sep='\t',header=None)
df.columns=['年份','平均气温']
df.head()

import matplotlib
from matplotlib import pyplot as plt
plt.figure(figsize=(9,6))
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif']=['SimHei']
plt.plot(df['年份'],df['平均气温'],label='平均气温')
#设置图例,标题
plt.legend()
plt.title("2018 年长沙各月份平均气温趋势图")
plt.xlabel("年份")
plt.ylabel("平均气温")
labels=["2018/01","2018/02","2018/03","2018/04","2018/05","2018/06","2018/07","2018/08","2018/09","2018/10","2018/11","2018/12"]
plt.xticks(df['年份'],labels)
#显示图形
plt.show()

3-2-4

import pandas as pd
df=pd.read_csv(r"E:\junior\datasource\weather\output2\part-r-00000",sep='\t',header=None)
df.columns=['天气情况','天数']
df.head()

import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
plt.figure(figsize=(10,8))
plt.pie(df['天数'],labels=df['天气情况'],autopct='%.2f%%')
plt.title("2018 年长沙全年各种类型天气占比数量图")
plt.legend(loc='upper left',bbox_to_anchor=(-0.3,1.0)) 
plt.show()

3-2-5

import pandas as pd
df=pd.read_csv(r"E:\junior\datasource\weather\output3\part-00000",header=None,delimiter=',')
df.columns=['天气情况','天数']
df.head()

df['天气情况']=df['天气情况'].map(lambda x: x.split('(',1)).str[1]
df['天数']=df['天数'].map(lambda x: x.split(')',1)).str[0]
df['天数'].astype(dtype=int)
df.head()

import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
plt.figure(figsize=(10,8))
plt.pie(df['天数'],labels=df['天气情况'],autopct='%.2f%%')
plt.title("2018 年长沙全年各种类型天气占比数量图")
plt.legend(loc='upper left',bbox_to_anchor=(-0.3,1.0)) 
plt.show()

3-2-6

import pandas as pd
df=pd.read_csv(r"E:\junior\datasource\air\output1\part-r-00000",sep='\t',header=None)
df.columns=['质量等级','天数']
df.head()

import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
plt.figure(figsize=(10,8))
plt.pie(df['天数'],labels=df['质量等级'],autopct='%.2f%%')
plt.title("2019 年北京全年空气质量等级分布图")
plt.legend(loc='upper left',bbox_to_anchor=(-0.3,1.0)) 
plt.show()

标签：gdp,plt,df,html,matplotlib,weather,2018,import,font
来源： https://www.cnblogs.com/modikasi/p/16688982.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

gdp+weather+air.html