实验11 Matplotlib绘制图表（一）

实验学时：2学时
实验类型：验证
实验要求：必修

一、实验目的

1. 掌握Matplotlib的框架及图形属性。
2. 掌握Matplotlib绘制图形的步骤。
3. 掌握Matplotlib绘制直线、曲线图、折线图。
4. 掌握Matplotlib绘制柱形图、条形图、饼图。

二、实验要求

通过编程实现使用Matplotlib绘制直线、曲线图、折线图、柱形图、条形图并显示输出。

三、实验内容

任务1. 根据函数 ,绘制如下图所示图形。用Python编写程序实现。

任务2. 在任务1的基础上对图形进行美化,绘制如下图所示图形。用Python编写程序实现。

任务20. 在任务2的基础上，实现交互功能。参考代码如下：

任务3. 在实验9的任务2（如图）中结果数据绘制如下图形：
（1）根据每门课程的总分设计一个柱形图
（2）根据每门课程的平均分设计一个条形图
（3）根据每门课程的及格率和不及格率设计一个折线图。
用Python编写程序实现。

任务4. 编写一个程序，使用Matploglib分析学生考试成绩特征的分布与分散情况。
1.使用pandas库读取学生考试成绩数据
2.将学生考试总成绩分为4个区间，计算各区间下的学生人数，绘制学生考试总成绩分布饼图。
3.提取学生3项单科成绩的数据，绘制学生各项考试成绩分散情况箱线图。
分析学生考试总成绩的分布情况和3项单科成绩的分散情况。
参考代码：

test11.py

import numpy as np
import matplotlib.pyplot as plt
import os
import matplotlib as mpl
import pandas as pd
from matplotlib.font_manager import FontProperties
import matplotlib.animation as animation

import chapter09.test9

os.environ['MPL_SUPPRESS_MATLAB_ENGINE_WARNING'] = '1'
os.environ['MPLBACKEND'] = 'module://ipykernel.pylab.backend_inline'


# 定义函数
def Y1(x):
    return 2 * x + 1


def Y2(x):
    return -x ** 2 + 1


def task1():
    # 生成x值的范围
    x_values = np.linspace(-1, 1, 100)

    # 计算对应的y值
    y1_values = Y1(x_values)
    y2_values = Y2(x_values)

    font = FontProperties(fname=r'C:\Windows\Fonts\STSONG.TTF', size=12)
    # 绘制图形
    plt.plot(x_values, y2_values, label='曲线', color='blue', linestyle='-')
    plt.plot(x_values, y1_values, label='直线', color='red', linestyle='--')

    # 添加标签和标题
    plt.title('绘制直线和曲线', fontproperties=font)

    # 添加图例
    plt.legend(prop=font)

    # 显示图形
    plt.grid(True)
    plt.show()


def task2():
    # 生成x值的范围
    x_values = np.linspace(-1, 1, 100)

    # 计算对应的y值
    y1_values = Y1(x_values)
    y2_values = Y2(x_values)

    # 创建一个图形对象
    fig = plt.figure()

    # 设置整个图形的背景色为红色
    fig.set_facecolor('pink')

    font = FontProperties(fname=r'C:\Windows\Fonts\STSONG.TTF', size=12)
    # 绘制图形
    plt.plot(x_values, y2_values, label='曲线', color='blue', linestyle='-')
    plt.plot(x_values, y1_values, label='直线', color='red', linestyle='--')

    # 在线条上标出公式
    plt.text(0.5, 1.5, r'$Y1=2x+1$', fontsize=12, color='red')
    plt.text(-0.5, 1.2, r'$Y2=-x^2+1$', fontsize=12, color='blue')

    font2 = FontProperties(fname=r'C:\Windows\Fonts\STXINGKA.TTF', size=20)
    # 添加标签和标题
    plt.xlabel('x-变量', fontproperties=font, color='blue')
    plt.ylabel('y-函数的值', fontproperties=font, color='blue')
    plt.title('绘制直线和曲线', fontproperties=font2, color='red')

    # 添加图例
    legend = plt.legend(prop=font, loc='lower right', frameon=True, edgecolor='red')
    legend.get_frame().set_facecolor('gray')

    # 显示图形
    plt.grid(False)

    plt.show()


def draw_pic():
    x = np.linspace(-1, 1, 50)  # 从[-1,1]中等距取50个数作为x的取值
    y1 = 2 * x + 1
    plt.plot(x, y1, label='直线', color='red', linewidth=1.0, linestyle='--')  # 设置线条的样式
    y = -x ** 2 + 3
    plt.plot(x, y, label='曲线')  # lable表示图例标签

    plt.xlim((-1, 2))  # x参数范围，即x轴的取值范围
    plt.ylim((1, 3))  # y参数范围
    plt.xticks(np.linspace(-1, 2, 5))
    # 为点的位置设置对应文字，第一个参数是点的位置，第二个参数时点的文字提示
    plt.yticks([-2, -1.8, -1, 1.22, 3], [r'较差', r'差', r'一般', r'好', r'较好'])
    my_gca = plt.gca()  # 获取图形的axis轴
    # 将右边和上边的边框颜色去掉
    my_gca.spines['right'].set_color('none')
    my_gca.spines['top'].set_color('none')
    # 绑定x、y轴
    my_gca.xaxis.set_ticks_position('bottom')
    my_gca.yaxis.set_ticks_position('left')
    # 定义x、y轴位置
    my_gca.spines['bottom'].set_position(('data', 0))
    my_gca.spines['left'].set_position(('data', 0))
    plt.text(0.85, 2.6, r'状态曲线理想值', fontdict={'size': 16, 'color': 'g'})
    plt.legend(loc='lower right')


def dynamic_draw(fig, ax):
    x = 0.73
    y = 2 * x + 1
    global small_plot  # 声明小点为全局变量
    small_plot = ax.scatter(x, y, s=66, color='b')
    # 定义线的范围，x的范围是定值，y的范围是从y到0的位置，lw是linewidth,线宽
    line, = plt.plot([x, x], [y, 0], 'k-.', lw=2.5, color='red')  # 会返回两个参数 只取第一个
    # 设置关键位置的提示信息
    text = plt.annotate(r'$2x+1=%s$' % y, xy=(x, y), xycoords='data', xytext=(+30, -30), textcoords='offset points',
                        fontsize=16, arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))

    def get_move(event):
        # 事先声明小点为全局变量 否则会被认为是局部变量报UnboundLocalErrol
        global small_plot
        # 打开交互模式面板
        plt.ion()
        try:
            if 1 > event.xdata > -1 and 3 > event.ydata > 0:
                x = event.xdata
                V = -x ** 2 + 3
                line.set_xdata([x, x])
                line.set_ydata([y, 0])
                small_plot.remove()  # 每次移动把原来的小点删了
                small_plot = ax.scatter(x, y, s=66, color='red')
                text.set_text(r'$2x+1=%s$' % y)
                text.xy = (x, y)
        except TypeError:
            pass

    # 绑定鼠标移动事件
    fig.canvas.mpl_connect('motion_notify_event', get_move)


def task2_2():
    # 解决中文乱码问题
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    mpl.rcParams['axes.unicode_minus'] = False
    fig = plt.figure(facecolor='pink', edgecolor='green')
    ax = fig.add_subplot(1, 1, 1)

    draw_pic()
    dynamic_draw(fig, ax)
    plt.show()


def task3():
    # 解决中文乱码问题
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    mpl.rcParams['axes.unicode_minus'] = False
    # 读取 Excel 文件
    df = pd.read_excel('mydata.xlsx', skiprows=3, skipfooter=2)
    # 为了方便演示，我仅选择部分列进行示例
    selected_columns = ['姓名', '性别', '高等数学', '大学英语', '操作系统', 'Python语言', '计算机组成原理']
    # 确保数据包含所需的列
    if set(selected_columns).issubset(df.columns):
        # (1) 根据每门课程的总分设计柱形图
        course_totals = df[selected_columns[2:]].sum()
        plt.figure(figsize=(10, 6))
        plt.bar(course_totals.index, course_totals.values, color='skyblue')
        plt.xlabel('课程')
        plt.ylabel('总分')
        plt.title('每门课程的总分柱形图')
        plt.show()
        # (2) 根据每门课程的平均分设计条形图
        course_means = df[selected_columns[2:]].mean()
        plt.figure(figsize=(10, 6))
        plt.barh(course_means.index, course_means.values, color='lightcoral')
        plt.xlabel('平均分')
        plt.ylabel('课程')
        plt.title('每门课程的平均分条形图')
        plt.show()
        # (3) 根据每门课程的及格率和不及格率设计折线图
        pass_rates = df[selected_columns[2:]].apply(lambda x: sum(x >= 60) / len(x))
        fail_rates = df[selected_columns[2:]].apply(lambda x: sum(x < 60) / len(x))
        plt.figure(figsize=(10, 6))
        plt.plot(pass_rates.index, pass_rates.values, label='及格率', marker='o', linestyle='-', color='green')
        plt.plot(fail_rates.index, fail_rates.values, label='不及格率', marker='o', linestyle='-', color='red')
        plt.xlabel('课程')
        plt.ylabel('比率')
        plt.title('每门课程的及格率和不及格率折线图')
        plt.legend()
        plt.show()
    else:
        print("数据缺少所需的列。请检查列名是否正确。")


def task4():
    student_grade = pd.read_excel('student_grade.xlsx')
    w = [0, 150, 200, 250, 300]
    grade_interval = pd.cut(student_grade.iloc[:, -1], w).value_counts()

    plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示
    plt.rcParams['axes.unicode_minus'] = False
    # 绘制学生考试总成绩的总体分布情况饼图
    p = plt.figure(figsize=(12, 12))
    # 设置画布
    label = ["良好", "及格", "优秀", "不及格"]
    explode = [0.01, 0.01, 0.01, 0.01]  # 设定各项离心n个半径
    plt.pie(grade_interval, explode=explode, labels=label, autopct='%1.1f%%', textprops={"fontsize": 15})  # 绘制饼图
    plt.title('学生考试总成绩的总体分布情况饼图', fontsize=20)
    plt.savefig('学生考试总成绩的总体分布情况饼图.png')
    plt.show()

    # 绘制学生考试总成绩的总体分散情况箱线图
    math_grade = student_grade.iloc[:, -4]
    reading_grade = student_grade.iloc[:, -3]
    writing_grade = student_grade.iloc[:, -2]
    p = plt.figure(figsize=(16, 8))
    label = ['数学成绩', '阅读成绩', '写作成绩']
    gdp = (list(math_grade), list(reading_grade), list(writing_grade))
    plt.boxplot(gdp, notch=True, labels=label, meanline=True)  # 绘制箱线图
    plt.xlabel('学生考试科目')
    plt.ylabel('学生考试分数')
    plt.title('学生各项考试成绩的总体分散情况箱线图', fontsize=20)
    plt.savefig('学生各项考试成绩的总体分散情况箱线图.png')
    plt.show()


if __name__ == '__main__':
    task1()
    task2()
    task2_2()
    task3()
    task4()

本栏目推荐文章
• Jmeter 如何连接mysql数据库？
• SQL Server 检测是不是数字型数据的两种方法
• 字节微服务HTTP框架Hertz使用与源码分析｜拥抱开
• 如何通过Navicat把MySQL远程数据库导入到本地数据库
• 和利时MACS6通过dat文件实现任意时间范围与测点的历史数据提取与科研分析
• 深入理解spring框架：剖析多线程模式下数据库连接
• 数据可视化是如何帮助大型企业提高效率的？
• redis 数据库
• openpyxl模块--------------------------------重复数据
• Django客户端应用1向服务端应用2发送POST请求并接收解析数据

数据分析 图表 Matplotlib 数据数据分析 图表matplotlib数据 图表matplotlib matplotlib数据python 图表echarts数据 图表highcharts数据 图表 人口 力量 数据 图表javascript数据 视图 图表 实时 数据 图表 差异 数据 数据 图表 图形