python数据可视化的简单应用

       本篇文章主要讲的是python数据可视化的简单实例，主要使用的是matplotlib，但在代码中还会用到pandas和numpy库用来对数据进行处理。

       本次项目我使用的数据是2013-2019年全国31个省、自治区、直辖市的人均年支出情况。excel表的部分数据如图：

要求：

        能够直观地看出各省2013--2019年的增长趋势以及同全国平均情况的对比。 

问题分析：

        通过项目要求，我们可以先构思一个基本的思路：既然要直观地看出各省每年的增长情况，那么可以考虑使用折线图来反映；还要看出各省同全国平均情况的对比，那么可以将全国的情况和各省的情况放在一张图中，如果把31个省、自治区、直辖市和全国的人均支出情况都放在一张图上的话，必然会显得过于杂乱，所以我们可以画31张图，每张图上的内容就是该省和全国的人均支出情况的对比，虽然画的图比较多，但是更加简洁、直观。

具体实现：

        读取excel里面的数据并将其赋值给自定义变量data。

data = pd.read_excel('E:\\人均年支出.xlsx')

        自定义三个列表，listx用来存储2013-2019作为图上的x周，listyy是用来存储各年的数据，listcity是用来存储城市的名称的。之后用for循环遍历excel表格，将每行的城市名称添加进列表listcity里面。然后再用for循环将每个城市2013-2019年的数据作为列表添加进列表listyy中，并使用numpy里面的round()函数将列表中的数据保留一位小数（方便画图）。

        data.iloc[i]是取出excel第i+1行的数据（excel最开始地区那一行不算数据），所以说i=1时就是取第二行，也就是北京那一行的数据。

        如果只写 data.iloc[i]，此时的数据类型是'pandas.core.series.Series'，是没办法对数据进行操作的，需要加上.values，将其变成'numpy.ndarray'数据类型（类似于数组）才可进行操作。这里我用list()函数将它强转为了列表，然后通过索引得到其中的第一个元素（也就是城市名）。

listx = ['2013', '2014', '2015', '2016', '2017', '2018', '2019']
listyy = []  
listcity = []  
for i in range(1, 32):  
    num = list(data.iloc[i].values)[0]
    listcity.append(num)  # 将每行的城市名添加进列表


for i in range(0, 32):  
    listyy.append(list(data.iloc[i].values)[1:])  # 将每个城市2013-2019年的数据作为列表添加进自定义列表listyy中
listy=np.round(listyy, 1)  

        自定义一个画图函数rin（b，c），为了下面画31张图的重复调用。该函数第一个参数传的是2013-2019年的数据，数据类型是列表，第二个参数传的是城市名称，数据类型是字符串。

这两句代码是为了解决画的图上中文出错的问题，不加的话图上的中文会显示为一个个方框。

    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

        这两个for循环的作用是在图上将两条折线上的每个点的数据显示出来。

        zip()函数的作用是以可迭代对象为参数，将对象中对应的元素打包成一个个元组，然后返回这些元组组成的列表。

        text()函数的作用相当于添加注释，拿我代码中的这个函数来说，前两个参数分别表示注释文本所在的x和y坐标，第三个参数是注释文本的内容，第四个和第五个参数就是用来调整注释的相对位置，比如我这个就是显示在点的中上方。

    for ax, bx in zip(listx, listy[0]):
        plt.text(ax, bx, bx, ha='center', va='bottom', fontsize=15)
    for a1, b1 in zip(listx, b):
        plt.text(a1, b1, b1, ha='center', va='bottom', fontsize=15)

        rin()函数完整代码：

def rin(b, c): 
    plt.rcParams['font.sans-serif'] = ['SimHei'] 
    plt.rcParams['axes.unicode_minus'] = False
    plt.figure()
    plt.title(c, fontsize=20)
    plt.plot(listx, listy[0], label=' 全  国')  # 画出‘全国’所对应的折线图
    plt.plot(listx, b,  label=c, linestyle='--', marker='o')  # 画出具体省份所对应的折线图
    plt.xlabel('年份')  
    plt.ylabel('人均支出')  
    for ax, bx in zip(listx, listy[0]):
        plt.text(ax, bx, bx, ha='center', va='bottom', fontsize=15)
    for a1, b1 in zip(listx, b):
        plt.text(a1, b1, b1, ha='center', va='bottom', fontsize=15)

    plt.legend()  # 显示图例
    plt.savefig('E:\\Rin\\'+c)

        最后的话呢，就是用for循环画出所有的图了。要注意的一点是要保证从listcity中取出的城市名和从listy中取出的每条数据相匹配。

for i in range(1, 32): 
    rin(listy[i], listcity[i-1])

以北京为例，画出的图是这样的：

 总结：

        本次的这个小项目并不算太复杂，重点是matplotlib里面的各种函数的使用，学会各种函数的组合使用才是项目成功的关键。最后，如果代码中有不正确的地方，希望能够给本人指出来，我会不断改正。

完整代码：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

data = pd.read_excel('E:\\人均年支出.xlsx')

listx = ['2013', '2014', '2015', '2016', '2017', '2018', '2019']
listyy = []  
listcity = []  
for i in range(1, 32): 
    num = list(data.iloc[i].values)[0]
    listcity.append(num) 

print(listcity)  

for i in range(0, 32):  
    listyy.append(list(data.iloc[i].values)[1:]) 
listy=np.round(listyy, 1)  


def rin(b, c):  
    plt.rcParams['font.sans-serif'] = ['SimHei']  
    plt.rcParams['axes.unicode_minus'] = False
    plt.figure()  
    plt.title(c, fontsize=20)  
    plt.plot(listx, listy[0], label=' 全  国')  
    plt.plot(listx, b,  label=c, linestyle='--', marker='o') 
    plt.xlabel('年份')  
    plt.ylabel('人均支出')  
    for ax, bx in zip(listx, listy[0]): 
        plt.text(ax, bx, bx, ha='center', va='bottom', fontsize=15)
    for a1, b1 in zip(listx, b):
        plt.text(a1, b1, b1, ha='center', va='bottom', fontsize=15)

    plt.legend()
    plt.savefig('E:\\Rin\\'+c) 


for i in range(1, 32):
    rin(listy[i], listcity[i-1])