为了处分特定问题而进行的学习是晋升效果的最好路线。这种才略梗概使咱们专注于最干系的常识和妙技av网址，从而更快地掌合手处分问题所需的材干。

（以下纯熟题开首于《统计学—基于Python》。请在Q群455547227下载原始数据。）

纯熟题为了探究不同地区的浮滥者对网上购物的悠闲度，随即抽取东部、中部和西部的1000名浮滥者进行访谒，获取的收场如下表所示。绘制以下图形。

图片

（1）把柄东部地区的悠闲度数据，绘制浅显条形图、帕累托图和饼图。

刘亦菲 ai换脸

（2）把柄东部地区、中部地区和西部地区的悠闲度数据，绘制并排条形图、推叠条形图和环形图。

Python代码与绘制（1）把柄东部地区的悠闲度数据，绘制浅显条形图、帕累托图和饼图。# （1）把柄东部地区的悠闲度数据，绘制浅显条形图、帕累托图和饼图import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Heiti TC']plt.rcParams['axes.unicode_minus'] = Falsedf = pd.read_csv('exercise3_1.csv') plt.subplots(1， 3， figsize = (20， 5)) # 确立子图和图形大小# 图（a）东部地区悠闲度的浅显条形图plt.subplot(131)plt.barh(y = df['悠闲度']， width = df['东部']， alpha = 0.6) # 绘制水平条形图plt.xlabel('浮滥者东说念主数'， size = 12)plt.ylabel('悠闲度'， size = 12)plt.title('(a)东部地区悠闲度的条形图'， size = 15)plt.xlim(0， 150) # 确立x轴的领域 # 图（b）东部地区悠闲度的帕累托图# 处理数据df_p = df.sort_values(by = '东部'， ascending = False) # 按东部地区浮滥者东说念主数降序排序数据框p = 100*df_p['东部'].cumsum()/df_p['东部'].sum() # 策画累计百分比df_p['累计百分比'] = p# 绘制直方图ax = plt.subplot(132)ax.bar(df_p['悠闲度']， df_p['东部']， color = 'steelblue') # 绘制条形图ax.set_ylabel('浮滥者东说念主数'， size = 12) # 确立y轴标签ax.set_xlabel('悠闲度'， size = 12) # 确立x轴标签# 绘制帕累托弧线ax2 = ax.twinx() # 与条形图分享坐标轴ax2.plot(df_p['悠闲度']， df_p['累计百分比']， color = 'C1'， marker = 'D'， ms = 7) # 绘制折线图ax2.set_ylabel('累计百分比（%）'， size = 12) # 确立y轴标签plt.title('(b)东部地区悠闲度的帕累托图'， size = 15) # 图（c）东部地区悠闲度的3D饼图plt.subplot(133)p1 = plt.pie(df['东部']， labels = df['悠闲度']， autopct = '%1.2f%%'， shadow = True， # 绘制立体带暗影的饼图 explode = (0.11， 0， 0，短视频 0， 0)) # 确立某一块与中心的距离plt.title('（c）东部地区悠闲度的3D饼图'， size = 15)

图片

（2）把柄东部地区、中部地区和西部地区的悠闲度数据，绘制并排条形图、推叠条形图和环形图。

#（2）把柄东部地区、中部地区和西部地区的悠闲度数据，绘制并排条形图、推叠条形图和环形图import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Heiti TC']plt.rcParams['axes.unicode_minus'] = Falsedf = pd.read_csv('exercise3_1.csv') plt.subplots(1， 3， figsize = (20， 5))  # 确立子图和图形大小# 图（a）并排条形图ax1 = plt.subplot(131) # 确立子图1df.plot(kind = 'bar'， stacked = False， width = 0.8， ax = ax1) # 绘制并排条形图plt.xlabel('悠闲度'， size = 12)plt.ylabel('浮滥者东说念主数'， size = 12)plt.xticks(range(5)， df['悠闲度']， rotation = 0)  # 添加x轴标签并确立旋转角度plt.title('(a)并排条形图'， fontsize = 13， color = 'black') # 图（b）堆叠条形图ax2 = plt.subplot(132) # 确立子图2df.plot(kind = 'bar'， stacked = True， width = 0.5， ax = ax2) # 绘制堆叠条形图plt.xlabel('悠闲度'， size = 12)plt.ylabel('浮滥者东说念主数'， size = 12)plt.xticks(range(5)， df['悠闲度']， rotation = 0)  # 添加x轴标签并确立旋转角度plt.title('(b)堆叠条形图'， fontsize = 13， color = 'black') # 图（c）千般本嵌套环形图plt.subplot(133) # 确立子图3colors = ['red'， 'yellow'， 'slateblue'， 'lawngreen'， 'magenta'， 'green'， 'orange'， 'cyan'， 'pink'， 'gold'] # 确立姿首向量p1 = plt.pie(df['东部']， labels = df['悠闲度']， autopct = '%1.2f%%'，             radius = 1， pctdistance = 0.9， # 半径为1，标签距圆心距离为0.9            colors = colors，            wedgeprops = dict(linewidth = 1.2， width = 0.3， edgecolor = 'w'))p2 = plt.pie(df['西部']， autopct = '%1.2f%%'，             radius = 0.75， pctdistance = 0.85， # 半径为0.75，标签距圆心距离为0.85            colors = colors，            wedgeprops = dict(linewidth = 1.2， width = 0.3， edgecolor = 'w'))p3 = plt.pie(df['中部']， autopct = '%1.2f%%'，             radius = 0.5， pctdistance = 0.7， # 半径为0.5，标签距圆心距离为0.7            colors = colors，            wedgeprops = dict(linewidth = 1.2， width = 0.3， edgecolor = 'w'))plt.title('(c)千般本嵌套环形图'， fontsize = 13， color = 'black') # plt.tight_layout()

图片

齐读到这里了av网址，不妨饶恕、点赞一下吧！

本站仅提供存储事业，扫数现实均由用户发布，如发现存害或侵权现实，请点击举报。