翼度科技»论坛 编程开发 python 查看内容

【matplotlib 实战】--散点图

6

主题

6

帖子

18

积分

新手上路

Rank: 1

积分
18
散点图,又名点图、散布图、X-Y图,是将所有的数据以点的形式展现在平面直角坐标系上的统计图表。
散点图常被用于分析变量之间的相关性。
如果两个变量的散点看上去都在一条直线附近波动,则称变量之间是线性相关的;
如果所有点看上去都在某条曲线(非直线)附近波动,则称此相关为非线形相关的;
如果所有点在图中没有显示任何关系,则称变量间是不相关的。
散点图一般需要两个不同变量,一个沿x轴绘制,另一个沿y轴绘制。
众多的散点叠加后,有助于展示数据集的“整体景观”,从而帮助我们分析两个变量之间的相关性,或找出趋势和规律。
1. 主要元素

散点图的主要元素包括:

  • 横轴:表示自变量。
  • 纵轴:表示因变量。
  • 数据点:每个数据点代表一个观测值,它在坐标轴上的位置表示两个变量的对应取值。
  • 趋势线:趋势线是通过数据点拟合出的一条线,用于显示变量之间的趋势或关联性。

2. 适用的场景

散点图适用的分析场景包括:

  • 变量关系探索:帮助我们观察和理解两个变量之间的关系。通过观察数据点的分布情况和趋势线的形状,可以判断变量之间是否存在线性关系、非线性关系或无关系。
  • 趋势分析:用于分析趋势和预测。通过观察趋势线的方向和斜率进行预测。
  • 群体分析:散点图可以帮助我们观察和识别数据点的聚类情况。
  • 异常值检测:散点图可以用于检测异常值或离群点。
3. 不适用的场景

散点图不适用的分析场景包括:

  • 时间序列分析:散点图主要用于展示两个变量之间的关系,对于时间序列数据,通常使用折线图或其他适合展示时间变化的图表类型。
  • 多变量分析:散点图只能展示两个变量之间的关系,对于多个变量之间的关系分析,需要使用其他图表类型,如散点矩阵、平行坐标图等。
  • 分布分析:散点图主要关注变量之间的关系,而不是变量本身的分布情况。如果需要分析变量的分布特征,可以使用直方图、箱线图等图表类型。
4. 分析实战

散点图适合寻找两个变量之间的关系,本次分析 **空气污染 **方面的数据情况。
4.1. 数据来源

数据来源国家统计局公开的数据。
用到的两个统计数据分别是:

  • 工业污染治理中,每年治理废气的投资额
  • 废气中二氧化硫的每年排放量情况
整理好的数据可从下面的地址下载:
https://databook.top/nation/A0C
A0C05.csv(废气中主要污染物排放) 和 A0C0I.csv(工业污染治理投资) 两个文件。
  1. fp = "d:/share/data/A0C05.csv"
  2. df1 = pd.read_csv(fp)
  3. df1
复制代码
  1. fp = "d:/share/data/A0C0I.csv"
  2. df2 = pd.read_csv(fp)
  3. df2
复制代码

4.2. 数据清理

2022年数据是空的,所以从两个文件中分别提取 2012~2021年期间,汇总所有废气排放量(万吨)和**治理废气项目完成投资(万元)        **两类数据绘制图形。
[code]#所有废气的排放量data_x = df1[(df1["sj"] >= 2012) &            (df1["sj"] = 2012) &            (df2["sj"]

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

x

举报 回复 使用道具