1. 實驗目的

①掌握Matplotlib繪圖基礎；
②運用Matplotlib，實現(xiàn)數(shù)據(jù)集的可視化；
③運用Pandas訪問csv數(shù)據(jù)集。

2. 實驗內(nèi)容

①繪制散點圖、直方圖和折線圖，對數(shù)據(jù)進行可視化；
②下載波士頓數(shù)房價據(jù)集，并繪制數(shù)據(jù)集中各個屬性與房價之間的散點圖，實現(xiàn)數(shù)據(jù)集可視化；
③使用Pandas訪問鳶尾花數(shù)據(jù)集，對數(shù)據(jù)進行設置列標題、讀取數(shù)據(jù)、顯示統(tǒng)計信息、轉化為Numpy數(shù)組等操作；并使用Matpoltlib對數(shù)據(jù)集進行可視化。

3. 實驗過程

題目一：
這是一個商品房銷售記錄表，請根據(jù)表中的數(shù)據(jù)，按下列要求繪制散點圖。其中橫坐標為商品房面積，縱坐標為商品房價格。

要求：
(1)繪制散點圖，數(shù)據(jù)點為紅色圓點；
(2)標題為:“商品房銷售記錄”，字體顏色為藍色，大小為16；
(3)橫坐標標簽為:“面積(平方米)”，縱坐標標簽為“價格(萬元)”，字體大小為14。

源代碼

import numpy as np
import matplotlib.pyplot as plt#設置rc參數(shù)
plt.rcParams["font.family"] = "SimHei"#設置默認字體為中文黑體
plt.rcParams['axes.unicode_minus'] = False #坐標軸上負號的顯示可能會出錯
area = np.array([137.97,104.50,100.00,124.32,79.20,99.00,124.00,114.00,106.69,138.05,53.75,46.91,68.00,63.02,81.26,86.21])
price = np.array([145.00,110.00,93.00,116.00,65.32,104.00,118.00,91.00,62.00,133.00,51.00,45.00,78.50,69.65,75.69,95.30])plt.scatter(area,price,color = 'red')
plt.title("商品房銷售記錄",fontsize = "16",color = "blue")
plt.xlabel("面積(平方米)",fontsize = '14')
plt.ylabel("價格(萬元)",fontsize = '14')plt.show()

題目二：
按下列要求完成程序。
(1)下載波士頓數(shù)據(jù)集，讀取全部506條數(shù)據(jù)，放在NumPy數(shù)組x、y中（x：屬性，y：標記）；
(2)使用全部506條數(shù)據(jù)，實現(xiàn)波士頓房價數(shù)據(jù)集可視化，如圖1所示；
(3)要求用戶選擇屬性，如圖2所示，根據(jù)用戶的選擇，輸出對應屬性的散點圖，如圖3所示

圖1 波士頓房價數(shù)據(jù)集可視化圖

請用戶輸入屬性：

圖2 屬性選擇圖

運行結果：

圖3 運行結果圖

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as npboston_housing = tf.keras.datasets.boston_housing
(train_x, train_y), (test_x, test_y) = boston_housing.load_data(test_split=0)plt.rcParams['font.sans-serif'] = "SimHei"
plt.rcParams['axes.unicode_minus'] = Falsetitles = ["CRIM", "ZN", "INDUS", "CHAS", "NOX", "RM", "AGE", "DIS", "RAD", "TAX","PTRATIO", "B-1000", "LSTAT", "MEDV"
]plt.figure(figsize=(14, 14))for i in range(13):plt.subplot(4, 4, i + 1)plt.scatter(train_x[:, i], train_y)plt.xlabel(titles[i])plt.ylabel("Price($1000's)")plt.title(str(i + 1) + "." + titles[i] + " - Price")plt.tight_layout(rect=[0, 0, 1, 0.95])
plt.suptitle("各個屬性與房價的關系", x=0.5, y=0.98, fontsize=20)
plt.show()plt.close()print("請輸入所選擇的屬性")
print( "1--CRIM\n", "2--ZN\n", "3--INDUS\n", "4--CHAS\n", "5--NOX\n", "6--RM\n", "7--AGE\n", "8--DIS\n", "9--RAD\n", "10--TAX\n","11--PTRATIO\n", "12--B-1000\n", "13--LSTAT\n", "14--MEDV")
n = int(input())
sc = titles[i - 1] + "Price($1000's)"
plt.figure(figsize=(5,5))
plt.scatter(train_x[:,i-1],train_y)
plt.xlabel(titles[i - 1])
plt.ylabel("Price($1000's)")
plt.title(sc)
plt.show()

題目三：
使用鳶尾花數(shù)據(jù)集，繪制如下圖形，其中對角線為屬性的直方圖。

提示：繪制直方圖函數(shù) plt.hist(x, align= ‘mid’, color, edgecolor)

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
import pandas as pdTRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv"
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1],TRAIN_URL)#設置列標題
COLUMN_NAMES = ['SepalLEngth', 'SePalWidth', 'PetalLength', 'PetalWidth', 'Species'
]
#下載鳶尾花數(shù)據(jù)集，并設置列標題
dr_iris = pd.read_csv(train_path, names=COLUMN_NAMES, header=0)iris = np.array(dr_iris)fig = plt.figure(figsize=(15, 15))fig.suptitle("Anderson's Iris Data Set\n(Bule->Setosa | Red->Versicolor | Green->Virginica)"
)
for i in range(4):for j in range(4):plt.subplot(4, 4, 4 * i + (j + 1))if (i == j):plt.hist(iris[:, j], align='mid')else:plt.scatter(iris[:, j], iris[:, i], c=iris[:, 4], cmap='brg')plt.title(COLUMN_NAMES[j])  # 橫坐標標簽使用子圖標題來實現(xiàn)plt.ylabel(COLUMN_NAMES[i])plt.tight_layout(rect=[0, 0, 1, 0.93])plt.show()

4.實驗小結&討論題

① 實驗過程中遇到了哪些問題，你是如何解決的？
沒有熟悉使用pycharm，詢問了同學。

② 根據(jù)題目二的數(shù)據(jù)進行可視化結果，分析波士頓數(shù)據(jù)集中各個屬性對房價的影響。
占地面積與房價大致呈線性相關。

③ Numpy和Pandas各有什么特點和優(yōu)勢？在應用中應如何選擇？
Pandas擁有Numpy一些沒有的方法，例如describe函數(shù)。其主要區(qū)別是：Numpy就像增強版的List，而Pandas就像列表和字典的合集，Pandas有索引。Pandas有兩種結構，分別是Series和DataFrame。其中Series擁有Numpy的所有功能，可以認為是簡單的一維數(shù)組；而DataFrame是將多個Series按列合并而成的二維數(shù)據(jù)結構，每一列單獨取出來是一個Series。

④ 在題目基本要求的基礎上，你對每個題目做了那些擴展和提升？或者你覺得在編程實現(xiàn)過程中，還有哪些地方可以進行優(yōu)化？
完全按照題目的要求來做的。