1. 實(shí)驗(yàn)?zāi)康?/h3>

①掌握Matplotlib繪圖基礎(chǔ)；
②運(yùn)用Matplotlib，實(shí)現(xiàn)數(shù)據(jù)集的可視化；
③運(yùn)用Pandas訪問(wèn)csv數(shù)據(jù)集。

2. 實(shí)驗(yàn)內(nèi)容

①繪制散點(diǎn)圖、直方圖和折線圖，對(duì)數(shù)據(jù)進(jìn)行可視化；
②下載波士頓數(shù)房?jī)r(jià)據(jù)集，并繪制數(shù)據(jù)集中各個(gè)屬性與房?jī)r(jià)之間的散點(diǎn)圖，實(shí)現(xiàn)數(shù)據(jù)集可視化；
③使用Pandas訪問(wèn)鳶尾花數(shù)據(jù)集，對(duì)數(shù)據(jù)進(jìn)行設(shè)置列標(biāo)題、讀取數(shù)據(jù)、顯示統(tǒng)計(jì)信息、轉(zhuǎn)化為Numpy數(shù)組等操作；并使用Matpoltlib對(duì)數(shù)據(jù)集進(jìn)行可視化。

3. 實(shí)驗(yàn)過(guò)程

題目一：
這是一個(gè)商品房銷售記錄表，請(qǐng)根據(jù)表中的數(shù)據(jù)，按下列要求繪制散點(diǎn)圖。其中橫坐標(biāo)為商品房面積，縱坐標(biāo)為商品房?jī)r(jià)格。

要求：
(1)繪制散點(diǎn)圖，數(shù)據(jù)點(diǎn)為紅色圓點(diǎn)；
(2)標(biāo)題為:“商品房銷售記錄”，字體顏色為藍(lán)色，大小為16；
(3)橫坐標(biāo)標(biāo)簽為:“面積(平方米)”，縱坐標(biāo)標(biāo)簽為“價(jià)格(萬(wàn)元)”，字體大小為14。

源代碼

import numpy as np
import matplotlib.pyplot as plt#設(shè)置rc參數(shù)
plt.rcParams["font.family"] = "SimHei"#設(shè)置默認(rèn)字體為中文黑體
plt.rcParams['axes.unicode_minus'] = False #坐標(biāo)軸上負(fù)號(hào)的顯示可能會(huì)出錯(cuò)
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(jià)格(萬(wàn)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(biāo)記）；
(2)使用全部506條數(shù)據(jù)，實(shí)現(xiàn)波士頓房?jī)r(jià)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(duì)應(yīng)屬性的散點(diǎn)圖，如圖3所示

圖1 波士頓房?jī)r(jià)數(shù)據(jù)集可視化圖

請(qǐng)用戶輸入屬性：

圖2 屬性選擇圖

運(yùn)行結(jié)果：

圖3 運(yùn)行結(jié)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(gè)屬性與房?jī)r(jià)的關(guān)系", x=0.5, y=0.98, fontsize=20)
plt.show()plt.close()print("請(qǐng)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(duì)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(shè)置列標(biāo)題
COLUMN_NAMES = ['SepalLEngth', 'SePalWidth', 'PetalLength', 'PetalWidth', 'Species'
]
#下載鳶尾花數(shù)據(jù)集，并設(shè)置列標(biāo)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(biāo)標(biāo)簽使用子圖標(biāo)題來(lái)實(shí)現(xiàn)plt.ylabel(COLUMN_NAMES[i])plt.tight_layout(rect=[0, 0, 1, 0.93])plt.show()

4.實(shí)驗(yàn)小結(jié)&討論題

① 實(shí)驗(yàn)過(guò)程中遇到了哪些問(wèn)題，你是如何解決的？
沒(méi)有熟悉使用pycharm，詢問(wèn)了同學(xué)。

② 根據(jù)題目二的數(shù)據(jù)進(jìn)行可視化結(jié)果，分析波士頓數(shù)據(jù)集中各個(gè)屬性對(duì)房?jī)r(jià)的影響。
占地面積與房?jī)r(jià)大致呈線性相關(guān)。

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

④ 在題目基本要求的基礎(chǔ)上，你對(duì)每個(gè)題目做了那些擴(kuò)展和提升？或者你覺(jué)得在編程實(shí)現(xiàn)過(guò)程中，還有哪些地方可以進(jìn)行優(yōu)化？
完全按照題目的要求來(lái)做的。