看一看GDP前十——Python之Matplot

ztftom

看一看GDP前十——Python之Matplot

作者：Vamei 出处：http://www.cnblogs.com/vamei 欢迎转载，也请保留这段声明。谢谢！



matplot是基于numpy的一套python工具包。这个包提供了丰富的数据绘图工具。我之前提到了matplot之下的子工具包basemap, 以实现地理信息在地图上的绘制。这次我们尝试使用一下matplot的主体部分，主要绘制一些统计图形。

统计图形是数据可视化的一个重要组成部分。通过统计图形，我们可以将枯燥的数字转换成容易被人们接受的图表，从而让人留下更加深刻的印象。实际上，早在一百多年前，南丁格尔就曾经用统计图形来说服英国政府，以改善军队的卫生状况。

下面是我们要使用的数据，为2011年GDP前十的国家以及其具体的GDP：
复制代码

USA        15094025
China      11299967
India       4457784
Japan       4440376
Germany     3099080
Russia      2383402
Brazil      2293954
UK          2260803
France      2217900
Italy 1846950                                                                                                                                                                                                                                 

                               
登录/注册后可看大图

我们先来绘制饼图 (pie plot)：

具体代码如下，可以看到我们主要使用了matplotlib.pyplot工具包：
复制代码

# Make a pie chart
# This script is written by Vamei, http://www.cnblogs.com/vamei
# you may freely use it.

import matplotlib.pyplot as plt
# quants: GDP
# labels: country name
labels   = []
quants   = []
# Read data
for line in file('../data/major_country_gdp'):
    info = line.split()
    labels.append(info[0])
    quants.append(float(info[1]))

# make a square figure
plt.figure(1, figsize=(6,6))

# For China, make the piece explode a bit
def explode(label, target='China'):
    if label == target: return 0.1
    else: return 0
expl = map(explode,labels)
# Colors used. Recycle if not enough.
colors  = ["pink","coral","yellow","orange"]
# Pie Plot
# autopct: format of "percent" string;
plt.pie(quants, explode=expl, colors=colors, labels=labels, autopct='%1.1f%%',pctdistance=0.8, shadow=True)
plt.title('Top 10 GDP Countries', bbox={'facecolor':'0.8', 'pad':5})

plt.show()



下面我们尝试一下条形图:

                               
登录/注册后可看大图

代码如下：
复制代码

"""
Make a pie chart
This script is written by Vamei, http://www.cnblogs.com/vamei
you may freely use it.
"""
import matplotlib.pyplot as plt
import numpy as np
# quants: GDP
# labels: country name
labels   = []
quants   = []
# Read data
for line in file('../data/major_country_gdp'):
    info = line.split()
    labels.append(info[0])
    quants.append(float(info[1]))

width = 0.4
ind = np.linspace(0.5,9.5,10)
# make a square figure
fig = plt.figure(1, figsize=(12,6))
ax  = fig.add_subplot(111)
# Bar Plot
ax.bar(ind-width/2,quants,width,color='coral')

# Set the ticks on x-axis
ax.set_xticks(ind)
ax.set_xticklabels(labels)
# labels
ax.set_xlabel('Country')
ax.set_ylabel('GDP (Billion US dollar)')
# title
ax.set_title('Top 10 GDP Countries', bbox={'facecolor':'0.8', 'pad':5})
plt.show()

复制代码

该代码中我们利用了ax对象，以便控制刻度以及刻度所对应的国家名。这与我们在pie plot所做的有些不同(pie plot也可以这样实现，只是没有必要而已)。



从两个图上看，亚洲国家的GDP还是很厉害的。西方的话就是美国一枝独秀了。

lsd1984

看人均。。。

ztftom

lsd1984 发表于 2012-9-17 23:14

                               
登录/注册后可看大图

看人均。。。

木有数据。

言深深

我算是发现了，这是给自己打广告啊，哈哈···不过支持

topmad

tom 问一个类似的问题，编程作图我目前用的R  对比自己的代码跟网上的经典代码，感觉差距好大，虽然达到了同样的目的，但是自己绕了好多弯路，对比一看，原来还有个自己不知道的命令可以这样 balabalabala   怎么样做好编程作图，莫非真的就像原来一样，一条条命令记住？

ztftom

topmad 发表于 2012-9-18 08:41

                               
登录/注册后可看大图

tom 问一个类似的问题，编程作图我目前用的R  对比自己的代码跟网上的经典代码，感觉差距好大，虽然达到了同 ...

嗯，我也很头痛这个问题。编程做图的工具大部分是命令式的，非常零散，很难成体系地记忆或者学习。
我觉得一个是要看一遍教程，至少知道某些功能是存在的。然后平时多记笔记吧，当发现新功能的时候。其实我写博客也有这个目的。
而且我觉得把图做出来是最终目的。中间代码可以写得笨拙一些，以后再不断摸索就好。

ztftom

topmad 发表于 2012-9-18 08:41

                               
登录/注册后可看大图

tom 问一个类似的问题，编程作图我目前用的R  对比自己的代码跟网上的经典代码，感觉差距好大，虽然达到了同 ...

你之前不是说要写R教程么？我在等着呢。

topmad

ztftom 发表于 2012-9-18 13:18

                               
登录/注册后可看大图

你之前不是说要写R教程么？我在等着呢。

呃  教程实在是不敢啊  自己胡里巴涂得看了一气   好多自己还弄不明白的   倒不是怕笑话  要是误导了大家 我就责任大了

ztftom

topmad 发表于 2012-9-18 08:41

                               
登录/注册后可看大图

tom 问一个类似的问题，编程作图我目前用的R  对比自己的代码跟网上的经典代码，感觉差距好大，虽然达到了同 ...

我最近在看pythond的matplot，发现它的组织结构实际上是面向对象的，相当于你先设置好画布，再设置画的区域，再在区域内画图。这三个方面你都可以根据需要customize，所以非常有逻辑结构，而不用总是一条一条记命令。

xingyun8023

v谢谢你的分享经验，我也刚开始学python，我真的希望看到这样的见解啊，