全国大学生数学建模大赛备赛——图形的绘制（折线图、柱状图、散点图、饼图、分布子图）

备赛过程中，图形的绘制是非常重要的一部分，可以直观地展示数据和结果。不同类型的图形适用于不同的情况，下面我简单介绍一下各种图形的特点和用途：

1. 折线图（Line Chart）：

   • 用于显示数据随时间或其他连续变量的变化趋势。
   • 适合展示数据的趋势、周期性和变化规律。

2. 柱状图（Bar Chart）：

   • 用于比较不同类别之间的数据大小或变化。
   • 适合展示类别数据的差异，比如不同组的得分、销售额等。

3. 散点图（Scatter Plot）：

   • 用于展示两个变量之间的关系，是否存在趋势或相关性。
   • 适合用于寻找变量之间的关联性，例如是否存在线性关系。

4. 饼图（Pie Chart）：

   • 用于显示各部分占整体的比例关系。
   • 适合展示数据的相对比例，比如市场份额、资源分配等。

5. 分布子图（Histogram）：

   • 用于展示数据分布情况，了解数据集的特征。
   • 适合展示数据的分布形态，如是否对称、集中在哪个区间等。

在备赛过程中，根据具体的问题和数据特点选择合适的图形进行绘制，能够更好地帮助你理解问题、分析数据和展示结果。

数据集实例：

这里我只展示实例，实际上有六万多行。

柱状图

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")

# 按分类名称对数据进行分组求和
grouped_data = data.groupby('分类名称').sum()

# 设置图形大小
plt.figure(figsize=(15,10))

# 绘制条形图
bars = plt.bar(grouped_data.index, grouped_data['销量(千克)'])

# 设置标题和标签
plt.title('按分类统计销售量')
plt.xlabel('分类')
plt.ylabel('销售量（千克）')

# 旋转x轴标签，使其更易读
plt.xticks(rotation=0)
#显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 增加图例
plt.legend(['销售量'], loc='upper right')

# 数据标签
for bar in bars:
    yval = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2, yval, round(yval, 2), ha='center', va='bottom')

# 显示图形
plt.show()

 折线图一

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")

# 转换时间列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])

# 按时间和分类名称对数据进行分组求和
grouped_data = data.groupby(['销售日期', '分类名称']).sum().unstack()

# 设置图形大小
plt.figure(figsize=(15,10))

# 绘制折线图
for col in grouped_data['销量(千克)'].columns:
    plt.plot(grouped_data.index, grouped_data['销量(千克)'][col], label=col)

# 设置标题和标签
plt.title('不同种类蔬菜随时间销量变化')
plt.xlabel('时间')
plt.ylabel('销售量（千克）')

# 旋转x轴标签，使其更易读
plt.xticks(rotation=45)
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 增加图例
plt.legend(loc='upper right')

# 显示图形
plt.show()

折线图二

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")

# 转换销售日期列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])

# 按分类名称对数据进行分组
grouped_data = data.groupby('分类名称')

# 获取不同种类的蔬菜
vegetable_types = grouped_data.groups.keys()

# 设置图形大小
plt.figure(figsize=(20,15))

# 生成对应的分布子图
for i, veg_type in enumerate(vegetable_types, 1):
    plt.subplot(2, 3, i)
    veg_data = grouped_data.get_group(veg_type)
    plt.plot(veg_data['销售日期'], veg_data['销量(千克)'])
    plt.title(veg_type)
    plt.xlabel('销售日期')
    plt.ylabel('销售量（千克）')
    plt.xticks(rotation=45)

# 自动调整子图的布局
plt.tight_layout()
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 增加图例
plt.legend(loc='upper right')
# 显示图形
plt.show()

散点图

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")

# 转换时间列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])

# 按时间和分类名称对数据进行分组求和
grouped_data = data.groupby(['销售日期', '分类名称']).sum().unstack()

# 设置图形大小
plt.figure(figsize=(15,10))

# 绘制散点图
for col in grouped_data['销量(千克)'].columns:
    plt.scatter(grouped_data.index, grouped_data['销量(千克)'][col], label=col)

# 设置标题和标签
plt.title('不同种类蔬菜随时间销量变化')
plt.xlabel('时间')
plt.ylabel('销售量（千克）')

# 旋转x轴标签，使其更易读
plt.xticks(rotation=45)
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 增加图例
plt.legend(loc='upper right')

# 显示图形
plt.show()

散点图二

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")

# 转换销售日期列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])

# 按分类名称对数据进行分组
grouped_data = data.groupby('分类名称')

# 获取不同种类的蔬菜
vegetable_types = grouped_data.groups.keys()

# 设置图形大小
plt.figure(figsize=(20,15))

# 生成对应的分布子图
for i, veg_type in enumerate(vegetable_types, 1):
    plt.subplot(2, 3, i)
    veg_data = grouped_data.get_group(veg_type)
    plt.scatter(veg_data['销售日期'], veg_data['销量(千克)'])
    plt.title(veg_type)
    plt.xlabel('销售日期')
    plt.ylabel('销售量（千克）')
    plt.xticks(rotation=45)

    # # 添加数据标签
    # for i, row in veg_data.iterrows():
    #     plt.text(row['销售日期'], row['销量(千克)'], str(row['销量(千克)']), fontsize=9, color='red')

# 自动调整子图的布局
plt.tight_layout()
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 显示图形
plt.show()

饼图

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")

# 按分类名称对数据进行分组求和
grouped_data = data.groupby('分类名称').sum()

# 设置图形大小
plt.figure(figsize=(10,10))

# 绘制饼图
plt.pie(grouped_data['销量(千克)'], labels=grouped_data.index, autopct='%1.1f%%', startangle=140)

# 设置标题
plt.title('按分类统计销售量')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] =False
# 显示图形
plt.show()

 特征热力图

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
date=pd.read_excel('种类品种.xlsx')
#print(date)
date1=date.corr()
print(date1)
sns.heatmap(date1, annot=True, cmap="coolwarm")
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
plt.title('Correlation Heatmap')
plt.show()