普通高中选课数据分析和可视化（3）

#在同一个区域绘制各学科关联度散点图colors = ('red','green','orange','cyan','lime','gold','blue')fig, ax = plt.subplots(figsize=(10,12),dpi=120)for i, k in enumerate(kms, start=0): #遍历每一门学科，绘制其与其他学科关联度散点图    nums = zuhe.loc[k].tolist()    area = [j*0.2 for j in nums]    ax.scatter(x=kms,y=nums,s=area,c=colors[i],label=k,alpha=0.5)ax.legend()
#分别绘制各学科关联度散点图plt.figure(figsize=(10,10),dpi=120) #生成新的figure，并设置各个子图的宽、高和绘图分辨率 for i, k in enumerate(kms, start=1): #遍历每一门学科，绘制其与其他学科关联度散点图    #subplot将整个绘图区域等分为Rows行*Cols列个子区域，按照从左到右，从上到下的顺序对每个子区域进行编号    plt.subplot(3, 3, i) #划分子图，分成3*3个区域    plt.subplots_adjust(hspace = 0.5) #为子图之间的空间保留的高度    plt.title(f"{k}散点图") #为每个子图设置标题    nums = zuhe.loc[k].tolist()    area = [j*0.1 for j in nums]    plt.scatter(x=kms,y=nums,s=area,alpha=0.5)
plt.show()

kms = "物化生政史地技"kmzh_3 = [''.join(km) for km in itertools.combinations(kms,3)]kms_dic = {"物理":"物","化学":"化","生物":"生","政治":"政","历史":"史","地理":"地","技术":"技"}#读数据到 Pandas的DataFrame 结构中source_df =pd.read_csv("xk73.csv",sep=',',header='infer',encoding='utf-8')schools = sorted(source_df['学校代码'].unique()) #生成学校代码名称列表zuhe_df = pd.DataFrame(index=schools, columns=kmzh_3)

#调用DataFrame.plot方法绘制全市各选课组合人数柱状图plt.bar(df_sum.columns, df_sum.loc[0])plt.xticks(rotation = 90)x = list(range(len(df_sum.columns)))y = list(df_sum.loc[0])for a,b in zip(x, y): #控制标签位置    plt.text(a,b+1.5,'%.0f'%b,ha = 'center',va = 'bottom')plt.show()

#分别绘制各校各选课组合人数占比饼图   i = 1for r in zuhe_df.index: #遍历每一所学校，绘制各校各选课组合人数占比饼图    if i % 4 == 1: #每页生成4张子图，每画完4张子图就生成新的窗体        plt.figure(figsize=(10,10),dpi=70) #生成新的figure，并设置各个子图的宽、高和绘图分辨率         i = 1    #subplot将整个绘图区域等分为Rows行*Cols列个子区域，按照从左到右，从上到下的顺序对每个子区域进行编号    plt.subplot(2, 2, i) #划分子图，分成2*2个区域    i += 1    plt.subplots_adjust(hspace = 0.5) #为子图之间的空间保留的高度    plt.title(f"学校{r}各选课组合人数") #为每个子图设置标题    plt.xticks(fontsize=10) #标签字体大小    show_zuhe_df = zuhe_df.sort_values(by=r, axis=1, ascending=False)    zuhe_nums = 9 #只输出人数最多的前9个组合    show_zuhe_df.insert(zuhe_nums, '其他', show_zuhe_df.loc[r, show_zuhe_df.columns[zuhe_nums:]].sum()) #插入其他列    labels = show_zuhe_df.columns[:zuhe_nums+1]    sizes = show_zuhe_df.loc[r, show_zuhe_df.columns[:zuhe_nums+1]]    explode = [0] * len(sizes)    explode[-1] = 0.1    plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False)    plt.show()