Py数据基础与分析8

智慧农业可视化分析“Python大数据分析与可视化项目四01项目概述4.1项目概述智慧农业作为传统农业与现代科技的融合体，巧妙地将大数据分析、物联网技术融入田间地头，通过安装于现场的多样化传感器（涵盖环境温湿度、土壤湿度、二氧化碳浓度等）与智能控制器，实现了对农业生产环境的全方位智能监控、即时灾害预警、远程操控（自动/手动）、深度决策支持及远程健康管理。这一系列创新举措，不仅推动了农业生产的精准化、管理的可视化，还引领了智能化决策的新潮流，加速了农业向无人化、自动化、智慧化的转型升级。Matplotlib大数据可视化平台在智慧农业中的应用充分展现了大数据可视化技术在现代农业的重要作用。这种平台通常在现有的大数据可视化工具基础上进行二次开发，以更好地满足特定的业务需求和场景。在智慧农业中，大数据可视化平台扮演着关键角色，其应用场景丰富多样。智慧农业的大数据可视化平台已经成为一种新的发展趋势，它不仅是技术创新的体现，更标志着农业发展的一次革命性飞跃。02学习目标4.2学习目标学会创建Matplotlib的各类基本图表：折线图、柱状图、散点图等。能够结合实际数据进行可视化分析。理解如何美化和定制化图表。03知识积累4.3知识积累Matplotlib提供了一个类似于MATLAB的绘图API——Pyplot，它包含了一系列的绘图函数。通过这些函数，用户可以方便地绘制二维图表。在数据可视化分析中，为了让图表显示得更好，我们常常需要对图表进行各种设置，比如添加标记、网格、图例和注释等。在使用Pyplot之前，你需要在PyCharm中安装Matplotlib，然后使用import语句导入Pyplot库，并给它设置一个别名plt：一、图表结构在开始学习Matplotlib可视化图表之前，有必要先对图表的结构有一个初步的认识。图表的基本组成示例如图4-1所示。4.3知识积累二、图表类型Matpalotlib提供了丰富的图表类型，每种图表类型还包含一种或多种子类型。数据分析图表要根据数据的特性，找到合适的可视化方式，将数据直观地展现出来，以帮助人们理解数据。数据分析图表分为条形图、柱状图、折线图、饼图、散点图、面积图、环形图、雷达图、箱线图和热力图等。1．条形图条形图使用长度作为视觉暗示，有利于直接进行比较。每个矩形代表一个分类，矩形越长，数值就越大。条形图的局限性在于每个矩形都要从零坐标开始，而且只能横向或向上径直延伸。条形图在视觉上等同于一个列表，每一个条形都代表一个数值，设计者可以用不同的矩形和图表来区分，如图4-2所示。在使用条形图时，为了让用户更容易抓住重点，要尽可能去掉可有可无的元素，如图4-2所示，删除了X轴和网格线，使图表更简洁。条形图的条目数一般要求不超过30条，否则容易带来视觉和记忆上的负担。4.3知识积累2．饼图在饼图中，完整的圆表示整体，每个扇形都是其中的一部分。所有扇形的总和等于100%。在使用饼图时，分类不宜过多，不然饼图就会乱成一团，由于一个圆的空间有限，所以小数值往往就成了细细的一条线。由于人眼对面积的大小不敏感，所以饼图不适合数据的精确比较，当饼图各个分量的比例相差不大时，应考虑用柱状图来代替饼图。如图4-3所示。3．柱形图柱形图，又称长条图、柱状统计图，是一种以长方形的长度为变量的统计图表，通常利用于较小的数据集分析。当数据较多时，为了区分数据而需要为每个柱形设置一个颜色，多颜色虽然会吸引用户的眼球，但用户的关注点可能会被吸引到颜色上，而不是数据及数据之间的关系。因此，建议在同一色系内选定不同的颜色，或者相同颜色，不同的明度或饱和度。为了强调某一个数据，可以使用对比色或图案填充等方法来突出显示某个柱形，如图4-4所示。4.3知识积累4．折线图折线图是用直线段将各数据点连接起来而组成的图形，以折线的方式来显示数据的变化趋势。在折线图中，沿水平轴分布的是时间，沿垂直轴分布的是需要表达的数据。由于线条可以使数据的变化趋势更加明显，所以折线图更适合用于表现趋势。在数据可视化中，折线图虽然是一种常见且有效的工具，但它在展示多条折线时存在一定的局限性。当折线数量达到四条或更多时，这些线往往会相互交织，使得读者难以区分和理解每条线所代表的数据，从而降低了图表的可读性和信息传递的效率。此外，为了确保数据的准确性和易读性，折线图的X轴和Y轴都应该包含零值作为参考点；否则，可能会给观众带来误解或偏见，影响他们对图表信息的解读。另外，在使用折线图时，要注意横轴长度会影响展现的曲线趋势，如果图中的横轴过短，会使整个曲线比较夸张；如果横轴过长，则用户又有可能看不清楚数据的变化。图4-5展示了设置横轴长度对视觉效果的影响。4.3知识积累5．雷达图雷达图是一种用于呈现多变量数据的二维图形，它通过多个从同一点出发的轴来表示三个或更多个定量变量的值。可以将雷达图看作是平行坐标的极坐标的形式，轴的相对位置和角度通常不具有信息。数据对象的各个属性值与各属性最大值的比例决定了每个坐标轴上点的位置，将这些坐标轴上的点用折线进行连接，其大小形状则反映了数据对象的属性。如图4-6所示，该雷达图显示了上半年与下半年产品销售的对比。雷达图不适合显示三组以上的数据序列，因为一个数据序列产生一个多边形（数据对象的维数就是多边形的边数），大量的多边形容易产生填充区域的覆盖或者边的交叉。虽然可以使用颜色来区分多个多边形，但总体容易让人视觉混乱，很难快速对比数据的优劣。雷达图适合比较3～6维变量的数据序列，既适合查看单个类别的发展均衡情况，也便于对比两个或更多类别的优劣。因为每个类别都有一根从中心向外发射的轴线，如果类别超过6个，则产生的轴线太多容易导致用户难以阅读和区分数据；如果类别过少，则多边形的边数过于稀少，图表简单，美观度又不足。雷达图同样不适用于对数据的精确比较。4.3知识积累6．散点图对多变量数据进行可视化，一个常用的方法是使用散点图。对于2个以上维度的数据，可以使用散点图矩阵。这些散点图根据它们所表示的属性，沿横轴和纵轴按一定的顺序排列，组成一个矩阵4.3知识积累7.箱线图箱线图是一种用作显示一组数据分散情况资料的统计图，主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较，判断数据中的异常值、判断数据的对称性以及判断数据的偏态性。图4-8显示8个评委对绘画比赛的评分结果箱线图。4.3知识积累8.热力图热力图一个以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图表。热力图适合进行数据的预测统计，可以很直观的传达出用户的喜好偏爱，可以在图片上直接展示热度。例如图4-9用热力图展示某单位工资数据分布情况。4.3知识积累三、创建图表窗口在Pyplot中，创建图表窗口是进行数据可视化的第一步。Pyplot提供了多种方法来创建和管理图表窗口。参数说明：num：指定图表编号或名称，数字为编号，字符串为名称figsize：指定figure的宽和高，单位为英寸；dpi：指定绘图对象的分辨率，即每英寸多少个像素，缺省值为801英寸等于2.5cm,A4纸是21*30cm的纸张facecolor：背景颜色edgecolor：边框颜色frameon：是否显示边框1.基本图表窗口的创建在Pyplot中，figure函数用来创建图表窗口，该函数的调用格式如下：4.3知识积累参数说明：fname：文件路径及名称dpi：分辨率。facecolor：图表背景色。edgecolor：图表边框颜色。format：文件格式。bbox_inches：保存的图表范围。pad_inches：图表边缘的内边距。2.保存图形窗口savefig函数是Pyplot中用于保存当前图形窗口的重要工具。通过这个函数，可以将绘制好的图形以多种格式（如PNG、PDF、SVG等）保存到指定的文件路径中。这对于生成报告、论文中的图表或分享数据可视化结果非常有用。该函数的调用格式如下：4.3知识积累参数说明：pad：填充空间。h_pad：子图之间的垂直间距。w_pad：子图之间的水平间距。rect：布局边界。3.自动调整布局tight_layout函数用于自动调整子图和标题、标签等元素的布局，使其互不重叠。该函数的调用格式如下：4.3知识积累4.设置图表的边距margins函数用于设置图表的边距，从而更好地控制图表内容与边框之间的距离。该函数的调用格式如下：参数说明：x、y：控制x、y轴方向的边距比例,取值范围通常在0到1之间。tight：bool，默认为True。控制是否使用紧凑布局，True表示启用紧凑布局，False表示不启用紧凑布局。4.3知识积累四、绘制折线图折线图连接各个单独的数据点，以等间隔显示数据的变化趋势。通常情况下，类别数据或时间的推移沿水平轴均匀分布，数值数据沿垂直轴均匀分布。plot命令是最基本的绘图命令，用来绘制折线图，该函数的调用格式如下：参数说明：x：x轴上的值y：y轴上的值format_string：控制曲线的格式字符串，包括线型、颜色、标记**kwargs：（x,y,format_string）。4.3知识积累format_string为用单引号标记的字符串，用来设置所画数据点的类型、大小、颜色以及数据点之间连线的类型、粗细、颜色等。实际应用中，format_string是某些字母或符号的组合，format_string可以省略，此时将由系统默认设置，即曲线一律采用“实线”线型，不同曲线将按7种颜色（蓝、绿、红、青、品红、黄、黑）顺序着色。format_string的合法设置参见表4-1、表4-2和表4-3。4.3知识积累format_string为用单引号标记的字符串，用来设置所画数据点的类型、大小、颜色以及数据点之间连线的类型、粗细、颜色等。实际应用中，format_string是某些字母或符号的组合，format_string可以省略，此时将由系统默认设置，即曲线一律采用“实线”线型，不同曲线将按7种颜色（蓝、绿、红、青、品红、黄、黑）顺序着色。format_string的合法设置参见表4-1、表4-2和表4-3。五、创建子图在数据可视化中，经常需要在一个画布上展示多个相关的图表。Matplotlib提供了强大的子图功能，通过subplot()和subplots()函数，可以灵活地将绘图区域分割成多个子区域，从而在单个窗口中展示多个图表。这种布局方式不仅节省空间，还能让观察者更容易对比和分析不同图表之间的关系。4.3知识积累1.subplots()函数subplots()函数可以一次生成多个绘图区，该函数的调用格式如下：参数说明：nrows：默认为1，设置子图的行数。ncols：默认为1，设置子图的列数。sharex、sharey：设置x、y轴是否共享属性，默认为false，可设置为'none'、'all'、'row'或'col'。squeeze：布尔值，默认为True，表示额外的维度从返回的Axes(轴)对象中挤出。subplot_kw：把字典的关键字传递给add_subplot()来创建每个子图。gridspec_kw：把字典的关键字传递给GridSpec构造函数创建子图放在网格里(grid)。**fig_kw：把详细的关键字参数传给figure函数。4.3知识积累2.subplot函数subplot函数在绘图时需要指定位置，该函数的调用格式如下：参数说明：nrows:行数，将图表区域分成多少行ncols:列数，将图表区域分成多少列index:子图位置索引，从1开始按从左到右、从上到下的顺序编号3.坐标区属性坐标区属性及相应的值都可以通过get命令来查看，以及用set命令来修改。4.3知识积累六、坐标系设置坐标系是被横竖坐标轴围起来的部分，坐标系包括中间的数据系列区、坐标轴、坐标刻度、坐标标签等部分。在Matplotlib的pyplot模块中，坐标系的创建、坐标轴控制以及坐标轴范围的调整是非常重要且灵活的功能。1．创建坐标系通常，Matplotlib的绘图函数会根据数据自动选择适当的坐标系以确保图形清晰展示。但在某些特定场景下，用户可能需要手动自定义坐标系以达到更精确的可视化效果。plt.axes函数提供了一种灵活的方式来调整图形中的坐标系配置。可以在已有图形中添加新的坐标轴或对现有坐标轴进行替换和重新设置。该函数不仅涵盖了新坐标轴的位置与大小的调整，还涉及到坐标轴的各种属性定制，如背景颜色的选择、边框的显示与否等，从而确保图形能够更精确地满足用户的展示需求。其调用格式如下：2．坐标轴控制除了创建坐标系外，Matplotlib还提供了axis函数来控制坐标轴的显示、刻度、长度等特征。该函数具有多种使用方式，可以满足用户对于坐标轴外观和行为的细致调整需求。表4-4列出了一些常用的使用格式。该函数与.axes.Axes.set_xlim、axes.Axes.set_ylim类似。4.3知识积累4.3知识积累3．坐标轴范围在Python中还可以对坐标轴刻度范围进行设置或查询,这对于精确控制图形中数据点的显示范围非常有用。X轴和Y轴的范围控制分别通过xlim和ylim函数实现,它们的调用格式如下：参数说明：xmin、xmax：X轴的最小值、最大值。ymin、ymax：Y轴的最小值、最大值。七、图形标注Python中提供了一些常用的图形标注函数，利用这些函数可以为图形添加标题，为图形的坐标轴加标注，为图形加图例，也可以把说明、注释等文本放到图形的任何位置。本小节的内容是图形控制中最常用的，也是实际中应用最多的地方，因此读者要仔细学习本节内容。在Matplotlib中进行图形绘制时，保证图形中中文字符和负号的正确呈现至关重要。如果想要在图形中准确无误地显示中文字符，就需要将字体精心设置为支持中文的字体样式。为了在图形中正确显示中文字符，需要将字体设置为支持中文的字体。例如，可以使用SimHei（黑体）字体。4.3知识积累同时，对于负号的显示问题也不容忽视。由于默认情况下，Matplotlib可能无法始终如我们所愿地正常显示负号，所以需要进行特定的设置，以保证负号在图形中能够正确显示。1标注标题默认的图表没有标题，这种形式不能很好的体现图表的作用，也不美观，所以需要添加该图表标题。在pyplot绘图命令中，title命令用于给图形对象加标题，该函数的调用格式如下：4.3知识积累参数说明：label：标题文本fontdict：控制标题的字体样式，字典形式。loc：标题水平样式可为{'center','left','right'},分别表示居中，水平居左和居右，默认为水平居中。pad：表示标题离图表顶部的距离，默认为None.kwargs：可以设置一些其他的文本属性，见表4-6。4.3知识积累对于包含多个图表的窗口，fig.suptitle函数用于为整个图表（figure）添加主标题。其调用格式如下：参数说明：t：标题文本内容（字符串）kwargs：常用可选参数：4.3知识积累2．标注轴名称我们还可以对坐标轴进行标注，相应的命令为xlabel、ylabel，作用分别是对x轴、y轴进行标注，它们的调用格式都是一样的，我们以xlabel为例进行说明，该函数的调用格式如下：参数说明：fontsize：字体大小，为数字或’small’，‘large’，‘medium’verticalalignment：上下平移向figure与axis之间的中间线对齐，可以简写为va，可选值为‘top’,‘bottom’,‘center’,‘baseline’horizontalalignment：左右平移向中间对齐，，可以简写为ha，可选值为‘center’,‘right’,‘left’如’left’,若为xlabel则标识最左边对齐figure的中垂线，若为ylabel则标识最左边对齐figure的中横线rotation:：文字旋转角度，可选参数为‘vertical’,‘horizontal’3．标注坐标轴刻度在Python中还可以对坐标轴刻度样式进行设置或查询，X、Y轴相应的命令为xticks、yticks，它们的调用格式都是一样的，xticks函数的调用格式如下：参数说明：ticks：数组类型，用于设置X轴刻度间隔[labels]：数组类型，用于设置每个间隔的显示标签**kwargs：用于设置标签字体倾斜度和颜色等外观属性。python里的双星号代表这个位置接收任意多个关键字参数。4.3知识积累4．标注图形在给所绘得的图形进行详细的标注时，最常用的两个命令是text与annotate，它们均可以在图形的具体部位进行标注。（1）text可以在任意位置增加文本，该命令的使用格式如下：参数说明：x:注释文本内容所在位置的横坐标y：注释文本内容所在位置的纵坐标string：注释文本内容weight：注释文本内容的粗细风格color：注释文本内容的字体颜色4.3知识积累5．标注图例当在一幅图中出现多种曲线时，用户可以根据自己的需要，利用legend命令对不同的图例进行说明。它的使用格式：参数说明：handles：线条对象labels：图例的名称，用指定的文字string1，string2,…在当前坐标轴中对所给数据的每一部分显示一个图例loc：图例在整个坐标轴平面中的位置，默认为'best'，使用字符串或数字表示图例的就中位置，见表4-7。4.3知识积累6．控制网格线为了使图像的可读性更强，可以利用grid命令给二维图形的坐标面增加网格线，它的使用格式：参数说明：b:布尔值。是否显示网格线which:选择显示网格的轴，取值为'major','minor'，'both'，默认为'major'。axis:生成网格的轴，取值为‘both’，‘x’，‘y’。color:设置网格线的颜色，可以直接用c来代替color。linestyle:设置网格线的风格，也可以用ls来代替linestyle。4.3知识积累八、绘制柱形图柱形图采用长方形的形状和颜色编码数据的属性，柱形图一般用于显示一段时间内的数据变化，柱形越矮则数值越小，柱形越高则数值越大。柱形图简明、醒目，是一种常用的统计图表。柱形图主要有二维柱形图、三维柱形图、圆柱图、圆锥图和棱锥图。堆积柱形图是特殊的柱形图，不仅可以显示同类别中每种数据的大小，还可以显示总量的大小。例如需要表示各个支付方式的人数及总人数时。在pyplot中，bar函数用来绘制各种柱形图，它的使用格式：参数说明：x：柱形图的x轴数据。height：柱形图的高度。width：柱形图的宽度。bottom：底座的y坐标，默认0。align：柱形图与x坐标的对齐方式，'center'以x位置为中心，这是默认值。'edge'：将柱形图的左边缘与x位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及align='edge'。**kwargs：：其他参数，常用参数见表4-8。4.3知识积累4.3知识积累九、绘制直方图直方图又称质量分布图，它是表示资料变化情况的一种主要工具。用直方图可以解析出资料的规则性，比较直观地看出产品质量特性的分布状态，对于资料分布状况一目了然，便于判断其总体质量分布情况。在pyplot中，hist函数用来绘制各种直方图，它的使用格式：参数说明：x：指定每个bin(箱子)分布的x轴数据。bins:统计的区间分布range：显示的区间，在没有给出bins时生效density：默认为false，显示的是频数统计结果，为True则显示频率统计结果。频率统计结果=区间数目/(总数*区间宽度)。histtype:条状形状，可选'bar'（柱状）,'barstacked'（堆叠柱状图）,'step'（梯状）,'stepfilled'（填充梯状），默认为bar。align:条状分布，可选'left'（靠左分布）,'mid'（水平分布）,'right'（靠右分布）。4.3知识积累十、绘制饼形图饼图以圆心角不同的扇形显示某一数据系列中每一项数值与总和的比例关系，每个扇形用一种颜色进行填充，在各个部分之间的比例差别较大，需要突出某个重要项时十分有用。在pyplot中，pie函数用来绘制各种柱形图，它的使用格式：4.3知识积累4.3知识积累参数说明：x：(每一块)的比例，如果sum(x)>1，使用sum(x)归一化；labels：(每一块)饼图外侧显示的说明文字；explode：(每一块)间隔中心距离；startangle：起始绘制角度，默认图是从x轴正方向逆时针起，如设定=90则从y轴正方向画起；shadow：在饼图下面画一个阴影。默认值：False，即不画阴影；labeldistance：label标记的绘制位置，相对于半径的比例，默认值为1.1,如<1则绘制在饼图内侧；autopct：控制饼图内百分比设置，可以使用format字符串或者formatfunction'%1.1f'指小数点前后位数(没有用空格补齐)；4.3知识积累radius：控制饼图半径，默认值为1；counterclock：指定指针方向；默认为：True，即逆时针；为False即可改为顺时针。wedgeprops：传递给wedge对象的字典参数。默认值为None。例如：wedgeprops={'linewidth':3}设置wedge线宽为3。textprops：设置标签（labels）和比例文字的格式，传递给text对象的字典参数。center：图标中心位置，默认值：(0,0)。frame：默认值：False。如果是true，绘制带有表的轴框架。rotatelabels：默认为：False。如果为True，旋转每个label到指定的角度。十一、绘制散点图散点图是用于研究两个变量之间关系的经典图表，有两个数值轴，沿水平轴（X轴）方向显示一组数值数据，沿垂直轴（Y轴）方向显示另一组数值数据，在x轴和y轴数值的交叉处显示散点（坐标点），利用散点的分布形态反映变量统计关系。在pyplot中，scatter函数用来绘制散点图，它的使用格式：4.3知识积累参数说明：x，y：绘制散点图的数据点,大小为(n,)的数组s：定义数组大小为(n,)。c：表示散点图的颜色，默认是蓝色'b',表示的是标记的颜色，marker：散点图的标记的样式，默认的是'o'。cmap：散点图的颜色图，默认是是image.cmapnorm：指定密度vmin,vmax：用来进行亮度数据的归一化。alpha：设置透明度，0-1之间。linewidths：标记点的长度。**kwargs：：其他参数，常用十二、绘制面积图面积图是一种随时间变化而改变范围的图表，主要强调数量与时间的关系。例如，用某企业每个月销售额绘制面积图，从整个年度上分析，其面积图所占据的范围累计就是该企业的年效益。面积图能够直观地将累计的数据呈现给读者。面积图比折线图看起来更加美观；能够突出每个系别所占据的面积，把握整体趋势；不仅可以表示数量的多少，而且可以反映同一事物在不同时间里的发展变化的情况；可以纵向与其他系别进行比较，能够直观地反映出差异；可以用于商务报表、数据汇报等场景。面积图根据强调的内容不同，又可以分为以下三类。（1）普通面积图：显示各种数值随时间或类别变化的趋势线。（2）堆积面积图：显示每个数值所占大小随时间或类别变化的趋势线。可强调某个类别交于系列轴上的数值的趋势线。（3）百分比堆积面积图:显示每个数值所占百分比随时间或类别变化的趋势线。可强调每个系列的比例趋势线。在pyplot中，stackplot函数用来绘制面积图，它的使用格式：4.3知识积累十三、绘制箱形图箱形图又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。在pyplot中，boxplot函数用来绘制箱形图，它的使用格式：参数说明：data：指定要绘制箱线图的数据。notch：指定要绘制箱线图的数据。tick_labels设置箱线图的标签。position：指定要绘制箱线图的数据。**kwargs：其他参数，包括widths（箱线图的宽度）、patch_artist（是否填充箱体的颜色）等。如果使用箱形图判断异常值，其判断标准是，当变量的数据值大于象形图的上限或小于箱线图的下限时，可以将这样的数据判定为异常值。4.3知识积累04思维导图4.4思维导图05任务一

滴滴出行订单数据清洗4.5任务一

农作物环境因素可视化分析本任务对20个大棚中全年（365天）农作物生长环境中的温度、空气湿度、二氧化碳浓度、光照强度、光照时间、病虫害情况等信息（图4-32）进行监测，通过可视化图表实现农业数据的实时采集、智能分析与直观展示，精准控制环境参数。任务描述4.5任务一

农作物环境因素可视化分析1.能够真实反映农作物生长环境中的各种因素有哪些？2．在实际应用中，如何高效地存储和管理大量的农业数据？

3.在实际应用中，如何优化图表的设计，使其更具信息性和美观性？是否需要引入交互式图表来增强用户体验？4.如何实现农业数据的实时采集和智能分析？是否需要集成物联网设备和传感器网络？5.如何利用数据分析结果进行精准的环境控制和决策支持？任务思考素养提升智慧农业大棚数字孪生3d可视化随着科技的迅猛发展，智慧农业成为现代农业的重要趋势。智慧农业大棚通过物联网、大数据、人工智能等技术手段，实现对农作物生长环境的实时监测和控制，提高农业生产效率和产品质量。而数字孪生3D可视化技术则在此基础上进一步推动了农业管理的精细化和智能化。智慧农业大棚借助数字孪生技术，将大棚及其内部环境进行三维建模，并通过传感设备采集实时数据，使管理者能够在电脑或移动端实时查看大棚内的情况。这种技术不仅提高了管理效率，还能及时发现并处理潜在问题。通过数字孪生3D可视化系统，管理者可以实时监测大棚内的温度、湿度、光照等环境参数，并根据农作物的生长需求进行调整。例如，当温度过高时，系统会自动启动风机进行降温；当湿度不足时，系统会自动启动灌溉设备进行补水。这种精准管理方式不仅提高了农作物的产量和质量，还节省了水、电等资源，如图4-33所示。4.5任务一

农作物环境因素可视化分析素养提升智慧农业大棚数字孪生3d可视化数字孪生3D可视化系统还能帮助管理者及时发现病虫害，并采取相应的防治措施。同时，该系统还能记录农作物的生长过程和环境数据，为产品质量追溯提供依据。这种全程可追溯的管理方式不仅增强了消费者对农产品的信任度，还提高了农产品的市场竞争力。智慧农业大棚数字孪生3D可视化技术的应用不仅提高了农业生产效率和产品质量，还促进了科技创新和人才培养。同时，它也引导学生树立可持续发展观念，为培养新时代的农业人才提供了有力支撑。数字孪生3D可视化技术的应用需要多学科知识的交叉融合。未来，我们应加强物联网、大数据、人工智能等学科的合作与交流，共同推动智慧农业的发展。4.5任务一

农作物环境因素可视化分析任务工单4.5任务一

农作物环境因素可视化分析任务实施1.数据预处理使用Pandas导入xlsx工作簿数据，包括温度、空气湿度、二氧化碳溶度、通风时间、光照强度和虫害情况等，输出数据本病和缺失值处理后的csv文件。运行上面的代码，在当前目录中生成一个文件“不同大棚农作物生长环境.csv”，其中包含20个大棚的农作物环境监测指标，如图4-34所示。4.5任务一

农作物环境因素可视化分析任务实施2.时间序列分析：使用折线图展示在不同日期的温度、空气湿度、二氧化碳浓度等指标的变化情况。运行上面的代码，弹出图表Figure1，显示温度、空气湿度、二氧化碳浓度随时间的变化图表，如图4-35所示。温度变化：日期与温度关系图，展示每个大棚随时间变化的温度趋势。夏季（6月、7月、8月）温度较高，其余月份温度适中。空气湿度变化：日期与空气湿度（%）关系图，展示每个大棚随时间变化的空气湿度趋势。冬季（12月、1月、2月）大棚内的湿度较高，这是因为冬季温度较低，空气湿度不易降低‌。随着气温逐渐回升，春季大棚内的湿度逐渐降低。夏季（6月、7月、8月）温度较高，大棚内的湿度相对较低。秋季湿度变化与春季相似‌。二氧化碳浓度变化：日期与二氧化碳浓度(ppm)关系图，展示每个大棚随时间变化的二氧化碳浓度趋势。夏季（6月、7月、8月）通风较好，二氧化碳浓度相对较低；冬季（12月、1月、2月）由于保温需要，大棚门窗紧闭，二氧化碳浓度容易积累，二氧化碳浓度相对较高。4.5任务一

农作物环境因素可视化分析任务实施3.相关性分析：展示不同指标之间的分布和关系，如温度与光照强度的关系，空气湿度与通风时间的关系等多变量关系散点矩阵图。运行上面的代码，弹出两个图表：散点矩阵图和相关系数热力图，展示多个环境变量（温度与湿度、光照强度与二氧化碳浓度）之间的相互关系，如图4-36、4-37所示。4.5任务一

农作物环境因素可视化分析任务评价4.5任务一

农作物环境因素可视化分析拓展提高4.5任务一

农作物环境因素可视化分析雷达图也称网络图，蜘蛛图，用于比较和评估多个指标之间的强弱关系，一方面可以发现不同群组用户的特征对比，另一方面可以总结不同用户的特征。绘制雷达图需要先建立极坐标系，下面介绍两种创建极坐标系的方法。在pyplot中，polar函数用来绘制极坐标图（雷达图），它的使用格式：参数说明：theta：极坐标的极径。r：极坐标的极角。06任务二

农作物病虫害可视化分析4.6任务二

农作物病虫害可视化分析本任务旨在通过Matplotlib分析大棚内各项环境因素对作物生长的影响，通过分析农作物生长环境相关指标与病虫害的关系，帮助用户更好地理解和掌握农产品生长环境的动态变化，利用图表等多种形式，直观展现数据分析结果，帮助分析大棚内各项环境因素与病虫害的关系，从而为优化大棚管理提供科学依据，帮助非专业用户快速理解复杂信息。任务描述1.如何有效地收集大棚内各项环境因素的数据？这些数据包括哪些具体指标？2.在分析大棚内环境因素对作物生长的影响时，应采用哪些统计方法和可视化工具？3.如何通过数据分析确定病虫害发生的频率及其分布特征？4.大棚内病虫害的发生有影响的环境因素有哪些？如何通过数据分析验证这种影响？5.有效的管理措施来控制大棚内的病虫害问题有哪些？任务思考4.6任务二

农作物病虫害可视化分析素养提升从会种地到“慧”种地近年来，随着信息技术的快速发展和广泛应用，各行各业都在积极探索数字化转型的道路。作为国民经济的基础产业之一，农业也不例外。吉林省积极响应国家号召，依托自身优势资源，大力推进农业数智化进程，通过科技创新引领现代农业发展，为全国乃至全球提供了宝贵的经验借鉴。吉林省推动农业数智化发展，利用现代信息技术改造传统农业，采取构建智慧农业平台、推广数字技术应用、实施精准农业项目等关键举措，提高农业生产效率与质量，促进农民增收致富，如图4-38所示。4.6任务二

农作物病虫害可视化分析素养提升从会种地到“慧”种地在构建智慧农业平台方面，吉林省应用“吉农云”的示范合作社1880个，“吉农云”平台的建立和完善，实现了对全省范围内农业生产全过程的数据收集、分析及应用。这一平台的建设不仅提升了农业生产的智能化水平，还为农业决策提供了科学依据。在推广数字技术应用方面，吉林省在合作社层面普及使用数字化管理系统，建设了一批具备较高水平的智慧农场，吉林省建立智慧农场60个。这些智慧农场通过智能装备改造升级，实现了耕、种、管、收全过程数字化管理。专家团队在云上点对点、面对面指导服务，管理者通过平台发送指令进行线上调度安排，实时监督生产作业情况，实现规范化精准化生产管理。在实施精准农业项目方面，针对特定区域（如盐碱地）开展专项治理工程，并结合物联网等先进技术手段进行大数据精细化管理。科研团队根据苏打盐碱地土壤的特性，采用单排单灌设计方式，同时方便田间管理、运输和现代农业机械作业，保证上水和排水畅通。目前基地已形成“土地整理—田间种植—水肥管理—机械收获”涵盖水稻生产全过程的技术体系及配套装备，为吉林省西部盐碱地整治提供了技术支撑与示范。4.6任务二

农作物病虫害可视化分析任务工单4.6任务二

农作物病虫害可视化分析任务实施1.数据准备2