《python数据分析及其在水利工程中的应用》课件-29项⽬数据可视化实践

图观⽔势-实战演练项⽬数据可视化实践Projectdatavisualizationpractice升级任务：图观⽔势Upgradetask:Observethewaterflowchart数据⽆形，

图表有道。以Matplotlib为画笔，将⽔情数据化为直观图形，⽅能—⽬了然。⻓⽼的任务：发挥绘图神⼒—智水长老升级任务进度TheprogressoftheUpgradetask任务:墨绘⼭河-Matplotlib基础与常⽤图表已完成任务已完成任务:实战演练-项⽬数据可视化当前任务进行中>>>完成本任务，成为【观澜使】！本课任务：实战演练-项⽬数据可视化LessonTask:PracticalExercise-ProjectDataVisualization核心目标针对项⽬温度数据，

运⽤Matplotlib绘制时间序列图和箱形图，并学会如何解读这些图表信息。01第一节绘制项⽬时间序列图Drawtheprojecttimeseriesdiagram时间序列图的概念Theconceptoftimeseriesgraphs时间序列图的定义时间序列图是一种以时间为横轴(X轴)

，以数据值为纵轴(Y轴)的图表时间序列图-代码实现Timeseriesdiagram-Codeimplementationimport

pandas

as

pdimport

matplotlib.pyplot

as

pltfrommatplotlib.datesimport

DateFormatterimport

matplotlib.ticker

as

ticker#

1.加载

Excel

⽂件try:df=pd.read_excel("data.xlsx")print("成功加载data.xlsx⽂件！

")exceptFileNotFoundError:print("错误：找不到data.xlsx⽂件！

请确保⽂件在当前⽬录下。

")exit()#2.检查是否存在必要的列，

这⾥假设是

IDateI和ITemperature(℃)Iif

'Date'not

in

df.columns

or

'Temperature(℃)'

not

in

df.columns:print("错误：

Excel⽂件中缺少必要的列（'Date'或'Temperature(℃)'）。请检查列名是否正确。

")exit()#3.

转换⽇期时间格式df

[

'Date']=pd.to_datetime(df

[

'Date'],format=

'%Y-%m-%d%H:%M:%S')#4.

设置绘图风格plt.style.use(

'seaborn-v0_8-whitegrid')时间序列图-代码实现2Timeseriesdiagram-Codeimplementation2#

5.创建绘图fig,ax=

plt.subplots(figsize=(12,6))#6.

绘制时间序列图ax.plot(df

[

IDateI],df

[

ITemperature(℃)I],marker=

Io

I,

linestyle=

I-

I)#7.

设置图表标题和标签ax.set_title(

ITemperature

Time

Series

I,fontsize=16)ax.set_xlabel(

IDateI,fontsize=12)ax.set_ylabel(

ITemperature(°C)I,fontsize=12)#8.

设置⽇期显示格式date_format=DateFormatter("%Y-%m-%d")ax.xaxis.set_major_formatter(date_format)ax.xaxis.set_major_locator(ticker.MultipleLocator(base=90))#9.旋转⽇期标签，

避免重叠plt.setp(ax.get_xticklabels(),

rotation=45,ha="right")#

10.

⾃动调整布局fig.tight_layout()#

11.

显示图表plt.show()#设置x轴刻度，每90天显示—个刻度(修改base参数)时间序列图-执⾏结果Timeserieschart-ExecutionresultX轴表示⽇期，且⽇期标签进⾏了格式化，并只显示部分⽇期刻度，避免重叠。Y轴表示温度值。图表标题为"TemperatureTimeSeries"。数据点以圆点标记，并⽤连线连接。通过观察这个时间序列图，可以直观地了解温度随时间变化的趋势。图表解读02第二节绘制项⽬箱形图Drawtheboxdiagramoftheproject箱形图的概念与组成Theconceptandcompositionofboxplots箱形图的定义箱形图（BoxPlot），

⼜称盒须图，是—种⽤作显示—组数据分散情况资料的统计图它能提供关于数据位置和分散情况的关键信息，特别有助于识异常值箱形图能直观地展示数据的中位数、

四分位数以及异常值箱形图-

代码实现Boxdiagram-Codeimplementationimport

pandas

as

pdimport

matplotlib.pyplot

as

plt#

1.加载

Excel

⽂件try:df=pd.read_excel("data.xlsx")print("成功加载data.xlsx⽂件！

")exceptFileNotFoundError:print("错误：找不到data.xlsx⽂件！

请确保⽂件在当前⽬录下。

")exit()#2.检查是否存在

'Temperature(℃)'

列if

'Temperature(℃)'not

in

df.columns:print("错误：

Excel⽂件中缺少必要的列

'Temperature(℃)'。请检查列名是否正确。

")

exit()#3.删除

'Temperature(℃)'

列的缺失值df_cleaned_for_boxplot=df.dropna(subset=[

'Temperature(℃)'])#4.

绘制箱线图plt.figure(figsize=(6,8))

#设置图形尺寸plt.boxplot(df

[

'Temperature(℃)'])plt.title(

'Temperature

Box

Plot')plt.ylabel(

'Temperature(℃)')plt.xticks([1],['Temperature'])

#添加X轴标签plt.grid(True)

#添加网格线plt.show()箱形图-结果解读Boxplot-ResultInterpretation中位数：箱体内的横线，反映数据的中⼼趋势箱体：

包含了数据的中间50%，其⾼度反映数据的离散程度。四分位距(IQR)：箱体的⾼度，数据离散程度的指标须线：表示数据的⼤致范围，排除异常值离群点：超出须线的数据点，可能代表异常温度记录箱形图解读要点通过箱形图，可以快速了解温度数据的整体分布情况、

中⼼趋势、离散程度以及是否存在异常值，

这些信息对于数据质量评估和后续分析⾄关重要。升级任务完成：晋升【观澜使】Upgradetaskcompleted:Prom