python可视化分析案例_Python+pandas+matplotlib数据分析与可视化案例(附源码)
时间: 2023-12-21 10:07:00 浏览: 38
好的,以下是一个Python+pandas+matplotlib的数据分析与可视化案例。
这个案例涉及到一个名为"World Happiness Report"的数据集,该数据集包含了157个国家的幸福指数及其对应的各项因素数据,例如经济、社会、健康等。
首先,我们需要导入相关的库和数据集:
```python
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('world_happiness_report.csv')
```
接下来,我们可以先看一下数据集的基本信息:
```python
print(df.head())
print(df.info())
```
然后,我们可以通过绘制柱状图来比较不同国家的幸福指数:
```python
plt.figure(figsize=(15, 10))
plt.bar(df['Country'], df['Happiness Score'])
plt.xticks(rotation=90)
plt.title('World Happiness Report')
plt.xlabel('Country')
plt.ylabel('Happiness Score')
plt.show()
```
接着,我们可以通过散点图来探究幸福指数与经济因素之间的关系:
```python
plt.figure(figsize=(10, 8))
plt.scatter(df['Economy (GDP per Capita)'], df['Happiness Score'])
plt.title('Happiness Score vs. GDP per Capita')
plt.xlabel('Economy (GDP per Capita)')
plt.ylabel('Happiness Score')
plt.show()
```
最后,我们可以通过热图来展示不同因素对幸福指数的影响情况:
```python
factors = ['Economy (GDP per Capita)', 'Family', 'Health (Life Expectancy)', 'Freedom', 'Trust (Government Corruption)', 'Generosity']
corr_matrix = df[factors].corr()
plt.figure(figsize=(10, 8))
plt.imshow(corr_matrix, cmap='coolwarm', interpolation='none')
plt.colorbar()
plt.xticks(range(len(factors)), factors, rotation=90)
plt.yticks(range(len(factors)), factors)
plt.title('Correlation Matrix')
plt.show()
```
以上就是一个简单的Python+pandas+matplotlib数据分析与可视化案例,希望对你有帮助!