python用npz画折线图

以下是一个简单的示例代码，用于绘制从 .npz 文件中读取的数据的折线图：

import numpy as np
import matplotlib.pyplot as plt

# 从 .npz 文件中读取数据
data = np.load('data.npz')
x = data['x']
y = data['y']

# 绘制折线图
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Line Chart')
plt.show()

在这个示例中，我们首先使用 `np.load()` 函数从 `data.npz` 文件中读取数据。接下来，我们将 `x` 和 `y` 分别赋值为从文件中读取的 `x` 和 `y` 数组。

最后，我们使用 `plt.plot()` 函数绘制折线图，并使用 `plt.xlabel()`、`plt.ylabel()` 和 `plt.title()` 函数设置坐标轴标签和标题。最后，我们使用 `plt.show()` 函数显示图表。

相关问题

11、对国民经济核算季度数据.npz进行以下操作 （1）绘制2000年到2017年国内生产总值随时间变化的柱状图（把四个季度的生产值加和） （2）绘制农业、工业、建筑三个产业随不同季度时间变化的折线图 （3）绘制2015年所有产业值的饼图（用python 解决）

首先，你需要加载`.npz`文件中的数据，并提取出你需要的时间序列和产业数据。假设数据已经按年份和季度组织好。接下来，我们可以使用`pandas`, `matplotlib`等库来完成这三个任务。

1. **柱状图**:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.io import loadmat

# 加载数据
data = np.load('quarterly_data.npz')['data']
df = pd.DataFrame(data, columns=['year', 'quarter', 'gdp', 'agriculture', 'industry', 'construction'])

# 筛选2000年至2017年的数据
df_2000_2017 = df[(df['year'] >= 2000) & (df['year'] <= 2017)]

# 按季度求和
quarterly_sum = df_2000_2017.groupby(['year', 'quarter']).sum()

# 绘制柱状图
plt.figure(figsize=(10,5))
quarterly_sum['gdp'].plot(kind='bar', stacked=True)
plt.xlabel('Year')
plt.ylabel('GDP')
plt.title('2000-2017 GDP by Quarter')
plt.show()

2. **折线图**:

# 按季度和产业分开
industries = ['agriculture', 'industry', 'construction']
industry_series = {i: quarterly_sum[i] for i in industries}

fig, ax = plt.subplots(len(industries), sharex=True, figsize=(10, len(industries)*5))
for i, industry in enumerate(industries):
    industry_df = df_2000_2017.set_index(['year', 'quarter'])[industry]
    industry_df.plot(ax=ax[i])
    ax[i].set_ylabel(industry)
ax[-1].set_xlabel('Quarter')
plt.suptitle('Industry Growth over Quarters, 2000-2017')
plt.tight_layout()
plt.show()

3. **饼图（2015年产业值）**:

# 切片2015年的数据
df_2015 = df[df['year'] == 2015]

# 计算2015各产业总值
total_2015 = df_2015[['agriculture', 'industry', 'construction']].sum().values

# 绘制饼图
plt.figure(figsize=(8,8))
plt.pie(total_2015, labels=[' Agriculture', ' Industry', ' Construction'], autopct='%1.1f%%')
plt.title('Industry Values in 2015')
plt.legend(title='Industry', loc="upper right")
plt.show()

记得替换上述代码中的文件路径（`quarterly_data.npz`），以及根据实际数据结构进行适当调整。

jupyter notebook中，第一步使用numpy库和matplotlib.pyplot库读取人口数据，数据文件populations.npz文件在D盘目录下，第二步创建画布，添加子图，在子图上绘制散点图和折线图，并保存，请给出对应步骤的代码

以下是对应步骤的代码：

# 第一步：使用numpy库和matplotlib.pyplot库读取人口数据
import numpy as np
import matplotlib.pyplot as plt

data = np.load('D:/populations.npz')  # 读取数据文件
data = data['data']  # 获取数据

# 第二步：创建画布，添加子图，在子图上绘制散点图和折线图，并保存
fig, ax = plt.subplots(figsize=(8, 6))  # 创建画布和子图

# 绘制散点图
ax.scatter(data[:, 0], data[:, 1], color='b', label='City 1')
ax.scatter(data[:, 0], data[:, 2], color='r', label='City 2')
ax.scatter(data[:, 0], data[:, 3], color='g', label='City 3')

# 绘制折线图
ax.plot(data[:, 0], data[:, 1], color='b', linestyle='--')
ax.plot(data[:, 0], data[:, 2], color='r', linestyle='-.')
ax.plot(data[:, 0], data[:, 3], color='g', linestyle='-')

# 添加标签和图例
ax.set_title('Population Growth')
ax.set_xlabel('Year')
ax.set_ylabel('Population')
ax.legend()

# 保存图片
plt.savefig('population.png')

注意：代码中的数据文件路径需要根据自己的实际情况进行修改。