用Python读取以下excel的数据32.6 32 31.9 31.4 30.3 28.1 27.3 26.8 26 25.3 22.3 22.1 22.2 22.2 22.5 22.6 22.9 23.4 23.7 23.8 26.2 25.6 再用Python基于这组数据x轴名称为年份(2000到2021) y轴名称为少儿抚养比(数据为读取的数据)画一个折线图

时间: 2024-02-22 10:59:31 浏览: 15
可以使用Python中的pandas和matplotlib库来读取excel数据并画图。首先需要安装这两个库。 读取excel数据的代码如下: ```python import pandas as pd df = pd.read_excel('data.xlsx', header=None) data = df.values.flatten().tolist() ``` 这里假设excel文件名为"data.xlsx",数据从第一行开始,第一列没有列名,读取后转换成一维列表。 接下来,使用matplotlib库画出折线图: ```python import matplotlib.pyplot as plt x = list(range(2000, 2022)) plt.plot(x, data) plt.xlabel('Year') plt.ylabel('Dependency Ratio') plt.title('Dependency Ratio of Children') plt.show() ``` 这里生成x轴的年份数据,然后使用plt.plot()函数画出折线图,再设置x轴和y轴的标签和标题,最后使用plt.show()函数显示图像。 完整代码如下: ```python import pandas as pd import matplotlib.pyplot as plt df = pd.read_excel('data.xlsx', header=None) data = df.values.flatten().tolist() x = list(range(2000, 2022)) plt.plot(x, data) plt.xlabel('Year') plt.ylabel('Dependency Ratio') plt.title('Dependency Ratio of Children') plt.show() ``` 运行代码后,会弹出一个窗口显示折线图。

相关推荐

import pandas as pd import numpy as np import matplotlib.pyplot as plt from statsmodels.tsa.arima.model import ARIMA from statsmodels.graphics.tsaplots import plot_acf, plot_pacf plt.rcParams['font.sans-serif']=['SimHei'] import matplotlib as mpl mpl.rcParams['axes.unicode_minus'] = False import warnings warnings.filterwarnings("ignore") years = range(1997, 2004) months = range(1, 13) data = [ [9.4, 11.3, 16.8, 19.8, 20.3, 18.8, 20.9, 24.9, 24.7, 24.3, 19.4, 18.6], [9.6, 11.7, 15.8, 19.9, 19.5, 17.8, 17.8, 23.3, 21.4, 24.5, 20.1, 15.9], [10.1, 12.9, 17.7, 21, 21, 20.4, 21.9, 25.8, 29.3, 29.8, 23.6, 16.5], [11.4, 26, 19.6, 25.9, 27.6, 24.3, 23, 27.8, 27.3, 28.5, 32.8, 18.5], [11.5, 26.4, 20.4, 26.1, 28.9, 28, 25.2, 30.8, 28.7, 28.1, 22.2, 20.7], [13.7, 29.7, 23.1, 28.9, 29, 27.4, 26, 32.2, 31.4, 32.6, 29.2, 22.9], [15.4, 17.1, 23.5, 11.6, 1.78, 2.61, 8.8, 16.2, None, None, None, None] ] df = pd.DataFrame(data, columns=range(1, 13), index=range(1997, 2004)) df.index.name = '年份' # 平稳性检验 def test_stationarity(timeseries): # 将数组转换为 Series 对象 series = pd.Series(timeseries) # 计算移动平均和移动标准差 rolling_mean = series.rolling(window=3).mean() rolling_std = series.rolling(window=3).std() # 绘制移动平均和移动标准差 plt.figure(figsize=(10, 6),dpi=500) plt.plot(series.values.flatten(), label='原始数据') plt.plot(rolling_mean.values.flatten(), label='移动平均') plt.plot(rolling_std.values.flatten(), label='移动标准差') plt.xlabel('月数') plt.ylabel('接待人数(万人)') plt.title('移动平均和移动标准差') plt.legend() plt.show() # 执行ADF单位根检验 from statsmodels.tsa.stattools import adfuller result = adfuller(series.dropna()) print('ADF检验结果:') print(f'ADF统计量: {result[0]}') print(f'p-value: {result[1]}') print(f'临界值: {result[4]}') # 进行平稳性检验 test_stationarity(df.stack().values.flatten()) # 差分处理 df_diff = df.diff().dropna()

最新推荐

recommend-type

Erp,设计流程图,数据流程图,业务流程图,功能模块图

图23.1 企业销售管理业务的第一层数据流图 3 图23.2 销售基础数据管理业务数据流图(第二层数据流) 4 图23.3 销售计划管理业务数据流图(第二层数据流) 4 图23.4 销售订单管理业务数据流图(第二层数据流) 5 图...
recommend-type

ipfs安装部署,使用文档

本文适用于 Windows 平台(Win7/Win10)下 ipfs 开发环境的搭建。
recommend-type

understanding linux network internals

Notifying Drivers When Frames Are Received 在数据帧接收到时通知驱动 Section 9.3. Interrupt Handlers 中断处理 Section 9.4. softnet_data Structure XX数据结构 Chapter 10. Frame Reception 帧接收 ...
recommend-type

3A余飞群王鼎王庆SARS模型(一等奖).

同时,根据实际数据估计出2003年9,10,11,12月份的外来旅游人数,其值分别为26.41,34.49,32.6,25.45万人,该组数据和正常情况下预测的数据相比,可以发现,到2003年年底北京市旅游业基本恢复正常。 问题四中,我们向...
recommend-type

pre_o_1csdn63m9a1bs0e1rr51niuu33e.a

pre_o_1csdn63m9a1bs0e1rr51niuu33e.a
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SPDK_NVMF_DISCOVERY_NQN是什么 有什么作用

SPDK_NVMF_DISCOVERY_NQN 是 SPDK (Storage Performance Development Kit) 中用于查询 NVMf (Non-Volatile Memory express over Fabrics) 存储设备名称的协议。NVMf 是一种基于网络的存储协议,可用于连接远程非易失性内存存储器。 SPDK_NVMF_DISCOVERY_NQN 的作用是让存储应用程序能够通过 SPDK 查询 NVMf 存储设备的名称,以便能够访问这些存储设备。通过查询 NVMf 存储设备名称,存储应用程序可以获取必要的信息,例如存储设备的IP地址、端口号、名称等,以便能
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。