环境：Windows 10 专业版 + Python 3.9.1 + Anaconda 2020（ 4.8.2）

目录

一、实验目的和内容

（一）实验目的

（二）实验内容

二、输入数据集分析

三、源码流程分析

（一）2000-2017年各季度生产总值折线图代码

（二）2000-2017年各产业季度生产总值折线图代码

（三）2000-2017年各产业各行业季度生产总值折线图代码

四、实验结果

（一）2000-2017年各季度生产总值折线图

（二）2000-2017年各产业季度生产总值折线图

（三）2000-2017年各产业各行业季度生产总值折线图

一、实验目的和内容

（一）实验目的

熟悉matplotlib.pyplot库和numpy库，利用Jupyter Notebook编写代码，了解绘图基础语法与常用参数，掌握相关方法的使用，分析特征间的关系，分析特征内部数据分布与分散状况，实现数据的可视化。

（二）实验内容

绘制2000-2017年各产业各季度生产总值折线图，并分析各产业、各行业趋势，季度变化趋势等。

二、输入数据集分析

说明实验课题数据集来源、特征、详细情况，可结合图示、例子进行详细说明。

数据来源：国家统计局。

特征：是numpy类型的数据。

详细情况：包括columns和values的数据。

三、源码流程分析

介绍代码实现的详细过程情况。

（一）2000-2017年各季度生产总值折线图代码

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
p1 = plt.figure(figsize=(14,9),dpi = 150)## 设置画布
## 绘制折线图
plt.plot(values[:,1],values[:,2],color ='r',linestyle ='--')
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年季度生产总值折线图')## 添加图表标题
plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度生产总值折线图.png')
plt.show()

（二）2000-2017年各产业季度生产总值折线图代码

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
p1 = plt.figure(figsize=(14,9),dpi = 150)## 设置画布
plt.plot(values[:,1],values[:,3],'bs-',values[:,1],values[:,4],'ro-.',values[:,1],values[:,5],'gH--')## 绘制折线图
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年各产业季度生产总值折线图')## 添加图表标题
plt.legend(['第一产业','第二产业','第三产业'])
plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度各产业生产总值折线图.png')
plt.show()

（三）2000-2017年各产业各行业季度生产总值折线图代码

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] ='SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load(r'D:/Project/Jupyter_Project/Data/国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
p1 = plt.figure(figsize=(10,9),dpi = 150)## 设置画布

## 2000-2017年各产业季度生产总值折线图
ax3 = p1.add_subplot(2,1,1)
plt.plot(values[:,0],values[:,3],'b-', 
         values[:,0],values[:,4],'r-.', 
         values[:,0],values[:,5],'g--')## 绘制折线图
plt.ylabel('生产总值（亿元）')## 添加纵轴标签
plt.title('2000-2017年各产业季度生产总值折线图')## 添加图表标题
plt.legend(['第一产业','第二产业','第三产业'])## 添加图例
## 2000-2017年季度各行业生产总值折线图
ax4 = p1.add_subplot(2,1,2)
plt.plot(values[:,0],values[:,6], 'r-',## 绘制折线图
    values[:,0],values[:,7], 'b-.',## 绘制折线图
    values[:,0],values[:,8],'y--',## 绘制折线图
    values[:,0],values[:,9], 'g:',## 绘制折线图
    values[:,0],values[:,10], 'c-',## 绘制折线图
    values[:,0],values[:,11], 'm-.',## 绘制折线图
    values[:,0],values[:,12], 'k--',## 绘制折线图
    values[:,0],values[:,13], 'r:',## 绘制折线图
    values[:,0],values[:,14], 'b-')## 绘制折线图
plt.legend(['农业','工业','建筑','批发','交通','餐饮','金融','房地产','其他'])
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加纵轴标签
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.savefig(r'D:\Project\Jupyter_Project\Test1\result\2000-2017年季度各行业生产总值折线子图.png')
plt.show()

四、实验结果

（一）2000-2017年各季度生产总值折线图

2000年-2017年，每一年第一季度的生产总值总体上呈现周期性持续上升趋势。

（二）2000-2017年各产业季度生产总值折线图

2000年-2017年，第一产业各季度总产值从2000-2017年各季度有小幅上升，且波动幅度逐渐增加；第二产业各季度总产值波动上升，后面总体变化幅度变大，第三产业呈持续上升趋势，且速率不断增加。

（三）2000-2017年各产业各行业季度生产总值折线图

2000年-2017年，工业的生产总值增长最大，其他行业次之，农业呈折线波动变化，但总体起伏不大，建筑，批发，餐饮，金融，房地产产业变化均不大，餐饮业的生产总值最低。