【数据分析&数据挖掘】2000-2017年各个产业、行业的散点图

import matplotlib.pyplot as plt
import numpy as np

def draw_data(n, a, b, l, values, fig, plt):
    fig.add_subplot(2, 1, n)
    x = values[:, 0]
    for i in range(a, b+1):
        y = values[:, i]
        plt.scatter(x, y)
    plt.title("2000-2017年各个产业、行业的散点图")
    plt.xlabel("季度")
    plt.ylabel("生产总值（亿元）")
    plt.legend(l, loc=2)
    xticks = values[:, 1]
    plt.xticks(x[::4], xticks[::4], rotation=45)
    return plt

def show_data():
    fig = plt.figure(figsize=(20, 12), dpi=120)
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False
    plt.subplots_adjust(hspace=0.3)
    return fig, plt

def save_data():
    plt.savefig("./2000-2017年各个产业、行业的散点图.png")
    plt.show()
    return None


def build_data():
    res = np.load("./国民经济核算季度数据.npz", allow_pickle=True)
    columns = res["columns"]
    values = res["values"]
    return columns, values

def main():
    columns, values = build_data()
    fig, plt = show_data()
    legend1 = [tmp[:4] for tmp in columns[3:6]]
    draw_data(1, 3, 5, legend1, values, fig, plt)
    legend2 = [tmp[:2] for tmp in columns[6:]]
    draw_data(2, 6, 14, legend2, values, fig, plt)
    save_data()



if __name__ == '__main__':
    main()

# 场景一：类似于折线走势的这种散点图 也可以用来描述走势
# 场景二：可以用来描述 点与点（数据与数据）的关系