大数据可视化分析实训报告 第1篇
1. 五月份南京最高温最大值、最低温最小值和最大温差及对应的日期。
2. 五月份不同天气对应的天数和雨天的百分比。
3. 五月份不同风向对应的天数和出现最多的风向。
4. 五月份风力超过3级的天数。
5. 绘制五月份南京高温、低温（柱状）及温差（折线）示意图，并标注温差最大的点。
法一: ⮚ 出现的问题:y轴的刻度问题
法二:
6．绘制五月份南京天气情况分布饼图。
7．作柱状图比较5月、6月、7月三个月的最高温度和最低温度。
从天气后报网（）爬取自己家乡所属城市过去一个月每天的最高温度和最低温度， 并绘制一个月内最高温度和最低温度的走势比较图。
大数据可视化分析实训报告 第2篇
本实验绘制2019年1月~2019年12月的房价变化折线图，编写以下代码：
import as plt [ ''] =[ 'Microsoft YaHei'] #设置字体x1 = ['2019-01', '2019-02', '2019-03', '2019-04', '2019-05', '2019-06', '2019-07', '2019-08', '2019-09', '2019-10', '2019-11', '2019-12'] y1 = [9700, 9800, 9900, 12000, 11000, 12400, 13000, 13400, 14000, 14100, 13900, 13700] (figsize=(10, 8))# 标题(_房价变化_) (x1, y1, label='房价变化', linewidth=2, color='r', marker='o', markerfacecolor='blue', markersize=10)# 横坐标描述('月份')# 纵坐标描述('房价')for a, b in zip(x1, y1): (a, b, b, ha='center', va='bottom', fontsize=10) () ()
从结果可以看出，在2019年1月的时候房价最低，在2019年12月的时候，房价最高整体呈上升趋势，其中在2019年5月的时候下降。运行结果如下：
大数据可视化分析实训报告 第3篇
在对天气数据的分析过程中，需要有些python基础，需要用到的库有csv库，numpy库以及matplotlib库。
首先是先对给出的天气数据进行分析，根据任务需求进行程序代码的编写分析完天气数据，根据分析后的数据进行绘图。
爬虫需有html，js以及css基础以及会一些爬虫相关库和绘图库的使用。首先获取url网站源码，将获取到的网页进行分析将抓取到的数据以csv文件保存在本地上，之后根据所需要的数据需求进行编写程序代码最后对文件数据进行分析绘图。
对2017南京某几个月的天气分析，并能够使用合适的图例展示相关的数据
设计思路:
数据分析-绘制图形
已知给出2017年五月，六月，七月三个月的天气情况的csv文件，首先要先用到csv库，进行对csv文件读取，然后开始对数据进行分析处理。分析小任务1到6都是分析五月份的数据，所以说前面6个小任务首先就是要把五月这其中的一个月单 独取出来放在一个集合中，从csv文件中的数据分析中，可以知道每列分别代表着日期，最高温，最低温，天气，风向，风力，所对应的下标就分别为[0],[1] ,[2],[3],[4],[5],之后进行程序代码的编写，分别计算出相应结果。数据分析之后就进行绘图，利用matplotlib库进行绘 制对应的图形，最后以()将图形展示出来结束程序。
南京天气csv文件如下：
绘制出的图形如下
从天气后报网（）爬取自己家乡所属城市过去一个月每天的最高温度和最低温度，并 绘制一个月内最高温度和最低温度的走势比较图。
设计思路:
爬虫(获取数据-解析数据-保存数据) 绘图(分析数据-进行绘图)
先分析任务要求，这次任务是为了爬取天气后报网中所在家乡城市的过去一个月天气情况。我的家乡在江西上饶，首先要先进入网站，地址url为： “_ ,进入这个网站，然后选择要爬取的城市，选择江西[1]上饶，然后再选择2020年12月的天气历史情况
具体步骤如下操作
进入天气后报官网
进入我所在的地区--江西上饶的12月历史天气网址
获取并分析网站源码
通过对html代码分析发现，过去一个月的天气情况都是在“tr”元素之中
注：完整程序请参见附录A。
实训任务1
问题：python基础没有学扎实牢固，写的代码过于繁琐冗余，没有进行好的算法处理导致一个简单的任务需要用到许多步骤 以及代码才能完成，代码书写规范也有欠缺，变量命名不规范，不会命名的都以中文拼音进行命名有损代码美观性以及 可读性。
改进: 实训结束后加强对python基础的学习，将基础学好，也养成一个规范书写代码的好习惯
实训任务2
问题：前端知识尚欠缺，要用到的HTML，JavaScript以及CSS都没有进行较为深入的学习，还有需要用的到爬虫库也没有 学习，导致在完成任务2过程中出现了许许多多大大小小的改进： 简要学习前端(HTML，JavaScript，CSS)的一些知识内容，了解常用的一些爬虫框架以及相关库的使用。