5.Python数据可视化-美国大学各专业的性别差距

Visualizing The Gender Gap in College degrees:

读取数据:

import pandas as pd
data=pd.read_csv('./data/percent-bachelors-degrees-women-usa.csv')
print(data.columns)
#print(data[:2])
print(data.describe)

可视化:

def decorateAxes(axes):
    for key,spine in axes.spines.items():
        spine.set_visible(False)
    axes.set_ylim(0, 100)
    axes.set_yticks([0,100])
    axes.axhline(y=50,c=(171/255, 171/255, 171/255),alpha=0.3)
    axes.tick_params(left='off',right='off',top='off',bottom='off',labelbottom='off')
    
def plotCharts(axes,sub_cats,index):
    axes.plot(data['Year'],data[sub_cats[index]],c=cb_dark_blue,label='Women',linewidth=3)
    axes.plot(data['Year'],100-data[sub_cats[index]],c=cb_orange,label='Men',linewidth=3)
    for key,spine in axes.spines.items():
        spine.set_visible(False)
    axes.set_title(sub_cats[index])
    decorateAxes(axes)
    if index==(len(sub_cats)-1):
        axes.tick_params(labelbottom='on')

        
import matplotlib.pyplot as plt
%matplotlib inline

#Group degrees into three category.
sc_cats = ['Psychology', 'Biology', 'Math and Statistics', 'Physical Sciences', 'Computer Science', 'Engineering']
lib_arts_cats = ['Foreign Languages', 'English', 'Communications and Journalism', 'Art and Performance', 'Social Sciences and History']
other_cats = ['Health Professions', 'Public Administration', 'Education', 'Agriculture','Business', 'Architecture']

fig=plt.figure(figsize=(16,16))
cb_dark_blue = (0/255,107/255,164/255)
cb_orange = (255/255, 128/255, 14/255)


for i in range(1,17,3):
    
    #Generate first column in line charts.Science degrees.
    sc_cats_index=int(i/3)
    ax=fig.add_subplot(6,3,i)
    plotCharts(ax,sc_cats,sc_cats_index)
    if i==1:
        ax.text(2003, 85, 'Women')
        ax.text(2005, 10, 'Men')
    if i==16:
        ax.text(2005, 87, 'Men')
        ax.text(2003, 7, 'Women')

    #Generate second column in line charts.Liberal arts degrees.
    t=i+1
    if t<15:
        lib_arts_cats_index=int(t/3)
        ax2=fig.add_subplot(6,3,t)
        plotCharts(ax2,lib_arts_cats,lib_arts_cats_index)
        if t==2:
            ax2.text(2003, 85, 'Women')
            ax2.text(2005, 10, 'Men')
    #Generate third column in line charts.Other degrees.   
    r=i+2
    other_cats_index=int((r-1)/3)
    ax3=fig.add_subplot(6,3,r)
    plotCharts(ax3,other_cats,other_cats_index)
    if r==3:
        ax3.text(2003, 90, 'Women')
        ax3.text(2005, 5, 'Men')
    if r==18:
        ax3.text(2005, 62, 'Men')
        ax3.text(2003, 30, 'Women') 

结果如下:


生成图片并保存:

plt.savefig("./data/genders of degrees.png")
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,033评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,725评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,473评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,846评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,848评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,691评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,053评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,700评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,856评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,676评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,787评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,430评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,034评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,990评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,218评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,174评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,526评论 2 343

推荐阅读更多精彩内容