点击 蘑菇云创造 关注我们
二氧化碳浓度的变化情况探究
写在前面
Hi，大家好，本期是《Python编程入门系列课程》连载的最后一期（共12课时），全部教程已完结。非常感谢一直在关注和学习该套教程的老师、同学们。
希望大家在学习的同时，也为我们的系列课程多多提出宝贵建议，针对大家提出的意见和想法，我们将会进行仔细评估和采纳，后续也将继续为大家提供更多系统化的教程和优质的课程~
动动小手扫码，说出您的想法哈
扫一扫
一、学习背景
经过上节课的学习，我们了解了数据分析相关的概念、分类，也重点学习了回归分析法。本节课，我们依旧将结合python对数据进行处理与分析，来解决生活中的一些实际问题。
二、学习目标
本实践项目通过编写python程序来探究特定条件下空气中二氧化碳浓度的变化情况。
知识目标：
1、了解数据可视化的含义
2、掌握数据可视化常见的图表类型
3、掌握图表上基本功能的使用
技能目标：
1、掌握利用软件工具对数据进行可视化操作的方法
三、学习准备
1、电脑
2、mind+编程软件
核心概念
1）数据可视化
数据可视化指以图形、图像、动画等方式直观、生动地呈现数据及数据分析结果，揭示数据之间的关系、趋势和规律等，便于人们更好地理解数据。
2）数据可视化工具
python语言的matplotlib库是提供数据绘图功能的第三方扩展库，其ptplot子库主要用于实现各种数据图表的绘制，它不仅可以方便地制作基本的视觉元素（点、线、面）构成的图，如散点图、折线图、柱状图，还可以绘制多维热力图、box箱型图、hist直方图、pie饼图、area面积图等。
由matplotlib生成的图表可以有以下一些基础特征，
l 画板figure，指画纸sublpot，可多图绘画
l 标题title，用来给图形起名字
l 坐标轴Axis，其中xlabel指x轴，ylabel指y轴
l 图例Legend，指图表符号，是表达图表内容的一种形式和方法
l 网格Grid，指图形中的虚线，可隐藏
l 点Markers，线条line，可由图表生成相应的散点图、折线图等
l 主要刻度Major tick，次要刻度minor tick，指图表中的刻度
对于生成的图形，我们还可以对它进行特定的操作，图示如下：
四、学习实践
想一想
早上来到学校，老师有时要求我们做的第一件事并不是打开书本，而是打开窗户，这是为什么呢? 事实上，这和教室空气中二氧化碳（CO2）的浓度气息相关。教室里的植物经过一夜的呼吸作用会消耗大量的氧气，放出大量的二氧化碳气，致使空气中的二氧化碳浓度增高，而二氧化碳浓度高到一定的程度之后就会使我们引起身体的不适。 |
在本项目中，我们将分两步，来探究一下在特定的温度下，密闭空间内，空气中二氧化碳的浓度的变化情况是怎样的，与哪些因素有关。
1、探究密闭空间内二氧化碳浓度变化与时长的关系。
2、探究密闭空间内二氧化碳浓度变化与人数的关系。
阅读材料 二氧化碳 空气中除了我们赖以生存的氧气以外也有很多很多不同的物质组成，其中就包含了一些会影响我们健康的物质比如二氧化碳，二氧化碳（CO₂）本身没有毒性，当他们浓度较低时不会对我们的身体产生影响，但当空气中的CO₂超过正常含量时，会对人体产生有害的影响，使人无法呼吸。尤其是室内环境，在封闭的环境中，二氧化碳可能会久久停留不易散出。
|
任务1：探究二氧化碳浓度变化与时长的关系
我们已经知道空气中二氧化碳的浓度会随着时间的增加而增高。那么在相同的背景条件下，浓度是不断均匀增加的吗，它的增速与时长有何关系呢？这里我们将对此进行探究。通过它，我们可以学习柱状图的绘制。为此，我们将分两步进行。首先是采集并整理数据，之后对数据进行可视化操作并分析数据。
1、数据采集与整理
在这个任务中，我们通过传感器检测了温度为20℃的晚上，在密闭房间内（无植物）人数分别为1，3，5的情况下二氧化碳浓度的数据情况，测得的数据我们保存在csv格式文件中。（见附录1）
为了避免人数对实验的影响，这里我们取人数为1时的数据，进而探究二氧化碳浓度与时长的关系。
2、数据可视化与分析
为了便于对数据进行读取和分析，我们依旧通过编写程序将采集整理好的数据以图表形式呈现出来。
这里我们将采用顺序结构的方式编写程序。具体流程如下：
在正式编写程序代码之前，我们首先要创建一个项目文件及python程序文件。
STEP1：创建与保存项目文件
启动Mind+,另存项目并命名为“二氧化碳浓度的变化情况探究”。
STEP2：创建与保存python文件
创建一个python程序文件“任务一.py”，双击打开。
STEP3：导入数据文件“CO2浓度数据”（见附录1）
STEP4：编写程序
# -*- coding: utf-8 -*-
import pandas as pd#导入pandas库并用pd来表示
import matplotlib.pyplot as plt#导入matplotlib库中的函数集合
CO2 = pd.read_csv("CO2浓度数据.csv",encoding='gb18030')#导入csv格式表格数据
plt.rcParams['font.sans-serif'] = ['SimHei']#设置中文字体
plt.title("二氧化碳浓度变化情况")#绘制标题
plt.ylabel("二氧化碳浓度")#绘制x轴标签
plt.xlabel("时间")#绘制y轴标签
x_data=CO2.iloc[0:24:3,0]#选取表格第一列，人数为1的数据并设其为柱状图中的x轴
y_data=CO2.iloc[0:24:3,2]#选取表格第三列，人数为1的数据并设其为柱状图中的y轴
plt.bar(x_data,y_data)#绘制柱状图
plt.show()#显示图像
STEP5：运行程序并分析数据
运行程序，我们看到csv表格中的数据以柱状图的形式呈现了出来。
观察图表并分析数据，我们发现，开始时空气中二氧化碳浓度在500ppm（百万分比浓度），随后每隔一个小时，浓度确实都在不断增高，但速度不同，前期时单位时间内的浓度增速较快，后期则相对较慢。因此，通过上图我们可以得出，在相同条件下的密闭空间中，二氧化碳浓度并不是均匀增高的，时间越久，增速越低。
知识链接 |
序列的切片 功能说明 切片操作是访问序列中元素的一种方式，它可以访问一定范围内的元素。通过切片操作可以生成一个新的序列。 使用方法 name[start:end:step] 参数说明如下, name:表示序列的名称； start:表示切片的开始位置，如果不指定，则默认为0； end:表示切片的截止位置，如果不指定，则默认未序列的长度； step:表示切片的步长，如果省略，则默认为1.当省略该步长时，最后一个冒号也可以省略。 举例说明 程序中， x_data=CO2.iloc[0:24:3,0]#选取表格第一列，人数为1的数据并设其为柱状图中的x轴 y_data=CO2.iloc[0:24:3,2]#选取表格第三列，人数为1的数据并设其为柱状图中的y轴 由于人数为1的数据分别在表格中的第2，5，8...23行，因此，这里在选取行数时，使用“0:24:3”的形式，表示从表格第2行开始选到第25行，中间每隔两行选一个数据。 |
Matplotlib链接 |
bar()函数 功能说明 bar()函数能绘制柱状图 使用方法 matplotlib.pyplot.bar(x,y, 可选参数)，其中可选参数有很多，这里我们不一一介绍了 举例说明 程序中， x_data=CO2.iloc[0:24:3,0]#选取表格第一列，人数为1的数据并设其为柱状图中的x轴 y_data=CO2.iloc[0:24:3,2]#选取表格第三列，人数为1的数据并设其为柱状图中的y轴 plt.bar(x_data,y_data)#绘制柱状图 表示以x_data中的数据为x轴,y_data中的数据为y轴绘制柱状图。 |
任务2：探究二氧化碳浓度变化与人数的关系
在这个任务中，我们将探究密闭空间中二氧化碳浓度与人数之间的关系。通过它，我们可以学习折线图的绘制。由于用到的数据文件不变，因此，我们主要进行数据可视化和分析即可。
1、数据可视化与分析
为了便于对数据进行读取和分析，我们通过编写程序将采集整理好的数据以折线图形式呈现出来。
这里我们将采用顺序结构的方式编写程序。具体流程如下：
STEP1：创建与保存python文件
创建一个python程序文件“任务二.py”，双击打开。
STEP2：编写程序
STEP3：运行程序并分析数据
（1）运行程序，我们看到csv表格中的数据以图表的形式呈现了出来。
（2）观察上图，我们可以清楚地发现，在同一时间点，人数越多，二氧化碳浓度也越高。
（3）放大0-1和6-7时间段
小结 本实验中，在特定条件下的密闭空间内，二氧化碳浓度会随着时间的增加而增高，并且时间越久，增速越低。同样的，人数与二氧化碳浓度的增加也有着正相关的关系，人数越多，浓度越高。 |
五、巩固提高
项目回顾
本节课我们首先探究了二氧化碳浓度变化与时长的关系，之后探究了人数对它的影响。经过对图表数据的可视化操作及分析，我们得出结果，随着时间的增加，密闭房间内空气中二氧化碳浓度并不是均匀增加的，并且人数的增多也会使浓度增高。
知识小结
1、数据可视化的含义
2、常见的可视化图表：散点图、折线图、柱状图等
项目拓展
尝试将表格中人数为3和5情况下的数据以柱形图的形式呈现出来吧！
附录
附录1
数据文件
链接：
https://pan.baidu.com/s/1Nxb3R30V5drDkacPjBgcWA
提取码：khje
附录2
拓展阅读 数据可视化的基本分类 l 有关时间趋势的可视化 l 有关比例的可视化 l 有关关系的可视化 l 有关差异的可视化 l 有关空间关系的可视化
|
||||||||
拓展阅读 数据可视化工具 数据可视化形式多样，实现数据可视化的工具也越来越多，按照用途及表现形式，可以分为以下几大类别，
|
推荐阅读：
点击 “ 阅读原文 ”，下载附件！