Pandas+Pyecharts：2021中国大学综合排名分析+可视化，来围观看看你的大学上榜没

Posted 2021-09-18 白云吃辣条

大家好，我是辣条，又是爆肝的一天。

项目解析

数据集准备

今天做的是可描述性分析，第一个先准备咱们的数据集，那么像这个数据集的话，我也是采集了我们2021年中国大学综合排名数据，用来做我们的大学的排名的分析和分布情况的分析。它里面是有包含了像咱们大学的排名、学校的名称、学校的省份、学校的类型，以及总分、办学层次、学科水平等等。

工具准备

Anaconda
Python3.7
pycharm

Anaconda完美的集合了像咱们的一些算法库，以及像我们的做数据可视化数据分析，这些都比较完美，像描述性分析和预测性分析，还有像判断分析决策性分析都可以来做的一个工具。

效果图展示

源码展示

import pandas as pd  # 数据处理
# import numpy as np # 科学运算
from pyecharts.charts import * # 可视化图表
from pyecharts import options as opts


df = pd.read_csv(\'./中国大学综合排名2021.csv\', encoding=\'gb2312\')



df.describe()


df.isnull().sum()


df.fillna(0, inplace=True)


df.isnull().sum()


df[df[\'升/降\'] == 0]


# 统计前50名中排名下降的学校
df.loc[(df[\'排名\'] < 50) & (df[\'升/降\'] < 0), :]


# 数据分组 各省大学数量
g = df.groupby(\'省市\')
df_counts = g.count()[\'排名\']
df0 = df_counts.copy()



df0.sort_values(ascending=False, inplace=True)


df_mean0 = g.mean()[\'总分\']
df_means = df_mean0.round(2)
df1 = pd.concat([df_counts, df_means], join=\'outer\', axis=1)


df1.columns = [\'数量\', \'平均分\']
df1.sort_values(by=[\'平均分\'], ascending=False, inplace=True)

d1 = df1.index.tolist()
d2 = df1[\'数量\'].values.tolist()
d3 = df1[\'平均分\'].values.tolist()


bar0 = (
    Bar()
    .add_xaxis(d1)
    .add_yaxis(\'数量\', d2)
    .add_yaxis(\'平均分\', d3)
    .reversal_axis()
    .set_series_opts(label_opts=opts.LabelOpts(position=\'right\'))
)
bar0.render_notebook()


name = df_counts.index.tolist()
count = df_counts.values.tolist()



c0 = (
    Pie()
    .add(\'\', [list(z) for z in zip(name, count)],
        radius=[\'20%\', \'60%\'],
        center=[\'50%\', \'65%\'],
        rosetype=\'radius\')
    # \'%.2f%%\' -> sum() / 各个值
)
c0.render_notebook()


list(zip(name, count))



name = df0.index.tolist()
count = df0.values.tolist()


m = (
    Map()
    .add(\'\', [list(z) for z in zip(name, count)], \'china\')
    .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=40, split_number=8, is_piecewise=True))
)
m.render(\'123.html\')

思路解析

据说万字长文对推荐不太好，解析其实也没啥好说的，文章短一点受众会好一些，文章太长了你看的也累，不懂的直接在评论或者私信交流啦，欢迎大家评论哦，如果这种文章形式不好或者大家觉得不够详细的话，那我后面可以跟随大家的意见做调整的。