Python自动化办公系列2-数字化经济excel数据可视化

简介: 天不会一直黑,汗水也不会骗人,时间终会给我们答案。努力从来都不会说谎,它只嘉奖始终坚持的人。你把它放在哪里,哪里就能给你一个不一样的结果。

序言

实战

素材准备
1、安装模块 : pip install pandas
2、excel表格

image.png

第一步:读取excel数据

import pandas

### 第一步: 加载文件数据
pd_data = pandas.ExcelFile('数字化经济.xlsx')
sheet_names = pd_data.sheet_names
print(sheet_names)
AI 代码解读

image.png

第二步:提取需要处理的工作表数据

for sheet in sheet_names:
    if sheet == '2020年指标':
        #  加载数据
        pd_df = pandas.read_excel('数字化经济.xlsx',sheet_name=sheet)
        print(pd_df)
AI 代码解读

image.png

第三步:把提取的内容处理成可以允许数据可视化图像的数据

        pd_df = pd_df.iloc[1:,:]
        # 把列修改成表头
        pd_df.columns = pd_df.iloc[0:2,:].values[0]
        pd_df = pd_df.iloc[1:, :]
        #  提取数据
        tony_df = pd_df['移动电话基站(万个)']
        city = pd_df['地区']
        iphone = tony_df.values
        iphone_city = city.values

        print(iphone,iphone_city)
AI 代码解读

image.png

第四步:数据可视化分析

import matplotlib
import matplotlib.pyplot as plt

font = {'family': 'simhei',
            'weight': 'bold',
             'size': 5}
matplotlib.rc('font', **font)

# 散点图   x轴  y轴
plt.scatter(iphone_city,iphone,color='Green')
plt.plot(iphone_city,iphone,'red')
# 显示图形
plt.show()
AI 代码解读

image.png

在这个浮躁的时代;竟然还有人能坚持篇篇原创;

如果本文对你学习有所帮助-可以点赞👍+ 关注!将持续更新更多新的文章。

支持原创。感谢!

目录
打赏
0
0
0
1
302
分享
相关文章
如何使用Python进行数据可视化
Python是一种强大的编程语言,广泛应用于数据分析与可视化。常见的可视化库有Matplotlib、Seaborn和Plotly等。数据可视化通常包括以下步骤:准备数据(如列表或从文件读取)、选择合适的工具、绘制图表、优化样式(如标题和标签)以及保存或分享结果。例如,使用Matplotlib可通过简单代码绘制线图并添加标题和轴标签。实际应用中,可通过调整颜色、样式等进一步优化图表,甚至使用交互式工具提升效果。总之,Python的丰富工具为数据可视化提供了强大支持。
Python接口自动化测试中Mock服务的实施。
总结一下,Mock服务在接口自动化测试中的应用,可以让我们拥有更高的灵活度。而Python的 `unittest.mock`库为我们提供强大的支持。只要我们正确使用Mock服务,那么在任何情况下,无论是接口是否可用,都可以进行准确有效的测试。这样,就大大提高了自动化测试的稳定性和可靠性。
51 0
python实战 | 如何利用海外代理IP,实现Facebook内容营销自动化
本文探讨了Facebook营销自动化中的挑战与解决方案。首先分析了账号风控、IP受限及手动操作效率低等问题,随后介绍了通过Python编程结合高质量海外代理IP(如青果网络)实现自动化的技术路径。内容涵盖环境配置、代理IP使用、Facebook开发者账号注册及两种自动化方法:Graph API动态发布与Selenium模拟用户操作。最后总结指出,该方案可扩展至其他平台,助力全球矩阵营销。
python实战 | 如何利用海外代理IP,实现Facebook内容营销自动化
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
Python时间序列分析:使用TSFresh进行自动化特征提取
TSFresh 是一个专门用于时间序列数据特征自动提取的框架,支持分类、回归和异常检测等机器学习任务。它通过自动化特征工程流程,处理数百个统计特征(如均值、方差、自相关性等),并通过假设检验筛选显著特征,提升分析效率。TSFresh 支持单变量和多变量时间序列数据,能够与 scikit-learn 等库无缝集成,适用于大规模时间序列数据的特征提取与模型训练。其工作流程包括数据格式转换、特征提取和选择,并提供可视化工具帮助理解特征分布及与目标变量的关系。
296 16
Python时间序列分析:使用TSFresh进行自动化特征提取
Python自动化Office文档处理全攻略
本文介绍如何使用Python自动化处理Word、Excel和PDF文档,提升办公效率。通过安装`python-docx`、`openpyxl`、`pandas`、`PyPDF2`和`pdfplumber`等库,可以轻松实现读取、修改、创建和批量处理这些文档。具体包括:自动化处理Word文档(如读取、修改内容、调整样式),Excel文档(如读取、清洗、汇总数据),以及PDF文档(如提取文本和表格数据)。结合代码示例和实战案例,帮助你掌握高效办公技巧,减少手动操作的错误率。
239 1
用Python实现简单的任务自动化
本文介绍如何使用Python实现任务自动化,提高效率和准确性。通过三个实用案例展示:1. 使用`smtplib`和`schedule`库自动发送邮件提醒;2. 利用`shutil`和`os`库自动备份文件;3. 借助`requests`库自动下载网页内容。每个案例包含详细代码和解释,并附带注意事项。掌握这些技能有助于个人和企业优化流程、节约成本。
209 3

热门文章

最新文章

推荐镜像

更多
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问