Python数据分析系列02-Iphone手机2020年指标分析

简介: 我相信每一件事情经过长时期的努力就一定能够得到一个好的结果的,看到别人做出成绩了,那是他们经过长时间摸索得到的回报,没有什么好羡慕的。你只要坚持下去,总有一天,相信自己现在做的事情也能给你带来好的回报,前提是,坚持 ! 一定轻易不能放弃。

数据

image.png

实战

1、读取表格数据

import pandas

data = pandas.ExcelFile('数字经济.xlsx')
sheet_names = data.sheet_names
print(sheet_names)

image.png

2、读取某个单元格中数据

for sheet in sheet_names:
    if sheet == '2020年指标':
        # 读取2020年指标
        df = pandas.read_excel('数字经济.xlsx', sheet_name=sheet)
        print(df)

image.png

3、剔除不需要的数据

 df = df.iloc[1:, :]
 # 修改表前2行的数据并将表头修改
 df.columns = df.iloc[0:2, :].values[0]
  # 提取数据
  print(df)

image.png

4、选中某列数据进行提取

sl_df = df["移动电话基站(万个)"]
# 提取值
salary = df.values
print(salary)

image.png

5、继续处理数据,以满足数据分析的需求

# 0 是城市
city = [city[0] for city in salary]
print(city)
# 1 是移动电话基站(万个)
iphone_01 = [city[1] for city in salary]
# 2 移动电话普及率(部/百人)
iphone_02 = [city[2] for city in salary]
print(iphone_02)

image.png

6、数据分析可视化

import matplotlib.pyplot as plt
import matplotlib

size = list()
for font_size in iphone_02:
    size.append(font_size) if font_size > 100 else size.append(100)
# 设置字体 
font = {'family': 'simHei',
        'weight': 'bold',
        'size': '12'}
matplotlib.rc('font', **font)
plt.figure(figsize=(10, 10), dpi=80)
plt.scatter(iphone_01, iphone_02, s=size,c='red')

plt.xlabel("移动电话基站(万个)", fontdict={'size': 16})
plt.ylabel("移动电话普及率(部/百人)", fontdict={'size': 16})
plt.title("2020年指标", fontdict={'size': 20})

plt.savefig('手机基站数据分析.png',dpi=80)
plt.show()

散点图

image.png

折线图

image.png

如果学习上有遇到问题,加/:yiyi990805(备注:阿里云tony)即可。

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!

相关文章
|
29天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费模式分析的深度学习模型
使用Python实现智能食品消费模式分析的深度学习模型
122 70
|
2月前
|
数据采集 缓存 定位技术
网络延迟对Python爬虫速度的影响分析
网络延迟对Python爬虫速度的影响分析
|
1月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费习惯分析的深度学习模型
使用Python实现智能食品消费习惯分析的深度学习模型
141 68
|
27天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费市场分析的深度学习模型
使用Python实现智能食品消费市场分析的深度学习模型
110 36
|
20天前
|
数据可视化 算法 数据挖掘
Python量化投资实践:基于蒙特卡洛模拟的投资组合风险建模与分析
蒙特卡洛模拟是一种利用重复随机抽样解决确定性问题的计算方法,广泛应用于金融领域的不确定性建模和风险评估。本文介绍如何使用Python和EODHD API获取历史交易数据,通过模拟生成未来价格路径,分析投资风险与收益,包括VaR和CVaR计算,以辅助投资者制定合理决策。
68 15
|
25天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费趋势分析的深度学习模型
使用Python实现智能食品消费趋势分析的深度学习模型
101 18
|
2月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
95 4
数据分析的 10 个最佳 Python 库
|
2月前
|
测试技术 开发者 Python
使用Python解析和分析源代码
本文介绍了如何使用Python的`ast`模块解析和分析Python源代码,包括安装准备、解析源代码、分析抽象语法树(AST)等步骤,展示了通过自定义`NodeVisitor`类遍历AST并提取信息的方法,为代码质量提升和自动化工具开发提供基础。
59 8
|
3月前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
2月前
|
数据采集 存储 JSON
Python爬虫开发中的分析与方案制定
Python爬虫开发中的分析与方案制定