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
|
数据采集 数据可视化 数据挖掘
Python数据分析实战:Pandas处理结构化数据的核心技巧
在数据驱动时代,结构化数据是分析决策的基础。Python的Pandas库凭借其高效的数据结构和丰富的功能,成为处理结构化数据的利器。本文通过真实场景和代码示例,讲解Pandas的核心操作,包括数据加载、清洗、转换、分析与性能优化,帮助你从数据中提取有价值的洞察,提升数据处理效率。
660 3
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
数据可视化 数据挖掘 大数据
基于python大数据的水文数据分析可视化系统
本研究针对水文数据分析中的整合难、分析单一和可视化不足等问题,提出构建基于Python的水文数据分析可视化系统。通过整合多源数据,结合大数据、云计算与人工智能技术,实现水文数据的高效处理、深度挖掘与直观展示,为水资源管理、防洪减灾和生态保护提供科学决策支持,具有重要的应用价值和社会意义。
|
存储 数据挖掘 大数据
基于python大数据的用户行为数据分析系统
本系统基于Python大数据技术,深入研究用户行为数据分析,结合Pandas、NumPy等工具提升数据处理效率,利用B/S架构与MySQL数据库实现高效存储与访问。研究涵盖技术背景、学术与商业意义、国内外研究现状及PyCharm、Python语言等关键技术,助力企业精准营销与产品优化,具有广泛的应用前景与社会价值。
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
1426 4
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
560 2
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
840 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
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
2250 4
数据分析的 10 个最佳 Python 库
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
815 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
335 3

推荐镜像

更多