📋1 概述
消除贫困、改善民生、逐步实现共同富裕，是社会主义的本质要求，是我们党的重要使命。党的十八大以来，国家把扶贫开发工作纳入“四个全面”战略布局，作为实现第一个百年奋斗目标的重点工作，摆在更加突出的位置。为了更好的激励各帮扶单位提高扶贫效率，扶真贫，真扶贫。五年前，国家启动了脱贫帮扶绩效评价机制。某科研团队接受任务后，对全国 32165 个需要帮扶的贫困村进行了初步的贫困调查。从居民收入(记为 SR)、产业发展(记为 CY)、居住环境(记为 HJ)、文化教育(记为 WJ)、基础设施(记为 SS)等五个评价指标给出了评分。以此为依据，将被帮扶的村庄划分为 160 个集合，每个集合指定帮扶单位（标记为 0-159）进行帮扶。这 160 个帮扶单位按照单位属性（如国企还是民营企业等）标记为 0-5 等 6 个类型。2020 年，研究团队再次进行了调研，得到了被帮扶的这些村庄居民收入、产业发展、居住环境、文化教育、基础设施等五个方面的评分数据以及总分数据。为了便于比较和研究，所有数据都进行了标准化处理（标准化后的数值越大表示
评分越高）。绩效评价，不能仅以最后的得分作为依据，需要考虑各个评价指标的进步幅度。因为这样才能公正的评判帮扶的效果，就能鼓励更多的帮扶单位愿意花精力去帮助非常贫困的地区。
问题：
每个帮扶单位在扶贫上有不同的工作特色，如有些单位在提高居民 收入上效果很好，而有些帮扶单位可能在改善基础设施上帮助的效果不错。请问， 哪些帮扶单位分别在居民收入、产业发展、居住环境、文化教育、基础设施等评价指标上帮扶业绩明显？请列出各单项评价指标前五名的帮扶单位编号。
📝2 运行结果
📋3 Python代码实现
# -*- coding: utf-8 -*- import warnings import matplotlib.pyplot as plt import pandas as pd plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False warnings.filterwarnings("ignore") # 原始数据的问题 file_path = r'附件 C题数据.xlsx' shuju = pd.read_excel(file_path) biao_qian = ['SR', 'CY', 'HJ', 'WJ', 'SS'] dic = {'SR': '居民收入', 'CY': '产业发展', 'HJ': '居住环境', 'WJ': '文化教育', 'SS': '基础设施'} for v in biao_qian: shuju[v] = shuju['2020 %s' % v] - shuju['2015 %s' % v] print(shuju[v]) vot = pd.pivot_table(shuju, index=['帮扶单位(0-159)'], values=biao_qian, aggfunc='mean') print(vot) plt.figure(figsize=(13, 9), dpi=300) #Counter() 是 collections 库中的一个函数，可以用来统计一个 python 列表、字符串、元组等可迭代对象中每个元素出现的次数，并返回一个字典。 for n, v in enumerate(biao_qian): vot.sort_values(v, ascending=False, inplace=True) df = vot[v].head(5) x = [str(i) for i in df.index] y = df.values colors = ['m', 'g', 'r', 'b', 'c'] plt.subplot(2, 3, n + 1) plt.bar(x, y, width=0.3,color=colors[n]) plt.grid() plt.xticks(rotation=45) plt.ylim(0, 1.25) plt.xlabel('帮扶单位id') plt.ylabel('%s指标评价分' % v) plt.suptitle('各评价指标评分top5') plt.savefig('可视化/3.png', dpi=300, bbox_inches="tight") plt.show()
# -*- coding: utf-8 -*- import warnings import matplotlib.pyplot as plt import pandas as pd plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False warnings.filterwarnings("ignore") # 原始数据的问题 file_path = r'附件 C题数据.xlsx' shuju = pd.read_excel(file_path) biao_qian = ['SR', 'CY', 'HJ', 'WJ', 'SS'] dic = {'SR': '居民收入', 'CY': '产业发展', 'HJ': '居住环境', 'WJ': '文化教育', 'SS': '基础设施'} for v in biao_qian: shuju[v] = shuju['2020 %s' % v] - shuju['2015 %s' % v] print(shuju[v]) vot = pd.pivot_table(shuju, index=['帮扶单位(0-159)'], values=biao_qian, aggfunc='mean') print(vot) plt.figure(figsize=(13, 9), dpi=300) #Counter() 是 collections 库中的一个函数，可以用来统计一个 python 列表、字符串、元组等可迭代对象中每个元素出现的次数，并返回一个字典。 for n, v in enumerate(biao_qian): vot.sort_values(v, ascending=False, inplace=True) df = vot[v].head(5) x = [str(i) for i in df.index] y = df.values colors = ['m', 'g', 'r', 'b', 'c'] plt.subplot(2, 3, n + 1) plt.bar(x, y, width=0.3,color=colors[n]) plt.grid() plt.xticks(rotation=45) plt.ylim(0, 1.25) plt.xlabel('帮扶单位id') plt.ylabel('%s指标评价分' % v) plt.suptitle('各评价指标评分top5') plt.savefig('可视化/3.png', dpi=300, bbox_inches="tight") plt.show()
