一、设计要求
根据给定的数据文件“水资源情况信息.xlsx”，从不同的角度分析水资源
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
二、数据分析
2.1 柱状图：全年水资源总量
分析内容：该图展示了每年的水资源总量变化情况。通过这张图，我们可以直观地看到每年水资源的波动和趋势，帮助我们理解水资源的年度变化。
2.2 散点图：地表水 vs 地下水
分析内容：该图比较了地表水资源量和地下水资源量之间的关系。每个点代表某一年的地表水资源量和地下水资源量，通过这张图，我们可以分析这两者之间是否存在某种相关性。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
2.3 折线图：供水总量 vs 用水总量
分析内容：该图展示了每年的供水总量和用水总量。通过这张图，我们可以看到供水量和用水量的趋势，以及两者之间的差异，了解供需关系的变化情况。
2.4 雷达图：不同用水类型比较
分析内容：该图展示了农业用水、工业用水、生活用水和生态环境用水的比较。通过这张图，我们可以直观地看到四种用水类型的相对大小，了解各类型用水在2017年的分布情况。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
2.5 饼状图：用水分布
分析内容：该图展示了不同用水类型（农业用水、工业用水、生活用水、生态环境用水）的比例。通过这张图，我们可以看到各类型用水在总用水中的占比，帮助我们理解用水结构。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
2.6 箱线图：各年份不同用水类型的分布
分析内容：该图展示了农业用水、工业用水、生活用水和生态环境用水在2001年至2017年间的分布情况。通过这张图，我们可以看到各类型用水的中位数、四分位数、极值等统计信息，了解用水量的分布和波动情况。
2.7 组合图：历年供水来源
分析内容：该图展示了不同供水来源（地表水、地下水、再生水和南水北调水）在各年中的变化。通过这张图，我们可以了解不同供水来源的趋势和比例变化，帮助我们分析供水结构的变化情况。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
三、代码展示
import pandas as pd import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 # 读取数据并转置 file_path = '水资源情况信息.csv' # >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈 # 数据清洗 data.columns = data.iloc[0] data = data[1:] # 清理列名中的空格和特殊字符 data.columns = data.columns.str.strip() # 略 ... # 略 ... # 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈 # 将年份列转换为整数类型 data['项 目'] = data.index.astype(int) # 柱状图：全年水资源总量 plt.figure(figsize=(10, 6)) # 略 ... # 略 ... # 略 ... plt.show() # 散点图：地表水 vs 地下水 plt.figure(figsize=(10, 6)) plt.scatter(data['地表水资源量'], data['地下水资源量']) # 略 ... plt.ylabel('地下水资源量（亿立方米）') plt.show() # 折线图：供水总量 vs 用水总量 plt.figure(figsize=(10, 6)) plt.plot(data['项 目'], data['全年供水总量'], label='供水总量') # 略 ... # 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈 plt.legend() plt.show() # 组合图：历年供水来源 plt.figure(figsize=(10, 6)) plt.plot(data['项 目'], data['地表水'], label='地表水供水') plt.plot(data['项 目'], data['地下水'], label='地下水供水') # 略 ... # 略 ... plt.legend() plt.show() print(data) # 雷达图：2017年不同用水类型比较 labels = ['农业用水', '工业用水', '生活用水', '生态环境用水'] values = data.loc[2017, ['农业用水', '工业用水', '生活用水', '生态环境用水']].values.flatten() angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist() # 略 ... angles += angles[:1] plt.figure(figsize=(10, 6)) ax = plt.subplot(111, polar=True) # 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈 ax.fill(angles, values, alpha=0.25) # 略 ... plt.show() # 饼状图：2017年用水分布 usage_2017 = data.loc[2017, ['农业用水', '工业用水', '生活用水', '生态环境用水']].values.flatten() # 略 ... # 略 ... plt.title('2017年用水分布') plt.show() # 提取需要绘制箱线图的数据 # 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈 # 绘制箱线图 plt.figure(figsize=(12, 8)) boxplot_data.plot.box() plt.title('各年份不同用水类型的分布') # 略 ... plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
