数据展示
我们先来简单看下数据内容
df = pd.read_csv('data.csv') df
Output:
数据比较整齐,不需要做什么特殊处理了~
可视化分析
我们先来看一下整体情况
下面我们进行细化的可视化分析,主要还是使用 Pyecharts 来制图
from pyecharts.charts import Bar,Map,Line,Page,Scatter,Pie,Polar from pyecharts import options as opts from pyecharts.globals import SymbolType,ThemeType from pyecharts.charts import Grid
市值排名
首先我们来看各大公司的市值(估值)排名情况
可以看到 Microdoft 和 Google 是唯二的市值超过万亿美元的公司,当然了这两家公司都不是依靠 AI 起家,而且都在各自的领域摸爬滚打了很多年,现如今不仅是自己领域的巨头,在人工智能方面也处于领先地位
紧跟着他们的是 Facebook 和阿里,差不多属于第二梯队吧,和其他公司市值差距还是挺大的
领域排名
再来看下各领域分别有多少公司
可以看到各个领域还是分布的很均匀且广泛的,也足以说明各行各业都在大力发展人工智能,而 AI 技术也确实为我们的生活带来了很多的便利
资本状态
资本状态是指该公司是否上市,如果没有上市,那么当前处于第几轮融资
可以看到大部分公司都已经上市了,其余公司也都处于比较好的融资轮次,可以肯定,人工智能公司还是非常受资本市场的青睐的
我们再重点看下上市公司的情况
df[df['资本市场状态'] == '上市'].sort_values(by=["市值/估值/融资(亿美元)"], ascending=False)
Output:
都是大名鼎鼎我们耳熟能详的明星公司
我们按照所属国家的维度来看下
美国还是第一科技大国,占据了大多数,而我国也表现的很好了!
成立时长
从一个公司成立的时间长短,可以看出这个公司的底蕴与风采
可以看到一家百年老店--IBM,嗯,公司经常用的服务器就是他家的~
还能看出大部公司成立的时长集中在10-30年左右,也突出显示了人工智能这项“新”兴技术正处于蓬勃的发展期!
我们再通过时长区间来具体看下数据
下面再根据成立时长区间进行汇总,看看不同区间公司总的市值情况
人工智能技术作为时代的宠儿,既有中青代公司的引领,也有初生企业的奋进,更有老牌劲旅的坚持,好不热闹!
国家数量排行
最后我们来看kan各国所拥有的公司情况
从整体上来看,我国还是与漂亮国持平的(虽然在上市公司上处于劣势),并且遥遥领先于其他国家
再来看下各国企业的总市值情况
在市值一方面,美国一骑绝尘了,毕竟微软、谷歌等巨无霸都是美国的呀