Python数据分析系列01-数据可视化展示

简介: 人生总是在不断的经历机遇与挑战,尽管现在的人很多都会选择躺平,但不得不承认的是,即便是一个躺平的人,同样会遇到一些生活中的挑战,而当你没有办法回避的时候,也就只能迎难而上了。我们不该因为困难就轻易放弃,因为一切都会更加的值得。

实战

数据分析说白了就是对数据进行筛选、处理的一个过程,之后将清洗的数据进行图形可视化进行展示;比如这样的;先上一张完整版的图。
image.png

素材准备:
1、excel表格文件一份
2、安装第三方库 pip install pandas
3、安装第三方库 pip install matplotlib
表格素材

image.png

第一步: 读取excel 数据

import pandas

read_xl = pandas.read_excel('lagouzp.xls')

print(read_xl)

可以顺利的看到表格中有198 行 x 11列 的数据,展示了出来。接下来进行数据的提取,选择要处理并用于展示图像的某列,进行提取。
这里采用城市+薪资。
image.png

image.png

第二步: 对数据 excel 进行处理

数据分析需要的数据种类是int类型,我们这里提取到的薪资数据明显是不符合要求的。让我们来处理一番。

# 1、需要被替换的值  2、 替换成什么样子
read_xl['薪资'] = read_xl['薪资'].str.replace('k','')
# 1530  薪资的区间  -  分割 - [15, 30]
read_xl['薪资'] = read_xl['薪资'].str.split('-')
#  最高薪资
read_xl['薪资'] = read_xl['薪资'].str[1]
print(read_xl['薪资'])
# 转换类型
read_xl['薪资'] = read_xl['薪资'].astype('int')

print(read_xl.dtypes)

经过我们的处理,数据已经符合我们的要求,接下来需要在对城市进行分组处理。
image.png

image.png

#  平均值 -  聚合  分组
city = read_xl.groupby(by='城市').mean()

name = city['薪资']

print(name)

image.png

第三步:筛选、清洗处理后的数据 - 数据分析- 绘制图像

from matplotlib import pyplot as plt

# 柱状图
plt.bar(x,y)

# 显示图像
plt.show()

结果展示

image.png

image.png

image.png

image.png

image.png

image.png

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
|
机器学习/深度学习 数据可视化 搜索推荐
基于python的汽车数据可视化、推荐及预测系统
本研究围绕汽车数据可视化、推荐及预测系统展开,结合大数据与人工智能技术,旨在提升用户体验与市场竞争力。内容涵盖研究背景、意义、相关技术如 Python、ECharts、协同过滤及随机森林回归等,探讨如何挖掘汽车数据价值,实现个性化推荐与智能预测,为汽车行业智能化发展提供支持。
|
数据可视化 关系型数据库 MySQL
基于python大数据的的海洋气象数据可视化平台
针对海洋气象数据量大、维度多的挑战,设计基于ECharts的可视化平台,结合Python、Django与MySQL,实现数据高效展示与交互分析,提升科研与决策效率。
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
8875 1
|
数据采集 Web App开发 自然语言处理
新闻热点一目了然:Python爬虫数据可视化
新闻热点一目了然:Python爬虫数据可视化
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
923 0
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
JSON API 数据安全/隐私保护
Python采集淘宝拍立淘按图搜索API接口及JSON数据返回全流程指南
通过以上流程,可实现淘宝拍立淘按图搜索的完整调用链路,并获取结构化的JSON商品数据,支撑电商比价、智能推荐等业务场景。
|
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。
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。

推荐镜像

更多