大家好，我是辣条，又是爆肝的一天。

项目解析

数据集准备

今天做的是可描述性分析，第一个先准备咱们的数据集，那么像这个数据集的话，我也是采集了我们2021年中国大学综合排名数据，用来做我们的大学的排名的分析和分布情况的分析。它里面是有包含了像咱们大学的排名、学校的名称、学校的省份、学校的类型，以及总分、办学层次、学科水平等等。

工具准备

Anaconda
Python3.7
pycharm

Anaconda完美的集合了像咱们的一些算法库，以及像我们的做数据可视化数据分析，这些都比较完美，像描述性分析和预测性分析，还有像判断分析决策性分析都可以来做的一个工具。

效果图展示

源码展示

import pandas as pd  # 数据处理
# import numpy as np # 科学运算
from pyecharts.charts import * # 可视化图表
from pyecharts import options as opts


df = pd.read_csv('./中国大学综合排名2021.csv', encoding='gb2312')



df.describe()


df.isnull().sum()


df.fillna(0, inplace=True)


df.isnull().sum()


df[df['升/降'] == 0]


# 统计前50名中排名下降的学校
df.loc[(df['排名'] < 50) & (df['升/降'] < 0), :]


# 数据分组 各省大学数量
g = df.groupby('省市')
df_counts = g.count()['排名']
df0 = df_counts.copy()



df0.sort_values(ascending=False, inplace=True)


df_mean0 = g.mean()['总分']
df_means = df_mean0.round(2)
df1 = pd.concat([df_counts, df_means], join='outer', axis=1)


df1.columns = ['数量', '平均分']
df1.sort_values(by=['平均分'], ascending=False, inplace=True)

d1 = df1.index.tolist()
d2 = df1['数量'].values.tolist()
d3 = df1['平均分'].values.tolist()


bar0 = (
    Bar()
    .add_xaxis(d1)
    .add_yaxis('数量', d2)
    .add_yaxis('平均分', d3)
    .reversal_axis()
    .set_series_opts(label_opts=opts.LabelOpts(position='right'))
)
bar0.render_notebook()


name = df_counts.index.tolist()
count = df_counts.values.tolist()



c0 = (
    Pie()
    .add('', [list(z) for z in zip(name, count)],
        radius=['20%', '60%'],
        center=['50%', '65%'],
        rosetype='radius')
    # '%.2f%%' -> sum() / 各个值
)
c0.render_notebook()


list(zip(name, count))



name = df0.index.tolist()
count = df0.values.tolist()


m = (
    Map()
    .add('', [list(z) for z in zip(name, count)], 'china')
    .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=40, split_number=8, is_piecewise=True))
)
m.render('123.html')

思路解析

据说万字长文对推荐不太好，解析其实也没啥好说的，文章短一点受众会好一些，文章太长了你看的也累，不懂的直接在评论或者私信交流啦，欢迎大家评论哦，如果这种文章形式不好或者大家觉得不够详细的话，那我后面可以跟随大家的意见做调整的。