2021中国大学综合排名分析+可视化

谁借莪１个温暖的怀抱￠ 2024-05-03 14:32 66阅读 0赞

![在这里插入图片描述][f5619570931a4439a3c29997f7671c51.gif_pic_center]

> Author： 无聊大侠hello word  
> 有一点思考，有一点想法，有一点理性！  
> CSDN@无聊大侠hello word

#### 文章目录 ####

*  前言
 *  PyeCharts官方文档（中文）
 *  1. 导入模块
 *  2.读取数据
 *  3.查看表格数据类型
 *  4. 统计空格数据
 *  5. 以0填充所有缺失数据
 *  统计数据
 *   *  a.统计前50名中排名下降的学校
     *  b.统计各省市大学数量
     *  c.统计各省市大学平均分排序
 *  可视化
 *   *  a. 各省市大学数量和平均分柱状图(横向)
     *  b. 各省市大学数量和平均分柱状图(纵向)
     *  c. 各省市大学数量(玫瑰图)
     *  d. 各省市大学数量(南丁格尔玫瑰图)
     *  e. 各省市大学数量分布(地图)

## 前言 ##

> ?前言?  
> ?博客：【无聊大侠hello word】?  
> ✍本文由在下【无聊大侠hello word】原创，首发于CSDN✍

## PyeCharts官方文档（中文） ##

官方文档（中文）：https://pyecharts.org/#/zh-cn/intro

## 1. 导入模块 ##

import pandas as pd
    from pyecharts import options as opts
    from pyecharts.charts import Bar
    from pyecharts.charts import Pie
    from pyecharts.charts import Map

## 2.读取数据 ##

查看数据前五条数据：

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

![在这里插入图片描述][907ba27057ba4349a5638eb0224a23cb.png]

## 3.查看表格数据类型 ##

print(df.dtypes)

![在这里插入图片描述][3a670036a67445cb98cc8c24bfda4385.png]查看表格数据描述:

print(df.describe())  # 可以看到数据一个有582条，升/降数据只有566条，办学层次、学科水平。。。等只有100条，存在数据缺失。

## 4. 统计空格数据 ##

print(df.isnull().sum())

![在这里插入图片描述][86b54bc90cf34a68908ed5953c6433a8.png]

## 5. 以0填充所有缺失数据 ##

df.fillna(0, inplace=True)
       # print(df.isnull().sum())

![在这里插入图片描述][1c73df71e3574a259117ab6069ee7504.png]

## 统计数据 ##

### a.统计前50名中排名下降的学校 ###

# 统计前50名中排名下降( n < 0 )的学校
    print(df.loc[(df['排名'] < 50) & (df['升/降'] < 0)].head().to_string())

![在这里插入图片描述][3660f0ad41864c719fe1a2355591f474.png]

### b.统计各省市大学数量 ###

g = df.groupby('省市')
      # 各省市大学数量
      df_counts = g.count()['排名']  # 出现次数
      df0 = df_counts.copy()
      df0.sort_values(ascending=False, inplace=True)
      print(df0)

![在这里插入图片描述][269e24227d74402abf5af65ee06059df.png]

### c.统计各省市大学平均分排序 ###

df_means0 = g.mean()['总分']
     df_means = df_means0.round(2)
     df1 = pd.concat([df_counts, df_means], join='outer', axis=1)
     # 重命名
     df1.columns = ['数量', '平均分']
     # 排序
     df1.sort_values(by=['平均分'], ascending=False, inplace=True)

## 可视化 ##

### a. 各省市大学数量和平均分柱状图(横向) ###

x_data = df1.index.tolist()
        y_data1 = df1['数量'].values.tolist()
        y_data2 = df1['平均分'].values.tolist()
        # 实列化柱状图对象
        bar1 = (
            Bar()
                .add_xaxis(xaxis_data=x_data)
                .add_yaxis(series_name='数量', y_axis=y_data1)
                .add_yaxis(series_name='平均分', y_axis=y_data2)
                .set_global_opts(
                title_opts=opts.TitleOpts(title='中国大学排名'),
                xaxis_opts=opts.AxisOpts(name='省份'),
                yaxis_opts=opts.AxisOpts(name='量')
            )
        )
        # 渲染
        bar1.render('中国大学排名(横向).html')

![在这里插入图片描述][10a1a40b2f3a45ee94c516a48c39e901.png]

### b. 各省市大学数量和平均分柱状图(纵向) ###

bar2 = (
            Bar()
                .add_xaxis(xaxis_data=x_data)
                .add_yaxis(series_name='数量', y_axis=y_data1)
                .add_yaxis(series_name='平均分', y_axis=y_data2)
                .set_global_opts(
                title_opts=opts.TitleOpts(title='中国大学排名'),
                xaxis_opts=opts.AxisOpts(name='省份'),
                yaxis_opts=opts.AxisOpts(name='量'),
            )
                .reversal_axis()  # 反转轴
                .set_series_opts(
                label_opts=opts.LabelOpts(position='right')  # 把值反转
            )
        )
        # 渲染
        bar2.render('中国大学排名(纵向).html')

![在这里插入图片描述][e39a98aade924b9e90516ea92293b9bc.png]

### c. 各省市大学数量(玫瑰图) ###

name = df_counts.index.tolist()
        count = df_counts.values.tolist()
        # 实列化饼图对象
        pie1 = (
            Pie()
                .add(
                series_name='',
                data_pair=[list(z) for z in zip(name, count)],
                # 半径
                radius=['20%', '60%'],
                # 里圆心距离
                center=['50%', '65%'],
                # radius：扇区圆心角展现数据的百分比，半径展现数据的大小
                # area：所有扇区圆心角相同，仅通过半径展现数据大小
                rosetype='radius',
                label_opts=opts.LabelOpts(is_show=False)
            )
                .set_series_opts(
                label_opts=opts.LabelOpts(formatter='{b} : {c}')
            )
        )
        # 渲染
        pie1.render('各省市大学数量(玫瑰图).html')

![在这里插入图片描述][eec97f60742a46b8a1f1af7e0c05bf28.png]

### d. 各省市大学数量(南丁格尔玫瑰图) ###

provinces = df0.index.tolist()
        num = df0.values.tolist()
        # 实列化饼图对象
        pie2 = (
            Pie()
                .add(
                series_name='',
                data_pair=[list(z) for z in zip(provinces, num)],
                radius=['30%', '105%'],
                rosetype='area',
            )
                .set_global_opts(
                title_opts=opts.TitleOpts(title='中国大学排名'),
                legend_opts=opts.LegendOpts(is_show=False),
                tooltip_opts=opts.TitleOpts(),
            )
                .set_series_opts(
                label_opts=opts.LabelOpts(
                    is_show=True,
                    position='inside',
                    font_size=12,
                    formatter='{b}: {c}',
                    font_style='italic',
                    font_weight='bold',
                    font_family='Microsoft YaHei'
                )
            )
        )
        # 渲染
        pie2.render('各省市大学数量(南丁格尔玫瑰图).html')

![在这里插入图片描述][cc00158095c24c489ba7ed72a5533cf4.png]

### e. 各省市大学数量分布(地图) ###

name = df0.index.tolist()
        count = df0.values.tolist()
    
        # 实列化Map对象
        map = (
            Map()
                .add(series_name='', data_pair=[list(z) for z in zip(name, count)], maptype='china')
                .set_global_opts(
                title_opts=opts.TitleOpts(title='中国大学排名'),
                visualmap_opts=opts.VisualMapOpts(
                    max_=40,
                    # 分几段
                    split_number=8,
                    # 是否分段
                    is_piecewise=True,
                ),
    
            )
        )
        # 渲染
        map.render('各省市大学数量分布(地图).html')

![在这里插入图片描述][ddafc9e7cf244f3cbd14ae609194322e.png]

**先赞后看，养成习惯！！！^ \_ ^ ❤️ ❤️ ❤️  
码字不易，大家的支持就是我的坚持下去的动力。点赞后不要忘了关注我哦！**

[f5619570931a4439a3c29997f7671c51.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/d58dfd8e8f544c098e7bb674792d3b30.gif
[907ba27057ba4349a5638eb0224a23cb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/1737a670f7d34889b3be17abf215a83f.png
[3a670036a67445cb98cc8c24bfda4385.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/38cfcf07e0e54a33a693b58cd82b8db5.png
[86b54bc90cf34a68908ed5953c6433a8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/e29712758a684bc6b406e3b54660f00a.png
[1c73df71e3574a259117ab6069ee7504.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/050c430525de4f0b9a929152377a22a4.png
[3660f0ad41864c719fe1a2355591f474.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/a123b74985254d37af1d8c05589b6b3e.png
[269e24227d74402abf5af65ee06059df.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/25919caf5f6a4c4091bd7f0b40f50fe2.png
[10a1a40b2f3a45ee94c516a48c39e901.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/783bd78604b44de3af600af0d262e2dd.png
[e39a98aade924b9e90516ea92293b9bc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/f88fb2c1c63c4edd883c084fb0062a7c.png
[eec97f60742a46b8a1f1af7e0c05bf28.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/13e258e6cc114f399d139b02fb1fed88.png
[cc00158095c24c489ba7ed72a5533cf4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/afd35ab946244c23b3fa211ffd9c7ec7.png
[ddafc9e7cf244f3cbd14ae609194322e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/03/67c82a9f132245e1a209ba582d168e61.png