
來源:早起Python
作者:劉早起
本文將基于東京奧運(yùn)會(huì)獎(jiǎng)牌榜數(shù)據(jù),使用 pandas 進(jìn)行數(shù)據(jù)分析可視化實(shí)戰(zhàn)(文末可以下載數(shù)據(jù)與源碼)
首先是奧運(yùn)會(huì)獎(jiǎng)牌數(shù)據(jù)的獲取,雖然有很多接口提供數(shù)據(jù),但是通過奧運(yùn)會(huì)官網(wǎng)拿到的數(shù)據(jù)自然是最可靠的
通過對東京奧運(yùn)會(huì)官網(wǎng)獎(jiǎng)牌榜的頁面分析,發(fā)現(xiàn)其表格在前端是通過 嵌入的,所以可以使用 pandas.read_html() 輕松讀取
之后再讀取本地分日獎(jiǎng)牌數(shù)據(jù)并將國家ID進(jìn)行匹配
注意到上面的 df1 列名并沒有完整,所以可以使用 rename 函數(shù)修改指定列的名稱
既然 df2 有時(shí)間列,為了方便后面分析,自然要檢查一下其類型
可以看到,獲獎(jiǎng)時(shí)間列雖然沒有缺失值但其并不是pandas支持的時(shí)間類型。
好在修改列屬性并不是什么困難的事情,一行代碼輕松搞定(7-12)
通過觀察可以發(fā)現(xiàn),df2并沒有 國家名稱 列,但是其與 df1 有一個(gè)共同列 國家id
為了給 df2 新增一列 國家名稱 列,一個(gè)自然的想法就是通過 國家id 列將兩個(gè)數(shù)據(jù)框進(jìn)行合并,在 pandas 中實(shí)現(xiàn),也不是什么困難的事情
現(xiàn)在 df2 就調(diào)整的差不多了(由于源數(shù)據(jù)問題,部分獲獎(jiǎng)時(shí)間與真實(shí)時(shí)間有一定誤差),下面開始進(jìn)行分析
下面對 df2 進(jìn)行一些統(tǒng)計(jì)分析,計(jì)算每個(gè)國家的獎(jiǎng)牌總數(shù)(也就是出現(xiàn)次數(shù)),并查看獎(jiǎng)牌數(shù)前5名,結(jié)果可以用 df1 進(jìn)行驗(yàn)證
看完國家獎(jiǎng)牌排行,接下來計(jì)算獲得獎(jiǎng)牌最多的運(yùn)動(dòng)員(注意:僅統(tǒng)計(jì)單人項(xiàng)目)
這里無需使用分組功能,只需要按照運(yùn)動(dòng)員姓名列進(jìn)行頻率統(tǒng)計(jì)即可。
下面篩選出全部乒乓球的獲獎(jiǎng)信息,這里的篩選有多種寫法,你能寫出幾種?
現(xiàn)在查看各國在各項(xiàng)目上的獎(jiǎng)牌詳情,下面是通過透視得到的答案,但你會(huì)使用使用數(shù)據(jù)分組功能嗎?
在上一題的基礎(chǔ)上,查詢中國隊(duì)的獲獎(jiǎng)牌詳情,注意是查詢而不是篩選,所以使用上上一題的方法將會(huì)報(bào)錯(cuò)
如何將上一題的結(jié)果進(jìn)一步突出展示,可以使用 pandas 中的 style
上面說到,df2 的獲獎(jiǎng)時(shí)間部分并不準(zhǔn)確(主要體現(xiàn)在小時(shí)上),所以我們干脆將時(shí)間精確到天,這里可以使用 map 對一整列進(jìn)行操作
接下來,讓我們統(tǒng)計(jì)每天產(chǎn)生的獎(jiǎng)牌總數(shù)
可以看到,最后一天產(chǎn)生的獎(jiǎng)牌數(shù)量最多
再來查看不同項(xiàng)目在不同國家的分布情況,同樣也可以使用分組功能實(shí)現(xiàn)
接下來讓我們計(jì)算中國每日總獎(jiǎng)牌數(shù)量,你能想到該如何實(shí)現(xiàn)嗎?
最后,計(jì)算前十名各國每日獎(jiǎng)牌數(shù)量統(tǒng)計(jì),注意:對于第一天沒有數(shù)據(jù)的國家用0填充,其余時(shí)間的缺失值用上一日數(shù)據(jù)填充。
這看似簡單的問題,涉及的 pandas 操作還真不少!
首先制作獎(jiǎng)牌排行榜
上圖使用 matplotlib 制作,看起來不錯(cuò),但代碼量也確實(shí)不少
接下來使用 pyecharts 繪制上一題獎(jiǎng)牌榜各獎(jiǎng)牌的細(xì)分
使用 pyecharts 的好處就是使用封裝好的方法,代碼量相對較少
現(xiàn)在進(jìn)一步繪制中國隊(duì)的獎(jiǎng)牌分布
同樣使用 pyecharts ,實(shí)際行代碼搞定
現(xiàn)在繪制獎(jiǎng)牌分布的熱力地圖
使用 pyecharts 繪制,繪圖代碼不多,但是調(diào)整國家中英文映射字典是一件痛苦的事情
最后繪制每日獎(jiǎng)牌榜前十獎(jiǎng)牌數(shù)量的動(dòng)態(tài)圖,使用 matplotlib 或 pyecharts 均得不到較好的效果,所以這里使用另一個(gè)第三方庫 bar_chart_race 進(jìn)行繪制
以上就是基于 2020年東京奧運(yùn)會(huì) 數(shù)據(jù)進(jìn)行的一系列數(shù)據(jù)分析可視化流程,基本涉及到利用 Pandas 進(jìn)行數(shù)據(jù)分析的主要操作,是一份不可多得的簡單易懂、利于探索的數(shù)據(jù)集。
df1 = pd.read_html("https://olympics.com/tokyo-2020/olympic-games/zh/results/all-sports/medal-standings.htm")[0]
df2 = pd.read_csv("東京奧運(yùn)會(huì)獎(jiǎng)牌分日數(shù)據(jù).csv")
修改列名
df1.rename(columns={'Unnamed: 2':'金牌數(shù)', 'Unnamed: 3':'銀牌數(shù)', 'Unnamed: 4':'銅牌數(shù)'},inplace=True)
數(shù)據(jù)類型查看與修改
df2.info()
df2['獲獎(jiǎng)時(shí)間'] = pd.to_datetime(df2['獲獎(jiǎng)時(shí)間'])
數(shù)據(jù)合并
temp = pd.merge(df1,df2,on = '國家id') #先合并 temp['獲獎(jiǎng)時(shí)間'] = pd.to_datetime(temp['獲獎(jiǎng)時(shí)間'])#修改類型 temp = temp.sort_values(by=['獲獎(jiǎng)時(shí)間','獎(jiǎng)牌類型'], ascending=True, ignore_index=True)#排序,和df2一樣 df2['國家'] = temp['國家奧委會(huì)']#賦值
數(shù)據(jù)分組
數(shù)據(jù)統(tǒng)計(jì)
數(shù)據(jù)篩選
數(shù)據(jù)透視
pd.pivot_table(df2,values = ['獎(jiǎng)牌類型'],index = ['國家','運(yùn)動(dòng)類別'],aggfunc = 'count')
數(shù)據(jù)查詢
result.query("國家 == ['中國']")
個(gè)性化查看
(result.query("國家 == ['中國']")
.style
.bar(subset=['獎(jiǎng)牌類型'],color='skyblue'))
數(shù)據(jù)格式化
def time_format(x): return x.strftime("%m月%d日")
df2['獲獎(jiǎng)時(shí)間'] = df2['獲獎(jiǎng)時(shí)間'].map(time_format)
分組統(tǒng)計(jì)
df2.groupby("獲獎(jiǎng)時(shí)間")['國家'].count().sort_values()
數(shù)據(jù)透視
pd.pivot_table(df2,values = ['獎(jiǎng)牌類型'],index = ['運(yùn)動(dòng)類別','國家'],aggfunc = 'count')
數(shù)據(jù)計(jì)算
pd.pivot_table(df2,values = ['獎(jiǎng)牌類型'],index = ['獲獎(jiǎng)時(shí)間','國家'],aggfunc = 'count').query("國家 == ['中國']").cumsum()
數(shù)據(jù)計(jì)算
data = pd.pivot_table(df2,values = ['獎(jiǎng)牌類型'],index = ['獲獎(jiǎng)時(shí)間','國家'],aggfunc = 'count').query("國家 == ['美國', '中國', '日本', '英國', 'ROC', '澳大利亞', '荷蘭', '法國', '德國', '意大利']") data = data.unstack() data.columns = data.columns.get_level_values(1) data.columns.name = None data = data.cumsum() data = data.fillna(axis=0,method='ffill').fillna(0) data
條形圖
堆疊圖
環(huán)形圖
地圖
動(dòng)態(tài)圖
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03