微信公众号 手机网站,七初SEO网站建设,深圳航空公司最新招聘,牡丹江市建设工程交易中心网站#x1f9d1; 博主简介#xff1a;曾任某智慧城市类企业算法总监#xff0c;目前在美国市场的物流公司从事高级算法工程师一职#xff0c;深耕人工智能领域#xff0c;精通python数据挖掘、可视化、机器学习等#xff0c;发表过AI相关的专利并多次在AI类比赛中获奖。CSDN… 博主简介曾任某智慧城市类企业算法总监目前在美国市场的物流公司从事高级算法工程师一职深耕人工智能领域精通python数据挖掘、可视化、机器学习等发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者提供AI相关的技术咨询、项目开发和个性化解决方案等服务如有需要请站内私信或者联系任意文章底部的的VX名片IDxf982831907 博主粉丝群介绍① 群内初中生、高中生、本科生、研究生、博士生遍布可互相学习交流困惑。② 热榜top10的常客也在群里也有数不清的万粉大佬可以交流写作技巧上榜经验涨粉秘籍。③ 群内也有职场精英大厂大佬可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本送真活跃粉丝助你提升文章热度。有兴趣的加文末联系方式备注自己的CSDN昵称拉你进群互相学习共同进步。 【数据可视化-10】国防科技大学录取分数线可视化分析 一、引言二、数据准备三、Pyecharts简介四、数据可视化分析4.1 省份理科一本线分布图4.2 工程技术类录取分数分布图4.3 学历教育合训类录取分数分布图4.4 分数结合地图的展示4.4.1 地图热力图4.4.2 3D地图3D柱状图工程技术类录取最高分情况 五、结论 一、引言 在当今信息爆炸的时代数据可视化成为了一种强有力的工具能够帮助我们直观地理解和分析复杂的数据集。本文将利用Python的Pyecharts库对国防科技大学2016年的录取分数数据进行可视化分析。通过图表展示我们可以清晰地看到不同省份的录取分数分布情况为考生和家长提供有价值的参考信息。
二、数据准备 首先我们需要准备好国防科技大学2016年的录取分数数据。数据包含以下字段省份、理科一本线、工程技术类最高分、工程技术类最低分、工程技术类平均分、学历教育合训类最高分、学历教育合训类最低分、学历教育合训类平均分。以下是部分数据示例
省份理科一本线工程技术类最高分工程技术类最低分工程技术类平均分学历教育合训类最高分学历教育合训类最低分学历教育合训类平均分北京548662607629613570592天津512659634649600537567河北525682654667669640649山西519639617625638579599内蒙古484641615627623558597辽宁498660624637641607621吉林530658639649634599615黑龙江486667623641628580600 详细数据参考国防科技大学招生官网国防科技大学招生官网 或者联系我。
三、Pyecharts简介 Pyecharts是一个用于生成Echarts图表的Python库。Echarts是一个使用JavaScript实现的开源可视化库能够生成丰富的交互式图表。Pyecharts通过将Echarts的图表转化为Python代码使得在Python环境下也能方便地生成高质量的图表。
四、数据可视化分析 接下来我们将使用Pyecharts库对国防科技大学2016年的录取分数数据进行可视化分析。 首先导入数据并对数据中的异常值进行清洗具体代码如下
import numpy as np
import pandas as pddata pd.read_excel(data.xlsx)def replace_mean(df,colA):col列中的/用这一列的均值来替换df[col] df[col].replace(/, np.nan)mean_A df[col].mean(skipnaTrue)df[col].fillna(mean_A, inplaceTrue)for col in [学历教育合训类最高分,学历教育合训类最低分,学历教育合训类平均分]:replace_mean(data,col)4.1 省份理科一本线分布图 首先我们绘制一个柱状图展示不同省份的理科一本线分布情况。
from pyecharts import options as opts
from pyecharts.charts import Barc (Bar().add_xaxis(data[省 份].tolist()).add_yaxis(理科一本线, data[理科一本线].tolist()).set_global_opts(title_optsopts.TitleOpts(title国防科技大学2016年理科一本线录取分数, subtitle各省分数情况分布)).render(bar_base.html)
)生成的柱状图清晰地展示了不同省份的理科一本线分布情况。可以看到海南的理科一本线最高达到了602分而江苏的理科一本线最低为353分但各个地方的总分不同需要做具体分析这里就是展示一组数据而已具体结果不具有参考性。
4.2 工程技术类录取分数分布图 接下来我们绘制三个折线图分别展示工程技术类的最高分、最低分和平均分的分布情况。
import pyecharts.options as opts
from pyecharts.charts import Linex_data data[省 份].tolist()(Line().add_xaxis(xaxis_datax_data).add_yaxis(series_name理科一本线,stack总量,y_axisdata[理科一本线].tolist(),label_optsopts.LabelOpts(is_showFalse),).add_yaxis(series_name工程技术类最高分,stack总量,y_axisdata[工程技术类最高分].tolist(),label_optsopts.LabelOpts(is_showFalse),).add_yaxis(series_name工程技术类最低分,stack总量,y_axisdata[工程技术类最低分].tolist(),label_optsopts.LabelOpts(is_showFalse),).add_yaxis(series_name工程技术类平均分,stack总量,y_axisdata[工程技术类平均分].tolist(),label_optsopts.LabelOpts(is_showFalse),).set_global_opts(title_optsopts.TitleOpts(title工程技术类招聘分数),tooltip_optsopts.TooltipOpts(triggeraxis),yaxis_optsopts.AxisOpts(type_value,axistick_optsopts.AxisTickOpts(is_showTrue),splitline_optsopts.SplitLineOpts(is_showTrue),),xaxis_optsopts.AxisOpts(type_category, boundary_gapFalse),).render(stacked_line_chart.html)
) 生成的折线图展示了工程技术类在不同省份的最高分、最低分和平均分的分布情况。可以看到工程技术类的最高分和平均分在海南最高分别为829分和750分而最低分在江苏最高为404分。
4.3 学历教育合训类录取分数分布图 类似地我们绘制三个折线图展示学历教育合训类的最高分、最低分和平均分的分布情况。
# 数据准备
scores_edu_max [613, 600, 669, 638, 623, 641, 634, 628]
scores_edu_min [570, 537, 640, 579, 558, 607, 599, 580]
scores_edu_avg [592, 567, 649, 599, 597, 621, 615, 600]# 创建折线图
line Line()
line.add_xaxis(provinces)
line.add_yaxis(学历教育合训类最高分, scores_edu_max)
line.add_yaxis(学历教育合训类最低分, scores_edu_min)
line.add_yaxis(学历教育合训类平均分, scores_edu_avg)# 设置全局配置项
line.set_global_opts(title_optsopts.TitleOpts(title学历教育合训类录取分数分布图),yaxis_optsopts.AxisOpts(name分数),xaxis_optsopts.AxisOpts(name省份),legend_optsopts.LegendOpts(pos_leftleft)
)# 渲染图表
line.render(edu_scores_distribution_chart.html)生成的折线图展示了学历教育合训类在不同省份的最高分、最低分和平均分的分布情况。可以看到学历教育合训类的最高分在海南最高最低分在江苏和上面的结果一致。
4.4 分数结合地图的展示
4.4.1 地图热力图 首先对省份数据进行清洗
province_mapping {北京:北京市,天津:天津市,河北:河北省,山西:山西省,内蒙古:内蒙古自治区,辽宁:辽宁省,吉林:吉林省,黑龙江:黑龙江省,上海:上海市,安徽:安徽省,...
}data[prov] data[省 份].map(province_mapping)绘制基于地图的省份理科一本线的详细代码如下
from pyecharts import options as opts
from pyecharts.charts import Mapc (Map().add(学历教育合训类最高分, [list(z) for z in zip(data[prov].tolist(), data[学历教育合训类最高分].tolist())], china).set_global_opts(title_optsopts.TitleOpts(title国防科技大学学历教育合训类最高分分布),visualmap_optsopts.VisualMapOpts(max_max(data[学历教育合训类最高分].tolist()),min_min(data[学历教育合训类最高分].tolist())),).render(map_visualmap.html)
)4.4.2 3D地图3D柱状图工程技术类录取最高分情况 首先对数据进行清洗做成绘图需要的数据结构具体的数据结构如下
[(广东, [113.27, 23.13, 641]),(黑龙江, [127.9688, 45.368, 667]),(内蒙古, [110.3467, 41.4899, 641]),(吉林, [125.8154, 44.2584, 658]),(辽宁, [123.1238, 42.1216, 660]),(河北, [114.4995, 38.1006, 682]),(天津, [117.4219, 39.4189, 659]),(山西, [112.3352, 37.9413, 639]),(陕西, [109.1162, 34.2004, 665]),(甘肃, [103.5901, 36.3043, 632]),(宁夏, [106.3586, 38.1775, 637]),(青海, [101.4038, 36.8207, 596]),(新疆, [87.9236, 43.5883, 673]),(西藏, [91.11, 29.97, 0]),(四川, [103.9526, 30.7617, 665]),(重庆, [108.384366, 30.439702, 671]),(山东, [117.1582, 36.8701, 679]),(河南, [113.4668, 34.6234, 665]),(江苏, [118.8062, 31.9208, 404]),(安徽, [117.29, 32.0581, 655]),(湖北, [114.3896, 30.6628, 665]),(浙江, [119.5313, 29.8773, 692]),(福建, [119.4543, 25.9222, 632]),(江西, [116.0046, 28.6633, 645]),(湖南, [113.0823, 28.2568, 662]),(贵州, [106.6992, 26.7682, 671]),(广西, [108.479, 23.1152, 642]),(海南, [110.3893, 19.8516, 829]),(上海, [121.4648, 31.2891, 489])]以(‘广东’, [113.27, 23.13, 641])为例广东’表示省份[113.27, 23.13]表示广东的经纬度而641表示国防科技大学在广东省工程技术类招聘的最高分为641分 具体的绘图代码如下
import pyecharts.options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartTypemap3d (# 3D地图Map3D(# 初始化配置项init_optsopts.InitOpts(themewhite, # 图表主题 white darkwidth99vw, # 图表画布宽度height97vh, # 图标画布长度))# !!!!全局配置项!!!!.set_global_opts(# 标题配置项title_optsopts.TitleOpts(title3D地图柱状图, # 主标题),# 视觉映射配置项visualmap_optsopts.VisualMapOpts(is_showTrue, # 是否显示视觉映射配置max_1000, # 指定 visualMapPiecewise 组件的最大值),)# !!!!系列配置项!!!!.set_series_opts(# 标签名称显示默认为Truelabel_optsopts.LabelOpts(is_showTrue # 是否显示标签名字)).add_schema(# 地图类型maptypechina,# 图元样式配置项itemstyle_optsopts.ItemStyleOpts(# 图形的颜色color#1661AB,# 描边宽度默认不描边。border_width0.8,# 图形的描边颜色。支持的颜色格式同 color不支持回调函数。border_colorrgb(62,215,213)),)# 数据配置.add(# 系列名称用于 tooltip 的显示legend 的图例筛选series_name人数,# 数据项 (坐标点名称坐标点值)data_pairdata_pair,# 叠加图的类型目前只支持 Bar3DLine3DLines3DScatter3Dtype_ChartType.BAR3D,# 柱体大小bar_size1,)
)
map3d.render(3D_Map.html)五、结论 通过对国防科技大学2016年的录取分数数据进行可视化分析我们可以得出以下结论 不同省份的高考总分不同具体结果不具有实际意义但并不影响数据可视化分析的流程
