163Python数据分析师课程考核项目04

163Python数据分析师课程考核项目04

多场景下的图表可视化表达

excel数据概览

运动员信息

运动员CP热度

题目1

2016年奥运运动员数据，数据格式为xlsx，分3个sheet
1、分男女分别分析运动员的身高分布，并制作图表，数据为“奥运运动员数据.xlsx，sheet → 运动员信息”
要求：
① 制作分布密度图② 计算出男女平均身高，并绘制辅助线表示
提示：
① 可视化制图方法 → sns.distplot()② 辅助线制图方法 → plt.axvline()③ 分男女分别筛选数据并制作图表④ 不需要创建函数

题目1思路

1. 创建工作路径，查看读取数据。
2. 提取身高信息，提取性别和身高，去除空值。
3. 根据男女分类，reset_index()重新设置标签
4. 计算平均值
5. 绘制分布密度图，创建绘图区域，设置图表大小，绘制平均身高辅助线。

题目1 代码

# 1. 创建工作路径，查看读取数据。
import os
os.chdir('C:\\Users\\WQQ\\Desktop\\163data\\项目题目和项目答案\\考核项目04_多场景下的图表可视化表达\\')
df=pd.read_excel('奥运运动员数据.xlsx',sheetname='运动员信息')
df_len=len(df)
df_col=df.columns.tolist()
# 2. 提取身高信息，提取性别和身高，去除空值。
data_height=pd.DataFrame(df['gender'],df['height'])
data_height.dropna(inplace=True)
# 3. 根据男女分类，reset_index()重新设置标签
data_male=data_height.groupby(['gender']).get_group('男').reset_index()
data_famale=data_height.groupby(['gender']).get_group('女').reset_index()
# 4. 计算平均值
male_mean=data_male['height'].mean()
famale_mean=data_famale['height'].mean()
print('男性运动员平均身高：%i，\n女性运动员平均身高：%i' 
      %(male_mean,famale_mean))
5. 绘制分布密度图，创建绘图区域，设置图表大小，绘制平均身高辅助线。
plt.figure(figsize=(6,4))
sns.distplot(data_male['height'],hist=False,kde=True,rug=True,color='blue',axlabel='运动员身高',label='男性运动员身高分布')
sns.distplot(data_famale['height'],hist=False,kde=True,rug=True,color='red',axlabel='运动员身高',abel='女性运动员身高分布')
plt.grid()
plt.axvline(male_mean,color='blue',linestyle=':')
plt.text(male_mean+2,0.005,'男性运动员身高平均值：%i' %male_mean,color='blue')
plt.axvline(famale_mean,color='red',linestyle='--')
plt.text(famale_mean,0.003,'女性运动员身高平均值：%i' %famale_mean,color='red')

题目1成果

题目2

2、综合指标判断运动员的身材，并找到TOP8的运动员，并制作图表，数据为“奥运运动员数据.xlsx，sheet → 运动员信息”
要求：① 针对不同指标，绘制面积堆叠图② TOP8的运动员，绘制雷达图表示
提示：① 四个指标评判运动员身材，并加权平均
a. BMI 指数（BMI =体重kg ÷ 身高m2，详细信息可百度查询）→ 越接近22分数越高
b. 腿长/身高 指数 → 数据筛选，只选取小于0.7的数据，越大分数越高
c. 臂展/身高 指数 → 数据筛选，只选取大于0.7的数据，比值越接近1分数越高
d. 年龄 指数 → 年龄越小分数越高
对上述abcd指标分别标准化得到n1,n2,n3,n4（划分到0-1的分值）， 最后评分： finalscore = (n1 + n2 + n3 + n4)/4
② 制作堆叠面积图，data.plot.area()
③ 雷达图需要构建子图 + for循环遍历得到**

题目2思路

1.创建工作路径,查看读取数据；
2.选出需要进行处理的数据,计算四个指标：BMI，筛选出腿长/身高<0.7，筛选出臂展/身高>0.7，年龄指数；
3. 参数评估：BMI 越接近22分数越高；腿长/身高 越大分数越高；臂展/身高比值越接近1分数越高；年龄指数年龄越小分数越高；
4. 对上述指标分别标准化得到n1,n2,n3,n4，划分到0-1的分值；
5. 最后评分： finalscore = (n1 + n2 + n3 + n4)/4；
6. 排序设定index；
7. 绘制面积图。
8. 筛选出top08的运动员
9. 分别绘制每个运动员的评分雷达图

题目2 代码

# 1.创建工作路径,查看读取数据
import os
os.chdir('C:\\Users\\WQQ\\Desktop\\163data\\项目题目和项目答案\\考核项目04_多场景下的图表可视化表达\\')
df=pd.read_excel('奥运运动员数据.xlsx',sheetname='运动员信息')
df_len=len(df)
df_col=df.columns.tolist()
# 2.选出需要进行处理的数据,计算四个指标：BMI，筛选出腿长/身高<0.7，筛选出臂展/身高>0.7，年龄指数
data=df[['name','birthday','height','arm','leg','weight','age']]
data.dropna(inplace=True)
data02=data.reset_index()
data02['BMI']=data02['weight']/(data02['height']/100)**2
data02['leg/height']=data02['leg']/data02['height']
data02['arm/height']=data02['arm']/data02['height']
data02['age']
data01=data02[['name','BMI','leg/height','arm/height','age']]
data01=data01[data01['leg/height']<0.7]
data01=data01[data01['arm/height']>0.7]
# 3. 参数评估：BMI 越接近22分数越高；腿长/身高 越大分数越高；臂展/身高  比值越接近1分数越高；年龄 指数 年龄越小分数越高
data01['reBMI']=np.abs(data01['BMI']-22)
data01['releg/height']=data01['leg/height']
data01['rearm/height']=np.abs(data01['arm/height']-1)
data01['reage']=data01['age']
# 4. 对上述abcd指标分别标准化得到n1,n2,n3,n4，划分到0-1的分值）
data01['BMI_sta']=(data01['reBMI'].max()-data01['reBMI'])/(data01['reBMI'].max()-data01['reBMI'].min())
data01['leg/h_sta']=(data01['releg/height']-data01['releg/height'].min())/(data01['releg/height'].max()-data01['releg/height'].min())
data01['arm/h_sta']=(data01['rearm/height'].max()-data01['rearm/height'])/(data01['rearm/height'].max()-data01['rearm/height'].min())
data01['age_sta']=(data01['reage'].max()-data01['reage'])/(data01['reage'].max()-data01['reage'].min())
# 5. 最后评分： finalscore = (n1 + n2 + n3 + n4)/4
data01['final']=(data01['BMI_sta']+data01['leg/h_sta']+data01['arm/h_sta']+data01['age_sta'])/4
# 6. 排序设定index
plt.figure(figsize=(10,6))
data01.sort_values(by='final',inplace=True,ascending=False)
data01.reset_index(inplace=True)
# 7. 绘制面积图
data01[['BMI_sta','leg/h_sta','arm/h_sta','age_sta']].plot.area(colormap='autumn',alpha=0.3,figsize=(10,6))
plt.ylim([0,4])
plt.grid()
# 8. 筛选出top08的运动员
datatop08=data01[:8]
datatop08=datatop08[['name','BMI_sta','leg/h_sta','arm/h_sta','age_sta','final']]
fig=plt.figure(figsize=(16,8))
plt.subplots_adjust(wspace=0.35,hspace=0.5)
# 9. 分别绘制每个运动员的评分雷达图
n = 0
for i in datatop08['name'].tolist():
    n += 1
    axi = plt.subplot(2,4,n, projection = 'polar')
    datai = datatop08[['BMI_sta','leg/h_sta','arm/h_sta','age_sta']][datatop08['name']==i].T
    scorei = datatop08['final'][datatop08['name']==i]
    angles = np.linspace(0, 2*np.pi, 4, endpoint=False)
    plt.polar(angles, datai, 'o-', linewidth=1)
    axi.fill(angles,datai,alpha=0.3)
    axi.set_thetagrids(np.arange(0.0, 360.0, 90),['BMI','腿长/身高','臂长/身高','年龄'])
    axi.set_rgrids(np.arange(0.2,1.5,0.2),'--')
    plt.title('Top%i %s: %.3f\n' %(n,i,scorei))

题目成果

运动员身体指标面积图

top08运动员的身体指标雷达图

题目3

根据运动员CP数据，分析出CP综合热度，通过python处理数据并导出，在Gephi中绘制图表，数据为“奥运运动员数据.xlsx，sheet → 运动员CP热度”
要求：① 用python计算出综合热度指标② 用Gephi绘制关系可视化图表
提示：① 三个指标评判运动员CP综合热度，并加权平均
a. cp微博数量 → 数量越多分数越高
b. cp微博话题阅读量 → 阅读量越多分数越高
c. B站cp视频播放量 → 播放量越大分数越高
对上述abcd指标分别标准化得到n1,n2,n3,n4（划分到0-1的分值），最后评分： finalscore = n10.5 + n20.3 + n30.2
② Gephi中布局模式选择“ForceAtlas2”
③ Gephi中通过模块化计算，给关联结果做分组，并且以此分组设定点颜色***

题目3思路

1. 加载读取数据
2. 数据清洗：
3. 计算综合指标：
a. cp微博数量 → 数量越多分数越高
b. cp微博话题阅读量 → 阅读量越多分数越高
c. B站cp视频播放量 → 播放量越大分数越高
4. 最后评分： finalscore = n10.5 + n20.3 + n30.2
5. 数据排序设定标签
6. 导出excel文件***

题目3 代码

# 1. 加载读取数据
import os
os.chdir('C:\\Users\\WQQ\\Desktop\\163data\\项目题目和项目答案\\考核项目04_多场景下的图表可视化表达\\')
df=pd.read_excel('奥运运动员数据.xlsx',sheetname='运动员CP热度')
df_len=len(df)
df_col=df.columns.tolist()
# 2. 数据清洗：
df.replace([np.nan,'无数据'],0,inplace=True)
# 3. 计算综合指标
# a. cp微博数量 → 数量越多分数越高#
# b. cp微博话题阅读量 → 阅读量越多分数越高
# c. B站cp视频播放量 → 播放量越大分数越高
# 4. 最后评分： finalscore = n1*0.5 + n2*0.3 + n3*0.2
df['微博排行']=(df['cp微博数量']-df['cp微博数量'].min())/(df['cp微博数量'].max()-df['cp微博数量'].min())
df['阅读排行']=(df['cp微博话题阅读量']-df['cp微博话题阅读量'].min())/(df['cp微博话题阅读量'].max()-df['cp微博话题阅读量'].min())
df['B站排行']=(df['B站cp视频播放量']-df['B站cp视频播放量'].min())/(df['B站cp视频播放量'].max()-df['B站cp视频播放量'].min())
df['final']=df['微博排行']*0.5+df['阅读排行']*0.3+df['B站排行']*0.2
# 5. 数据排序设定标签
df.sort_values('final',inplace=True,ascending=False)
df.reset_index(inplace=True)
# 6. 导出excel文件
result=df[['p1','p2','final']]
writer=pd.ExcelWriter('CP_sort.xlsx')
result.to_excel(writer,'sheet1')
writer.save

题目成果

根据‘箭头’大小能看粗，福原爱-张怡宁，林丹-李宗伟，孙杨-朴泰恒，宁泽涛-孙燕姿啊，傅园慧-孙杨，田亮-叶一西，以上这几对CP最热门。