pandas+pyecharts数据分析，摆脱excel

最近k老板正好要我处理关于2014-2020某网站的商标数据，现在直播如何处理。

需求

1. 根据申请公司的地址分析国内各地区商标需求

2. 一家公司最多申请多少个商标

3. 近三年的增幅

4. 画出个图

选择工具与库

1. 当然是pandas

2. 画图选pyecharts，matplotlib也可以，但细节设置比较麻烦，图也没echarts多

打开数据，分析需求

1. 我惊了，好家伙，10万条数据，这excel打开都得十几秒，这不得用python？

image

需求一：只要整出公司地址然后计个数

打开pycharm（jupyter也可以，但几万条数据中间调试反而是浪费我时间，直接pycharm开干）

#导入相应模块
import pandas as pd
import xlrd
from pyecharts.charts import Bar,Line,Tab
import pyecharts.options as opts

df = pd.read_excel('./data.xlsx')  #读取数据

现在有个问题，申请人地址是公司具体地址，但是我需要看每个省的数量。但数据很规范，都是xx省xx市的形式，我们取前三个字符即可。

说明：数据里还有泰国、韩国啥的，但我要这些干什么，我只要国内的注册数量前15就够了，这些不用管。

df["申请人地址"] = df["申请人地址"].apply(lambda x:x[:3]) # 选择地址列，切片前三个字符，lambda相当于一个小def

然后计数排序

data = df["申请人地址"].value_counts().sort_values(ascending=False) # 降序方式

画图开始

直接pyecharts官方文档复制

bar = (
    Bar()
    .add_xaxis(data.head(15).index.tolist()) # x轴取索引
    .add_yaxis("", data.head(15).tolist()) # y轴取上面得到的值
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各地域需求量(前15)")
    ).render()
)

领导要的肯定远远不是这些，还不知道他这B？他肯定要的是全部数据，导出一下

data = pd.DataFrame({'省份':data.index.tolist(),"数量":data.tolist()}) # 新建dDateFrame
data.to_excel('地域需求量.xlsx',sheet_name='1') #写入excel

右键运行，倒杯卡布奇诺

结果如下：

image

需求二：一家公司最多申请多少个商标

啥也别分析了，先打开pycharm导库和读数据，这是必须要的，就跟写数学你得先写个解字。

import pandas as pd
import xlrd
from pyecharts import options as opts
from pyecharts.charts import Bar,Pie
df = pd.read_excel('./data.xlsx')

现在有点麻烦，申请人地址就是公司，我根据申请人地址就能看到这个公司有多少个商标，但是你知道吗，同一个名称的商标里面还有分类，现在要统计的是这个公司有多少个不同名的商标。

也就是说，这波分析需要三个考虑三个东西：申请人地址、商标名、商标分类，按上面那个需求的操作只能统计出一个公司下面有多少个商标（含名称和分类）。

各位，看我操作：

data = df.groupby('申请人地址')['商标名'].nunique().sort_values(ascending=False)

一行代码直接搞定，我不会excel，不知道excel得怎么做。这行代码做的事情如下：

1.按申请人地址进行整个数据的分组

2.在分组里取商标名这一列

3.在商标名里取唯一值并计数

4.排序

这个nunique方法是我在各大教程从来没有见过的，其实for遍历也可以实现这个需求，但我很清楚pandas的存在最大意义就是减少for循环，而且这不够帅，所以我翻遍网络找到这个东西。

下面是和上一个需求最后相同操作：

df = data.head(15) #数据只要排名靠前的
c = (
    Bar()
    .add_xaxis(df['申请人地址'].tolist())
    .add_yaxis("", df['商标个数'].tolist())
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)),
        title_opts=opts.TitleOpts(title="各公司申请数量", subtitle=""),
    )
    .render("bar_rotate_xaxis_label.html")
)
data = pd.DataFrame({'申请人地址':data.index.tolist(),"商标个数":data.tolist()})
data.to_excel('每家公司的商标个数.xlsx',sheet_name='商标个数') #写入excel

结果展示：

image