Python数据可视化:25年GDP之变_基于d3

Python数据可视化:25年GDP之变_基于d3_第1张图片

同时还需要注意一下编码问题,这里的CSV文件需要用gbk编码。

下面是从统计局下载下来的CSV数据。

Python数据可视化:25年GDP之变_基于d3_第2张图片

我偷了个懒,直接就先在表格里删除了前三行,如下。

Python数据可视化:25年GDP之变_基于d3_第3张图片

接下来便是用Python对数据进行规整,代码如下。

 

import pandas as pd

# 读取数据
df = pd.read_csv( gdp.csv , encoding= utf-8 )
(names, values, dates) = ([], [], [])
# 记得去除地区这个列名,遍历年份
for i in df.columns[1:]:
    for j, k in zip(df[i], df[ 地区 ]):
        # 输出地区、GDP值、年份数据
        print(k, j, i)
        names.append(k)
        values.append(int(j))
        dates.append(int(i.replace( 年 ,   )))
# 生成DateFrame格式的数据
data = {
     name : names,
     type :   ,
     value : values,
     date : dates
}
# 将数据转存为新的CSV文件
frame = pd.DataFrame(data)
# 设置编码格式,避免乱码
frame.to_csv( gdp_last.csv , encoding= utf_8_sig )

获取的CSV数据如下。

Python数据可视化:25年GDP之变_基于d3_第4张图片

和大佬造的轮子所需数据格式是一样的,这里我不设置类型。

接下来就是克隆大佬的项目代码到你的计算机里。

这里以前我只是上传代码,没有去下载项目代码,所以不是很清楚怎么下载下来。

经过这次算是学会了。

首先安装一下GitHub Desktop,然后用你的GitHub账号登陆它。

配置一下你的用户名及绑定邮箱,便能克隆其他人的项目到你的本地。

然后打开src目录下的bargraph.html,浏览器就会打开一个网页。

在网页里点击选择文件,把文件上传上去就成功了。

网页上就会有动态视频出现,如下。

https://v.qq.com/x/page/e0821kbqkx8.html

是不是发现很有意思,哈哈。

这里我根据自己个人需要,对大佬的轮子进行了修改。

修改的地方是在src目录下的config.js文件里。

主要是一些小细节的修改,比如最多显示的条目数,标题,以及条目的颜色。

修改的文件及我的CSV文件都已经上传到GitHub上头了。地址如下

做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。

别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。

我先来介绍一下这些东西怎么用,文末抱走。


(1)Python所有方向的学习路线(新版)

这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

最近我才对这些路线做了一下新的更新,知识体系更全面了。

在这里插入图片描述

(2)Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

在这里插入图片描述

(3)100多个练手项目

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。

在这里插入图片描述

(4)200多本电子书

这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。

基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。

(5)Python知识点汇总

知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。

在这里插入图片描述

(6)其他资料

还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。

在这里插入图片描述

这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里无偿获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

你可能感兴趣的:(程序员,python,信息可视化,开发语言)