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。