Pandas+Pyecharts：2024中国大学综合排名分析+可视化，来围观看看你的大学上榜没

import pandas as pd # 数据处理

import numpy as np # 科学运算

from pyecharts.charts import * # 可视化图表

from pyecharts import options as opts

df = pd.read_csv(‘./中国大学综合排名2021.csv’, encoding=‘gb2312’)

df.describe()

df.isnull().sum()

df.fillna(0, inplace=True)

df.isnull().sum()

df[df[‘升/降’] == 0]

统计前50名中排名下降的学校

df.loc[(df[‘排名’] < 50) & (df[‘升/降’] < 0), :]

数据分组 各省大学数量

g = df.groupby(‘省市’)

df_counts = g.count()[‘排名’]

df0 = df_counts.copy()

df0.sort_values(ascending=False, inplace=True)

df_mean0 = g.mean()[‘总分’]

df_means = df_mean0.round(2)

df1 = pd.concat([df_counts, df_means], join=‘outer’, axis=1)

df1.columns = [‘数量’, ‘平均分’]

df1.sort_values(by=[‘平均分’], ascending=False, inplace=True)

d1 = df1.index.tolist()

d2 = df1[‘数量’].values.tolist()

d3 = df1[‘平均分’].values.tolist()

bar0 = (

Bar()

.add_xaxis(d1)

.add_yaxis(‘数量’, d2)

.add_yaxis(‘平均分’, d3)

.reversal_axis()

.set_series_opts(label_opts=opts.LabelOpts(position=‘right’))

)

bar0.render_notebook()

name = df_counts.index.tolist()

count = df_counts.values.tolist()

c0 = (

Pie()

.add(‘’, [list(z) for z in zip(name, count)],

radius=[‘20%’, ‘60%’],

center=[‘50%’, ‘65%’],

rosetype=‘radius’)

‘%.2f%%’ -> sum() / 各个值

)

c0.render_notebook()

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

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。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

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。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

加入社区：https://bbs.youkuaiyun.com/forums/4304bb5a486d4c3ab8389e65ecb71ac0