第11章 Python数据分析

第11章Python数据分析问题概述要点：Python是进行数据分析所需掌握的基础性语言与分析工具，是未来掌握大数据分析技术的学习基础。GDP数据说明GDP数据说明国内生产总值（GrossDomesticProduct，简称GDP），是一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果。GDP是国民经济核算的核心指标，也是衡量一个国家或地区经济状况和发展水平的重要指标。GDP数据说明选取2006-2021年的我国GDP数据为数据来源。该数据格式为，该数据包括9个属性，分别为Quarter,GDP_Absolute,GDP_YOY,Primary_Industry_Abs,Primary_Industry_YOY,Secondary_Industry_Abs,Secondary_Industry_YOY,Tertiary_Industry_Abs,Tertiary_Industry_YOY。GDP数据说明属性含义Quarter季度GDP_Absolute国内生产总值绝对值GDP_YOY国内生产总值同比增长Primary_Industry_Abs第一产业绝对值_亿元Primary_Industry_YOY第一产业同比增长Secondary_Industry_Abs第二产业绝对值_亿元Secondary_Industry_YOY第二产业同比增长Tertiary_Industry_Abs第三产业绝对值_亿元Tertiary_Industry_YOY第三产业同比增长GDP数据预处理GDP数据预处理一般来说，数据预处理主要包括四个步骤，分别为：1）数据清洗；2）数据集成；3）数据变换；4）数据归约。GDP数据预处理根据原始数据的特点，以及数据分析的要求，该GDP数据预处理的基本思路如下：1）读入存储GDP数据的CSV文件；2）中文字符转换；3）数据类型转换；4）数据重新排序。GDP数据预处理-程序代码importpandasaspdimportnumpyasnpfrommatplotlibimportpyplotaspltimportmatplotlibasmplmpl.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#读入存储GDP数据的CSV文件GDP=pd.read_csv('2006-2021GDP.csv',encoding='utf-8')#原始数据print("原始数据：")print(GDP)print(type(GDP['GDP_YOY'][0]))GDP数据预处理-程序代码#中文字符转换defquarter(x):quarter1=x.replace('第','').replace('季度','').replace('年','.')returnquarter1GDP['Quarter']=GDP['Quarter'].apply(lambdax:quarter(x))GDP数据预处理-程序代码#数据类型转换foriinrange(64):GDP['GDP_YOY'][i]=eval(GDP['GDP_YOY'][i][:-1])GDP['Primary_Industry_YOY'][i]=eval(GDP['Primary_Industry_YOY'][i][:-1])GDP['Secondary_Industry_YOY'][i]=eval(GDP['Secondary_Industry_YOY'][i][:-1])GDP['Tertiary_Industry_YOY'][i]=eval(GDP['Tertiary_Industry_YOY'][i][:-1])GDP['GDP_Absolute']=GDP['GDP_Absolute'].astype('float')GDP['GDP_YOY']=GDP['GDP_YOY'].astype('float')GDP['Primary_Industry_Abs']=GDP['Primary_Industry_Abs'].astype('float')GDP['Primary_Industry_YOY']=GDP['Primary_Industry_YOY'].astype('float')GDP['Secondary_Industry_Abs']=GDP['Secondary_Industry_Abs'].astype('float')GDP['Secondary_Industry_YOY']=GDP['Secondary_Industry_YOY'].astype('float')GDP['Tertiary_Industry_Abs']=GDP['Tertiary_Industry_Abs'].astype('float')GDP['Tertiary_Industry_YOY']=GDP['Tertiary_Industry_YOY'].astype('float')GDP数据预处理-程序代码#重新排序GDP.sort_values(['Quarter'],inplace=True)GDP.reset_index(drop=True,inplace=True)#预处理后的数据print("预处理后的数据：")print(GDP)print(type(GDP['GDP_YOY'][0]))GDP数据预处理-运行结果原始数据：

QuarterGDP_Absolute...Tertiary_Industry_AbsTertiary_Industry_YOY02021年第1-4季度1143670.0...609680.08.20%12021年第1-3季度823131.0...450761.09.50%22021年第1-2季度532167.0...296611.011.80%32021年第1季度249310.0...145355.015.60%42020年第1-4季度1015986.2...553976.82.10%.................592007年第1季度57159.3...27703.214.10%602006年第1-4季度219438.5...91762.214.10%612006年第1-3季度155816.8...67187.013.70%622006年第1-2季度99752.2...44996.513.60%632006年第1季度47078.9...22648.013.10%[64rowsx9columns]<class'str'>GDP数据预处理-运行结果预处理后的数据：

QuarterGDP_Absolute...Tertiary_Industry_AbsTertiary_Industry_YOY02006.147078.9...22648.013.112006.1-299752.2...44996.513.622006.1-3155816.8...67187.013.732006.1-4219438.5...91762.214.142007.157159.3...27703.214.1.................592020.1-41015986.2...553976.82.1602021.1249310.0...145355.015.6612021.1-2532167.0...296611.011.8622021.1-3823131.0...450761.09.5632021.1-41143670.0...609680.08.2[64rowsx9columns]<class'numpy.float64'>GDP数据分析GDP数据分析GDP年度总值散点图：需要使用的数据包括：Quarter与GDP_Absolute。运用的绘图方法为：scatter()。GDP数据分析#GDP年度总值散点图x=[]y=[]foriinrange(64):if'1-4'inGDP['Quarter'][i]:x.append(GDP['Quarter'][i][:-4])y.append(GDP['GDP_Absolute'][i])x=np.array(x)y=np.array(y)plt.scatter(x,y,label='GDP年度总值')plt.title('2006-2021年GDP年度总值散点图')plt.legend(loc='best')plt.xlabel('年份')plt.ylabel('GDP年度总值')plt.show()GDP数据分析GDP数据分析GDP同比增长折线图：需要使用的数据包括：Quarter与GDP_YOY。运用的绘图方法为：plot()。GDP数据分析#GDP同比增长折线图x=GDP['Quarter']y=GDP['GDP_YOY']plt.figure(figsize=(9,3),dpi=150)plt.plot(x,y,'k-',label='GDP同比增长')plt.title('2006-2021年GDP同比增长折线图')plt.legend(loc='best')plt.xlabel('季度')plt.ylabel('同比增长')#X轴刻度倾斜显示plt.xticks(rotation=50,fontsize='6')plt.yticks(fontsize='6')plt.show()GDP数据分析GDP数据分析GDP季度总值堆积图：需要使用的数据包括：Quarter与GDP_Absolute。运用的绘图方法为：bar()。GDP数据分析#GDP季度总值堆积图x=[]y1=[]y2=[]y3=[]y4=[]foriinrange(64):ifGDP['Quarter'][i][0:4]notinx:x.append(GDP['Quarter'][i][0:4])if'1-4'inGDP['Quarter'][i]:y4.append(GDP['GDP_Absolute'][i])elif'1-3'inGDP['Quarter'][i]:y3.append(GDP['GDP_Absolute'][i])elif'1-2'inGDP['Quarter'][i]:y2.append(GDP['GDP_Absolute'][i])else:y1.append(GDP['GDP_Absolute'][i])x=np.array(x)y1=np.array(y1)y2=np.array(y2)y3=np.array(y3)y4=np.array(y4)y4=y4-y3y3=y3-y2y2=y2-y1plt.bar(x,y1,label='第1季度GDP')plt.bar(x,y2,bottom=y1,label='第2季度GDP')plt.bar(x,y3,bottom=y1+y2,label='第3季度GDP')plt.bar(x,y4,bottom=y1+y2+y3,label='第4季度GDP')plt.legend()plt.title('2006-2021年GDP季度总值堆积图')plt.xlabel('年份')plt.ylabel('GDP值')plt.savefig('2006-2021年GDP季度总值堆积图.png')plt.show()GDP数据分析GDP数据分析GDP各产业同比增长折线图：需要使用的数据包括：Quarter,Primary_Industry_YOY,Seconda