添加 README.md

README.md

+from wordcloud import WordCloud, ImageColorGenerator
+from pyecharts import Line, Bar, Geo
+import matplotlib.pyplot as plt
+import pandas as pd
+import numpy as np
+import seaborn as sns
+import jieba
+plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
+plt.rcParams['axes.unicode_minus']=False # 设置正常显示符号
+##先对爬取出来的数据进行清洗，去除重复的换乘站信息。
+# 设置列名与数据对齐
+pd.set_option('display.unicode.ambiguous_as_wide', True)
+pd.set_option('display.unicode.east_asian_width', True)
+# 显示10行
+pd.set_option('display.max_rows', 10)
+# 读取数据
+df = pd.read_csv('../data/data-analyselesson/subway.csv', header=None, names=['city', 'line', 'station'], encoding='gbk')
+# print(type(df))
+print(df.info())
+print(df.head())
+ck_df=df.isnull().sum().sort_values(ascending=False)
+print(ck_df)
+# 统计各个城市地铁线路情况
+df_line = df.groupby(['city', 'line']).count().reset_index()
+print(df_line)
+df_1=df_line.sort_values(by='station', ascending=False)
+df_2=df_1.groupby('city')['station'].max().reset_index(drop=False)#保留索引
+line_station_c=df_2.sort_values(by='station',ascending=False)
+# line_station_c.to_csv("../1.csv",header=False,index=False)
+plt.figure(figsize=(15,5))
+labelline=list(line_station_c['city'])
+# line_text=pd.merge(left=line_station_c,right=df_1,on=['city','station'],how='inner')
+# line_text.to_csv("../2.csv",header=False,index=False)
+labelline=labelline#+line_text['line'].map(str)
+plt.xlabel('城市')
+plt.ylabel('站点数量')
+plt.bar([i for i in labelline],line_station_c['station'])
+plt.title('每个城市哪条线路的站点数最多')
+plt.show()
+plt.close()
+#各城市中使用大学作为站点名的概率图或者直方图
+
+#问题：统计各个城市的大学数量，然后利用回归图进行拟合（分析各个城市的大学数量与站点数量的关系
+df_uni= pd.read_csv('../university.csv', header=None, names=['city', 'uni_count'], encoding='gbk')
+df_uni=pd.merge(left=line_station_c,right=df_uni,on='city',how='inner') #将两个表格中的数据基于city列进行内连接。
+x=df_uni['uni_count']
+y=df_uni['station']
+sns.regplot(x=x,y=y,color='b')
+plt.title('分析各个城市的大学数量与站点数量的关系')
+plt.show()
+plt.close()
+#散点图
+fig=plt.figure(figsize=(10,7))
+plt.xlabel('站点数量')
+plt.ylabel('大学数量')
+plt.title('各个城市的大学数量与站点数量的关系')
+plt.scatter(x=x,y=y,cmap='b',marker='*',alpha=0.8)
+plt.grid()
+plt.show()
+plt.close()
+#seaborn的双变量图：可以查看多变量之间的分布关系，也可以显示它本身的单变量情况
+df_s=df_uni
+sns.jointplot(x='uni_count',y='station',data=df_s)
+plt.show()
+plt.close()
+
+#全国各城市的总的换乘站点数量（2换乘、3换乘、4换乘等）分布统计
+df_1=df.groupby(['city','station']).count().reset_index()
+print(df_1)
+df_1=df_1[df_1['line']>1]#筛选出来全国的换乘站点数
+tran_sit=df_1.groupby('line').count().reset_index()  #保留原索引，但是值是count()函数计数之后的值
+plt.figure(figsize=(10,5))
+plt.xlabel('站点可换乘等级')
+plt.ylabel('站点数量')
+plt.bar(tran_sit['line'],tran_sit['station'],color='g')
+plt.title('全国各城市总的换乘站点数量（2换乘、3换乘、4换乘等）分布统计')
+plt.show()