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 ##使用版本：pyecharts 0.3版本 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 # 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)) # 统计各个城市地铁线路情况 df_line = df.groupby(['city', 'line']).count().reset_index() print(df_line) def create_map(df): # 绘制地图 value = [i for i in df['line']] attr = [i for i in df['city']] geo = Geo("已开通地铁城市分布情况", title_pos='center', title_top='0', width=800, height=400, title_color="#fff", background_color="#404a59", ) geo.add("", attr, value, is_visualmap=True, visual_range=[0, 25], visual_text_color="#fff", symbol_size=15) geo.show_config() geo.render("已开通地铁城市分布情况.html") def create_line(df): """ 生成城市地铁线路数量分布情况 """ title_len = df['line'] bins = [0, 5, 10, 15, 20, 25] level = ['线路数0-5', '线路数5-10', '线路数10-15', '线路数15-20', '线路数20以上'] len_stage = pd.cut(title_len, bins=bins, labels=level).value_counts().sort_index() # 生成柱状图 attr = len_stage.index v1 = len_stage.values bar = Bar("各城市地铁线路数量分布", title_pos='center', title_top='18', width=800, height=400) bar.add("城市个数", attr, v1, is_stack=True, is_label_show=True) bar.render("各城市地铁线路数量分布.html") # 各个城市地铁线路数 df_city = df_line.groupby(['city']).count().reset_index().sort_values(by='line', ascending=False) print(df_city) create_map(df_city) create_line(df_city) # 哪个城市哪条线路地铁站最多 print(df_line.sort_values(by='station', ascending=False))#这里只是把各个城市的所有线路的站点数排列了一下 # 去除重复换乘站的地铁数据 df_station = df.groupby(['city', 'station']).count().reset_index() print(df_station) # 统计每个城市包含地铁站数(已去除重复换乘站) print(df_station.groupby(['city']).count().reset_index().sort_values(by='station', ascending=False)) def create_wordcloud(df): """ #生成地铁名词云 """ # 分词 text = '' for line in df['station']: text += ' '.join(jieba.cut(line, cut_all=False)) text += ' ' backgroud_Image = plt.imread('rocket.jpg') wc = WordCloud( background_color='white', mask=backgroud_Image, font_path='C:\Windows\Fonts\HGY3_CNKI.TTF', max_words=1000, max_font_size=150, min_font_size=15, prefer_horizontal=1, random_state=50, ) wc.generate_from_text(text) img_colors = ImageColorGenerator(backgroud_Image) wc.recolor(color_func=img_colors) # 看看词频高的有哪些 process_word = WordCloud.process_text(wc, text) sort = sorted(process_word.items(), key=lambda e: e[1], reverse=True) print(sort[:50]) plt.imshow(wc) plt.axis('off') wc.to_file("地铁名词云.jpg") print('生成词云成功!') # create_wordcloud(df_station) words = [] for line in df['station']: for i in line: # 将字符串输出一个个中文 words.append(i) def all_np(arr): """ #统计单字频率 """ arr = np.array(arr) key = np.unique(arr) result = {} for k in key: mask = (arr == k) arr_new = arr[mask] v = arr_new.size result[k] = v return result def create_word(word_message): """ #生成柱状图 """ attr = [j[0] for j in word_message] v1 = [j[1] for j in word_message] bar = Bar("中国地铁站最爱用的字", title_pos='center', title_top='18', width=800, height=400) bar.add("", attr, v1, is_stack=True, is_label_show=True) bar.render("中国地铁站最爱用的字.html") word = all_np(words) word_message = sorted(word.items(), key=lambda x: x[1], reverse=True)[:10] create_word(word_message) # 选取上海的地铁站 df1 = df_station[df_station['city'] == '上海'] print(df1) # 选取上海地铁站名字包含路的数据 df2 = df1[df1['station'].str.contains('路')] print(df2) # 选取武汉的地铁站 df1 = df_station[df_station['city'] == '武汉'] print(df1) # 选取武汉地铁站名字包含家的数据 df2 = df1[df1['station'].str.contains('家')] print(df2) # 选取重庆的地铁站 df1 = df_station[df_station['city'] == '重庆'] print(df1) # 选取重庆地铁站名字包含家的数据 df2 = df1[df1['station'].str.contains('家')] print(df2) def create_door(door): """ 生成柱状图 """ attr = [j for j in door['city'][:8]] v1 = [j for j in door['line'][:8]] bar = Bar("地铁站最爱用“门”命名的城市", title_pos='center', title_top='18', width=800, height=400,) bar.add("", attr, v1, is_stack=True, is_label_show=True, yaxis_max=40) bar.render("地铁站最爱用门命名的城市.html") # 选取地铁站名字包含门的数据 df1 = df_station[df_station['station'].str.contains('门')] # 对数据进行分组计数 df2 = df1.groupby(['city']).count().reset_index().sort_values(by='line', ascending=False) print(df2) create_door(df2) # 选取北京的地铁站 df1 = df_station[df_station['city'] == '北京'] print(df1) # 选取北京地铁站名字包含门的数据 df2 = df1[df1['station'].str.contains('门')] print(df2) # 选取南京的地铁站 df1 = df_station[df_station['city'] == '南京'] # 选取南京地铁站名字包含门的数据 df2 = df1[df1['station'].str.contains('门')] print(df2) # 选取西安的地铁站 df1 = df_station[df_station['city'] == '西安'] # 选取西安地铁站名字包含门的数据 df2 = df1[df1['station'].str.contains('门')] print(df2) #问题：选取数量前5个名字中带有大学的地铁站的城市，并绘制柱状图 df1=df[df['station'].str.contains('大学')] city_counts=df1['city'].value_counts() plt.figure(figsize=(10,5)) labelline=list(city_counts[:5].index)# print(labelline)#['上海', '沈阳', '北京', '天津', '重庆'] plt.xlabel('城市') plt.ylabel('站点数量') plt.title('名字中带有大学的地铁站的城市数量分布') plt.bar([i for i in labelline],city_counts[:5]) #问题：绘制北京、武汉、天津、上海等各线路站点数量的折线图趋势分布 #北京： df1=df[df['city']=='北京'] Bei_station=df1['line'].value_counts() print(Bei_station) plt.figure(figsize=(12,6)) labelline=list(Bei_station[:8].index) plt.xlabel=('线路') plt.ylabel=('各站点数量') plt.title("北京各线路站点数量的分布趋势") plt.plot([i for i in labelline],Bei_station[:8]) # plt.show() #武汉 df1=df[df['city']=='武汉'] Wu_station=df1['line'].value_counts() print(Wu_station) plt.figure(figsize=(12,6)) labelline=list(Wu_station[:8].index) plt.xlabel=('线路') plt.ylabel=('各站点数量') plt.title("武汉各线路站点数量的分布趋势") plt.plot([i for i in labelline],Wu_station[:8]) # plt.show() #天津 df1=df[df['city']=='天津'] Tian_station=df1['line'].value_counts() print(Tian_station) plt.figure(figsize=(12,6)) labelline=list(Tian_station[:8].index) plt.xlabel=('线路') plt.ylabel=('各站点数量') plt.title("天津各线路站点数量的分布趋势") plt.plot([i for i in labelline],Tian_station[:8]) # plt.show() #上海 df1=df[df['city']=='上海'] Shang_station=df1['line'].value_counts() print(Shang_station) plt.figure(figsize=(12,6)) labelline=list(Shang_station[:8].index) plt.xlabel=('线路') plt.ylabel=('各站点数量') plt.title("上海各线路站点数量的分布趋势") plt.plot([i for i in labelline],Shang_station[:8]) # plt.show() #问题：各个城市的线路数量的饼状图分布 line_count=df['city'].value_counts() plt.figure(figsize=(10,7)) plt.pie(line_count,labels=line_count.index,autopct='%1.1f%%') plt.title('各个城市的线路数量的饼状图分布') # plt.show() #问题：各个城市的站点数量的饼状图分布 #饼状图展示 df_station = df.groupby(['city', 'station']).count().reset_index() #此处去除每个城市的重复换乘站点数，得到实际数量的站点数量 df1=df_station.groupby(['city']).count().reset_index().sort_values(by='station', ascending=False) df1['city']=df1['city']+'(站点数'+df1['station'].map(str)+')' line_count=df1['station'] plt.figure(figsize=(10,7)) plt.pie(line_count,labels=df1['city'],autopct='%1.1f%%') plt.title('各个城市的站点数量的饼状图分布') plt.show() # #散点图展示 # df_station = df.groupby(['city', 'station']).count().reset_index() #此处去除每个城市的重复换乘站点数，得到实际数量的站点数量 # df1=df_station.groupby(['city']).count().reset_index().sort_values(by='station', ascending=False) # line_count=df1['station'] # plt.figure(figsize=(10,7)) # plt.xlabel=('城市') # plt.ylabel=('站点数量') # plt.scatter(x=df1['city'],y=line_count,marker='*') # plt.title('各个城市的站点数量的散点图分布') # plt.show() #各城市的每条线路的站点数量的变化 折线图 df1=df_line.sort_values(by='station', ascending=False)#by中指定按照什么列排序，ascending中默认升序排列，值为True station_count=df1['line']+df1['city'] plt.figure(figsize=(15,8)) labelline=list(station_count[:12]) plt.xlabel=('线路') plt.ylabel=('各站点数量') plt.title("各城市各线路的站点数量前10的变化") plt.plot([i for i in labelline],df1['station'][:12]) plt.show() #每个城市的哪条线路的地铁站点数量最多 柱形图 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() #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() #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() #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() #问题：选取郑州、武汉、广州、长沙同名的线路1-线路6，绘制折线图分析这些城市的目标线路的站点数量分布 df_1=df_line.sort_values(by='station', ascending=False) zz_=df_1[df_1['city']=='郑州'].sort_values(by='line',ascending=False).reset_index()#ascending参数值为False时，则数据按指定列降序排序。 zz_=zz_.loc[zz_['line'].isin(['1号线','2号线','3号线','4号线','5号线','6号线'])] wh_=df_1[df_1['city']=='武汉'].sort_values(by='line',ascending=False).reset_index() wh_=wh_.loc[wh_['line'].isin(['1号线','2号线','3号线','4号线','5号线','6号线'])] gz_=df_1[df_1['city']=='广州'].sort_values(by='line',ascending=False).reset_index() gz_=gz_.loc[gz_['line'].isin(['1号线','2号线','3号线','4号线','5号线','6号线'])] cs_=df_1[df_1['city']=='长沙'].sort_values(by='line',ascending=False).reset_index() cs_=cs_.loc[cs_['line'].isin(['1号线','2号线','3号线','4号线','5号线','6号线'])] print(zz_) print(wh_) print(gz_) print(cs_) plt.figure(figsize=(10,7)) L1=plt.plot(zz_['line'],zz_['station'],color='b',label='郑州线路1-6的站点数量变化') L2=plt.plot(wh_['line'],wh_['station'],color='g',label='武汉线路1-6的站点数量变化') L3=plt.plot(gz_['line'],gz_['station'],color='r',label='广州线路1-6的站点数量变化') L4=plt.plot(cs_['line'],cs_['station'],color='k',label='长沙线路1-6的站点数量变化') plt.legend() plt.title('郑州、武汉、广州、长沙同名的线路1-线路6的站点数量分布') plt.xlabel=('线路1-线路6') plt.ylabel=('站点数量') plt.show() #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() print(tran_sit[tran_sit['line']==5]['station'])