2024年最新vivoPython面试，数据分析案例：全球星巴克数量统计，头条面试题前端

收集整理了一份《2024年最新Python全套学习资料》免费送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

正文

（三）省份代码

---

在原始数据中省份字段使用的是各省份数字代码。在作图时可以使用特定的函数将数字代码一一转换为省份名。

（博主提取省份数据时发现省份代码91,92在网上找不到资料，转换省份名的时候导致数量不一样作图失败，所以放弃了，希望有知道的读者可以在评论区评论）

Code

===============================================================

import pandas as pd

import numpy as np

from matplotlib import pyplot as plt

def ProvinceTransfer(codeList):

‘’’

返回中国省份列表

:param codeList: 省份数字代码，可以是数值类型或字符串类型

:return: 省份列表

‘’’

resList = []

for item in codeList:

if item == 11 or item == ‘11’:

resList.append(‘北京’)

if item == 12 or item == ‘12’:

resList.append(‘天津’)

if item == 13 or item == ‘13’:

resList.append(‘河北’)

if item == 14 or item == ‘14’:

resList.append(‘山西’)

if item == 15 or item == ‘15’:

resList.append(‘内蒙古’)

if item == 21 or item == ‘21’:

resList.append(‘辽宁’)

if item == 22 or item == ‘22’:

resList.append(‘吉林’)

if item == 23 or item == ‘23’:

resList.append(‘黑龙江’)

if item == 31 or item == ‘31’:

resList.append(‘上海’)

if item == 32 or item == ‘32’:

resList.append(‘江苏’)

if item == 33 or item == ‘33’:

resList.append(‘浙江’)

if item == 34 or item == ‘34’:

resList.append(‘安徽’)

if item == 35 or item == ‘35’:

resList.append(‘福建’)

if item == 36 or item == ‘36’:

resList.append(‘江西’)

if item == 37 or item == ‘37’:

resList.append(‘山东’)

if item == 41 or item == ‘41’:

resList.append(‘河南’)

if item == 42 or item == ‘42’:

resList.append(‘湖北’)

if item == 43 or item == ‘43’:

resList.append(‘湖南’)

if item == 44 or item == ‘44’:

resList.append(‘广东’)

if item == 45 or item == ‘45’:

resList.append(‘广西’)

if item == 46 or item == ‘46’:

resList.append(‘海南’)

if item == 50 or item == ‘50’:

resList.append(‘重庆’)

if item == 51 or item == ‘51’:

resList.append(‘四川’)

if item == 52 or item == ‘52’:

resList.append(‘贵州’)

if item == 53 or item == ‘53’:

resList.append(‘云南’)

if item == 54 or item == ‘54’:

resList.append(‘西藏’)

if item == 61 or item == ‘61’:

resList.append(‘陕西’)

if item == 62 or item == ‘62’:

resList.append(‘甘肃’)

if item == 63 or item == ‘63’:

resList.append(‘青海’)

if item == 64 or item == ‘64’:

resList.append(‘宁夏’)

if item == 65 or item == ‘65’:

resList.append(‘新疆’)

if item == 71 or item == ‘71’:

resList.append(‘台湾省’)

if item == 81 or item == ‘81’:

resList.append(‘香港’)

if item == 82 or item == ‘82’:

resList.append(‘澳门’)

return resList

pd.set_option(‘display.max_columns’, None)

pd.set_option(‘display.max_rows’, None)

dataPath = ‘dataFiles/Starbucks-Locations.csv’

star_df = pd.read_csv(dataPath)

print(star_df.head(1)) # 打印第一行查看字段信息

print(star_df.info())

按国家分类(pandas分组方法）

groupsByCountry = star_df.groupby(by=‘Country’)

print(groupsByCountry)

groupsByCountry是一个可遍历的对象

for countryName, data in groupsByCountry:

countryName第一个变量为分类的国家名

data为每个国家的数据，类型为DataFrame

print(countryName)

print(‘-’ * 100)

# print(data)

print(‘#’ * 100)

US_df = star_df[star_df[‘Country’] == ‘US’]

print(US_df.head(1))

调用聚合方法

countryCount = groupsByCountry[‘Brand’].count() # 计数需要使用没有缺失的字段

print(‘美国星巴克数量：’, countryCount[‘US’]) # 美国星巴克数量

print(‘中国星巴克数量：’, countryCount[‘CN’]) # 中国星巴克数量

统计中国不同省份的星巴克数量

CN_df = star_df[star_df[‘Country’] == ‘CN’] # 中国星巴克信息

print(CN_df.info())

groupsByProvinceInChina = CN_df.groupby(by=‘State/Province’)

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
mg_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）
[外链图片转存中…(img-O8xrUglN-1713852659375)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！