2024年最新Python数据可视化：25年GDP之变_python对gdp处理(2)，2024年最新一线互联网企业高级Python工程师面试题大全

本文链接：https://blog.csdn.net/2401_84139049/article/details/138694274

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

在这里插入图片描述

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

在这里插入图片描述

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

在这里插入图片描述

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！

时间是1993年-2017年，共25年。

网站提供CSV文件下载，但是还是需要规整一下数据。

因为大佬造的轮子对数据有要求。

同时还需要注意一下编码问题，这里的CSV文件需要用gbk编码。

下面是从统计局下载下来的CSV数据。

我偷了个懒，直接就先在表格里删除了前三行，如下。

接下来便是用Python对数据进行规整，代码如下。

import pandas as pd

# 读取数据
df = pd.read_csv( gdp.csv , encoding= utf-8 )
(names, values, dates) = ([], [], [])
# 记得去除地区这个列名,遍历年份
for i in df.columns[1:]:
    for j, k in zip(df[i], df[ 地区 ]):
        # 输出地区、GDP值、年份数据
        print(k, j, i)
        names.append(k)
        values.append(int(j))
        dates.append(int(i.replace( 年 ,   )))
# 生成DateFrame格式的数据
data = {
     name : names,
     type :   ,
     value : values,
     date : dates
}
# 将数据转存为新的CSV文件
frame = pd.DataFrame(data)
# 设置编码格式,避免乱码
frame.to_csv( gdp_last.csv , encoding= utf_8_sig )

获取的CSV数据如下。

和大佬造的轮子所需数据格式是一样的，这里我不设置类型。

接下来就是克隆大佬的项目代码到你的计算机里。

这里以前我只是上传代码，没有去下载项目代码，所以不是很清楚怎么下载下来。

经过这次算是学会了。

首先安装一下GitHub Desktop，然后用你的GitHub账号登陆它。

配置一下你的用户名及绑定邮箱，便能克隆其他人的项目到你的本地。

然后打开src目录下的bargraph.html，浏览器就会打开一个网页。

在网页里点击选择文件，把文件上传上去就成功了。

网页上就会有动态视频出现，如下。

是不是发现很有意思，哈哈。

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！