(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。
(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。
(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。
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。
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!
Python爬虫——数据可视化
导入需要的第三方库
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import requests
import urllib3
import matplotlib as mpl
设置可以显示中文和改变字体
mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['font.serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False
sns.set_style("darkgrid", {"font.sans-serif": ['KaiTi', 'Arial']})
爬取数据:此方法只适用于表格
urllib3.disable_warnings()
url = "http://www.stats.gov.cn/ztjc/zdtjgz/zgrkpc/dqcrkpc/ggl/202105/t20210519_1817699.html"
response = requests.get(url, verify=False)
response.encoding = response.apparent_encoding
html = response.text
data = pd.read_html(html, header=0)[1]
print(data)
提取数据中的某一列
city = list(data["地区"])#提取数据中名为“地区”的一列
year1 = list(data["2020年"])#提取数据中名为“2020年”的一列
year2 = list(data["2010年"])#提取数据中名为“2010年”的一列
将数据可视化为折线图
he = {"2020年": year1, "2010年": year2}#在图中显示数据命名year1命名为“2020年”
#在图中显示数据命名year2命名为“2010年”
df = pd.DataFrame(he, city)#he代表纵坐标,city代表横坐标
df.plot.line()#定义绘制折线图
plt.show()#将折线图展示
完整代码如下
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import requests
import urllib3
import matplotlib as mpl
#设置可以显示中文和改变字体
mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['font.serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False
sns.set_style("darkgrid", {"font.sans-serif": ['KaiTi', 'Arial']})
#爬取数据只适用于表格
urllib3.disable_warnings()
url = "http://www.stats.gov.cn/ztjc/zdtjgz/zgrkpc/dqcrkpc/ggl/202105/t20210519_1817699.html"
response = requests.get(url, verify=False)
response.encoding = response.apparent_encoding
html = response.text
data = pd.read_html(html, header=0)[1]
print(data)
#提取数据中的某一列
city = list(data["地区"])
year1 = list(data["2020年"])
year2 = list(data["2010年"])
#将数据可视化为折线图
he = {"2020年": year1, "2010年": year2}
df = pd.DataFrame(he, city)
df.plot.line()
plt.show()
最后展示的折线图
关于Python技术储备
最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
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。
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!