Pandas+Pyecharts：2024中国大学综合排名分析+可视化，来围观看看你的大学上榜没

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。

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！

from pyecharts import options as opts

df = pd.read_csv(‘./中国大学综合排名2021.csv’, encoding=‘gb2312’)

df.describe()

df.isnull().sum()

df.fillna(0, inplace=True)

df.isnull().sum()

df[df[‘升/降’] == 0]

统计前50名中排名下降的学校

df.loc[(df[‘排名’] < 50) & (df[‘升/降’] < 0), :]

数据分组 各省大学数量

g = df.groupby(‘省市’)

df_counts = g.count()[‘排名’]

df0 = df_counts.copy()

df0.sort_values(ascending=False, inplace=True)

df_mean0 = g.mean()[‘总分’]

df_means = df_mean0.round(2)

df1 = pd.concat([df_counts, df_means], join=‘outer’, axis=1)

df1.columns = [‘数量’, ‘平均分’]

df1.sort_values(by=[‘平均分’], ascending=False, inplace=True)

d1 = df1.index.tolist()

d2 = df1[‘数量’].values.tolist()

d3 = df1[‘平均分’].values.tolist()

bar0 = (

Bar()

.add_xaxis(d1)

.add_yaxis(‘数量’, d2)

.add_yaxis(‘平均分’, d3)

.reversal_axis()

.set_series_opts(label_opts=opts.LabelOpts(position=‘right’))

)

bar0.render_notebook()

name = df_counts.index.tolist()

count = df_counts.values.tolist()

c0 = (

Pie()

.add(‘’, [list(z) for z in zip(name, count)],

radius=[‘20%’, ‘60%’],

center=[‘50%’, ‘65%’],

rosetype=‘radius’)

‘%.2f%%’ -> sum() / 各个值

)

c0.render_notebook()

list(zip(name, count))

name = df0.index.tolist()

count = df0.values.tolist()

m = (

Map()

.add(‘’, [list(z) for z in zip(name, count)], ‘china’)

.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=40, split_number=8, is_piecewise=True))

)

m.render(‘123.html’)

思路解析

据说万字长文对推荐不太好，解析其实也没啥好说的，文章短一点受众会好一些，文章太长了你看的也累，不懂的直接在评论或者私信交流啦，欢迎大家评论哦，如果这种文章形式不好或者大家觉得不够详细的话，那我后面可以跟随大家的意见做调整的。

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

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。

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！