【接前篇】Python Plotly数据可视化全国Used BMW

该博客通过Python读取并处理了'baoma_more.csv'文件中的宝马车型数据,对不同系列的宝马车型进行了计数和分类。作者首先对数据进行排序,然后创建了多个列表以分别存储不同系列的宝马车型。接着,定义了一个函数`get_model_list`以更高效地按型号进一步细分宝马5系车型。最后,利用Plotly库生成了数据可视化图表,展示了各宝马车型的数量分布情况。
摘要由CSDN通过智能技术生成
import pandas as pd
import numpy as np
import plotly.express as px
import plotly
data = pd.read_csv('baoma_more.csv')
data_sorted = data.sort_values(by=['Name'])
models = data_sorted['Name']

bmw_1 = []
bmw_2 = []
bmw_3 = [] 
bmw_4 = []
bmw_5 = []
...
...
...

for model_info in models:
	if '宝马1系' in str(model_info):
		bmw_1.append(model_info)
	if '宝马2系' in str(model_info):
		bmw_2.append(model_info)
	if '宝马3系' in str(model_info):
		bmw_3.append(model_info)
	if '宝马4系' in str(model_info):
		bmw_4.append(model_info)
	if '宝马5系' in str(model_info):
		bmw_5.append(model_info)
	if '宝马6系' in str(model_info):
		bmw_6.append(model_info)
    ...
    ...

半截发现之前那样属实头脑短路,应该定义函数来实现😂 后半部分定义个函数 

def get_model_list(model_name,model_list,sub_model_list):
	for model in model_list:
		if model_name in model:
			sub_model_list.append(model)
li_520 = []
li_525 = []
li_523 = []
li_528 = []
li_530li = []
li_535li = []
li_Le = []
li_540 = []
li_5_gt = []
get_model_list('525',bmw_5,li_525)
get_model_list('530Li',bmw_5,li_530li)
get_model_list('520',bmw_5,li_520)
get_model_list('525',bmw_5,li_525)
get_model_list('523',bmw_5,li_523)
get_model_list('528',bmw_5,li_528)
get_model_list('535Li',bmw_5,li_535li)
get_model_list('Le',bmw_5,li_Le)
get_model_list('540',bmw_5,li_540)
get_model_list('GT',bmw_5,li_5_gt)

data = dict(
    character=["宝马1系", "宝马2系", "宝马3系", "宝马4系",'宝马5系','宝马6系','宝马7系','宝马M_Power','宝马X1','宝马X2','宝马X3','宝马X4','宝马X5','宝马X6','宝马Z4','宝马i8',
'宝马520','宝马525','宝马523','宝马528','宝马530','宝马535','宝马Le','宝马540','宝马5GT'
],
    parent=['BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','BMW','宝马5系','宝马5系','宝马5系','宝马5系','宝马5系','宝马5系','宝马5系','宝马5系','宝马5系'],
    value=[len(bmw_1),len(bmw_2),len(bmw_3),len(bmw_4),len(bmw_5),len(bmw_6),len(bmw_7),len(bmw_M),len(bmw_x1),len(bmw_x2),len(bmw_x1),len(bmw_x2),len(bmw_x5),len(bmw_x6),len(bmw_z4),len(bmw_i8),
len(li_520),len(li_525),len(li_523),len(li_528),len(li_530li),len(li_535li),len(li_Le),len(li_540),len(li_5_gt)
]
)

fig =px.sunburst(
    data,
    names='character',
    parents='parent',
    values='value',
)

plotly.offline.plot(fig)

成果展示

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值