用python分析世界五百强企业数据

前言

哪个国家的世界五百强企业数量最多?今天带你用python来处理数据,并实现数据可视化,解决对现有数据产生的疑问。

本次代码是在 Jupyter Notebook 里面编写的

先导入本次代码需要的模块

import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType

导入数据

data = pd.read_excel('2021年世界五百强排行榜.xlsx')
data.head(5)

在这里插入图片描述

统计世界500强企业各个国家之间的占比

pie = Pie(init_opts=opts.InitOpts(theme='light',
                                  width='800px',
                                  height='700px'))

data_x = data1['国家'].tolist()
data_y = data1['排名'].tolist()
                                  
pie.add("",
        [list(z) for z in zip(data_x, data_y)],
        radius=["35%", "55%"]
        )
pie.set_series_opts(label_opts=opts.LabelOpts(position="insideLeft",
                                              font_size=12,
                                              color='rgba(0,0,0,0.5)',
                                              font_weigh
  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python数据分析师实战项目附带数据源可以提供实际的数据集,供数据分析师使用Python进行数据分析和建模。这样的实战项目可以帮助数据分析师实践所学的技能,并且使他们能够解决真实世界中的数据问题。 数据源可以是各种形式的数据集,比如结构化数据、非结构化数据、时间序列数据等。这些数据集可以来自各种领域,比如市场营销、金融、医疗、社交媒体等。数据的来源可以包括公共数据集、企业内部数据、社交媒体平台数据等。 使用Python进行数据分析时,数据分析师可以使用各种Python库和工具来进行数据清洗、特征工程、可视化和建模等任务。一些常用的库包括pandas、NumPy、matplotlib和scikit-learn等。通过对实际数据集进行数据分析和建模,数据分析师可以深入了解数据集的特征和趋势,并从中发现有价值的信息和见解。 通过实战项目提供的数据源,数据分析师可以学习如何处理各种不同类型的数据,并运用各种技术和方法来解决实际的业务问题。他们可以展示他们的数据分析技能,包括数据清洗和预处理、数据可视化、特征工程、模型建立和评估等方面的能力。 总之,Python数据分析师实战项目附带数据源可以为数据分析师提供实践机会,帮助他们应用所学的知识解决现实世界中的数据问题,并且提升他们的数据分析能力和技能水平。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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