ZZ052-大数据应用与服务赛项赛题第10套数据处理与可视化

LIY若依

已于 2024-08-02 22:28:09 修改

阅读量1.3k

点赞数 5

文章标签： python 信息可视化数据分析

于 2024-08-02 22:25:15 首次发布

本文链接：https://blog.csdn.net/m0_74972192/article/details/140881499

版权

这篇文章介绍了如何使用Python进行数据分析与可视化，特别是处理和展示酒店数据。通过对酒店数据的分析和可视化，帮助我们更好地理解城市酒店的分布和评价情况。

说明

文章主要分为三个部分：

数据分析：包括统计各个商圈的酒店总数、平均评分和平均房间数，并进行排序展示。
数据可视化：使用 matplotlib 库绘制柱状图和折线图，展示酒店总数和平均评分的变化趋势。
业务分析：进行评论情感分析，统计每月的正向、中性、负向评价数量，并绘制折线图展示评价数量的变化趋势。

（一）任务一：数据分析与可视化

子任务一：数据分析

城市游客接纳能力是城市规划建设中的重要指标，其中城市的酒店房间数量是城市游客接纳能力的关键要素。请编写程序或脚本根据任务A 采集到的数据文件hotel.csv 统计以下的相关信息，具体要求如下：

1、分别统计各个商圈的的酒店总数，进行倒序排序展示前五名；

数据分析

统计各个商圈的酒店总数并倒序排序展示前五名：
- 读取 hotel.csv 文件。
- 统计每个商圈的酒店数量。
- 按照酒店数量倒序排序并展示前五名。

import pandas as pd

# 读取数据
data = pd.read_csv('hotel.csv')

# 统计各个商圈的酒店总数
business_district_counts = data['business_district'].value_counts().head(5)

print(business_district_counts)

统计各个商圈所有酒店的平均评分并倒序排序展示前五名：
- 计算每个商圈的酒店平均评分。
- 按照平均评分倒序排序并展示前五名。

# 计算各个商圈的酒店平均评分
average_ratings = data.groupby('business_district')['rating'].mean().sort_values(ascending=False).head(5)

print(average_ratings)

统计各个商圈酒店的平均房间数并正序排序展示前五名：
- 计算每个商圈的酒店平均房间数。
- 按照平均房间数正序排序并展示前五名。

# 计算各个商圈的酒店平均房间数
average_rooms = data.groupby('business_district')['rooms'].mean().sort_values().head(5)

print(average_rooms)

数据可视化

用柱状图显示各个商圈的酒店总数：
- 使用 matplotlib 库绘制柱状图。
- 展示各个商圈的酒店总数。

import matplotlib.pyplot as plt

# 绘制柱状图
business_district_counts.plot(kind='bar')
plt.title('Top 5 Business Districts by Hotel Count')
plt.xlabel('Business District')
plt.ylabel('Hotel Count')
plt.show()

用折线图显示各星级酒店平均评分走势：
- 使用 matplotlib 库绘制折线图。
- 展示各星级酒店的平均评分变化趋势。

# 绘制折线图
average_ratings.plot(kind='line')
plt.title('Average Ratings of Top 5 Business Districts')
plt.xlabel('Business District')
plt.ylabel('Average Rating')
plt.show()

业务分析

评论情感分析：
- 读取 standard.csv 文件。
- 统计每月的正向、中性、负向评价数量。
- 绘制折线图展示评价数量的变化趋势。

# 读取数据
comments = pd.read_csv('standard.csv')

# 统计每月的评价数量
monthly_sentiments = comments.groupby(['month', 'sentiment']).size().unstack().fillna(0)

# 绘制折线图
monthly_sentiments.plot(kind='line')
plt.title('Monthly Sentiment Analysis')
plt.xlabel('Month')
plt.ylabel('Number of Comments')
plt.show()