香港金曲奖分析（1983-2017 by SIRMAN）

最新推荐文章于 2024-08-14 17:18:35 发布
最新推荐文章于 2024-08-14 17:18:35 发布
阅读量306 收藏
点赞数
文章标签： python 数据库 sql
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43796602/article/details/120130256
版权 
    以前的金曲奖就是华语音乐的代表，特别是80、90年代，谭张争霸，四大天王等，虽然近来影响力已不如之前，但让我们来看看1983-2017的获奖名单。
    数据来源于百度百科“十大劲歌金曲颁奖典礼”，由于名单较多，我们只选取了前20位进行图形化展视。可能有些奖项由于个人原因没有参加，例如谭咏麟87年之后未参加颁奖，张国荣更是89-97退出歌坛等，但从这些结果仍然可能与大家想象的不太一样：
    1）最受欢迎男歌星，张学友只有1次获奖，张敬轩、古巨基各有4次获奖，歌神有点委曲哈；
    2）最受欢迎女歌星，容祖儿12次获奖可以说是一枝独秀，像王菲仅有2次获奖，差距确实有点大；
    3）金曲金奖，这一次歌神张学友终于获得最多的4次，但大众情人刘德华1次没有，也是出乎大家意料；
    4）金曲奖，也是容祖儿拨得头筹，这一次天王刘德华终于站在了第一梯队（注：金曲奖每届有10-20首，而金曲金奖每届只有1首）；
    5）最佳作曲奖，不是太熟悉，但像黄沾这样的大佬我们还是知道的；
    6）最佳填词奖，这个和大家预期一样，林夕以10次遥遥领先；
    7）最佳编曲奖，这个还不如最佳作曲奖的名字熟悉；
    8）总次数，是指示所有奖项中出现名字相加（不局限于以上7个奖项），容祖儿在奖项上的强大优势折桂。

具体分析（代码及图片）如下，首先抓取数据

#从百度百科获取数据
def get_data():
    url = "https://baike.baidu.com/item/%E5%8D%81%E5%A4%A7%E5%8A%B2%E6%AD%8C%E9%87%91%E6%9B%B2%E9%A2%81%E5%A5%96%E5%85%B8%E7%A4%BC/477072?fr=aladdin"
    #pandas直接获取url数据，并设置第0行为列标题
    html_text = pd.read_html(url, encoding="utf-8", header=0) 
    #将数据存入列表lst 
    global lst   
    lst = []
    for i in range(0,37):
        lst.append(html_text[i])

一、最受欢迎男歌星获奖次数统计

#历届大奖，最受欢迎男歌星
def man_lijiedajiang():
    #获取历届大奖的数据
    pd_data = pd.DataFrame(lst[1])
    # print(pd_data)
    #写入oracle，表名需要小写
    pd_data.to_sql('历届大奖', engine, if_exists='replace', index=True, \
    dtype={'年度': sqlalchemy.types.NVARCHAR(50),\
        '届次': sqlalchemy.types.String(length=50),\
        '最受欢迎男歌星': sqlalchemy.types.String(50),\
        '最受欢迎女歌星':  sqlalchemy.types.String(length=50),\
        '金曲金奖':  sqlalchemy.types.String(length=50),\
        })
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 最受欢迎男歌星 as 最受欢迎男歌星,count(*) as 次数 \
        from 历届大奖 group by 最受欢迎男歌星 \
        order by 次数 desc,最受欢迎男歌星 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    #取出的数据只保留前20行
    df = m_data[0:20]
    # print('最受欢迎男歌星',df)
    #画图，直方图，x轴标签为列“最受欢迎男歌星”
    df.plot(kind="bar",x='最受欢迎男歌星',title='最受欢迎男歌星获奖次数')
    #保存为图片，也可保存为pdf
    plt.savefig('最受欢迎男歌星.png', dpi=300)

输出
在这里插入图片描述
二、最受欢迎女歌星获奖次数统计

#历届大奖，最受欢迎女歌星
def woman_lijiedajiang():
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 最受欢迎女歌星 as 最受欢迎女歌星,count(*) as 次数 \
        from 历届大奖 group by 最受欢迎女歌星 \
        order by 次数 desc,最受欢迎女歌星 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    #取出的数据只保留前13行
    df = m_data[0:20]
    # print('最受欢迎女歌星',df)
    #画图，直方图，x轴标签为列“最受欢迎男歌星”
    df.plot(kind="bar",x='最受欢迎女歌星',title='最受欢迎女歌星获奖次数')
    #保存为图片，也可保存为pdf
    plt.savefig('最受欢迎女歌星.png', dpi=300)

输出
在这里插入图片描述
三、金曲金奖获奖次数统计

#历届大奖，金曲金奖
def jinquJJ_lijiedajiang():
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 金曲金奖, count(*) as 次数 \
        from (select substr(金曲金奖,instr(金曲金奖,'》',-1,1)+1) as 金曲金奖  from 历届大奖) \
        group by 金曲金奖 order by 次数 desc,金曲金奖 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    #取出的数据只保留前13行
    df = m_data[0:20]
    # print('金曲金奖',df)
    #画图，直方图，x轴标签为列“金曲金奖”
    df.plot(kind="bar",x='金曲金奖',title='金曲金奖获奖次数')
    #保存为图片，也可保存为pdf
    plt.savefig('金曲金奖.png', dpi=300)

输出
在这里插入图片描述
四、金曲奖获奖次数统计（注：金曲奖每届有10-20首，而金曲金奖每届只有1首）

#获奖名单，金曲
def jinqu_huojiangmingdan():
    #为了for循环下不会累积数据，每次for循环前先删除表
    cursor = db.cursor()   # 获取游标，用于进行 SQL 操作
    #如果存在table'获奖名单'，则先删除
    str_sql = "declare \
                    num   number; \
                begin \
                    select count(1) into num from all_tables where TABLE_NAME = '获奖名单' and OWNER='ZCK'; \
                    if   num=1   then \
                        execute immediate 'drop table 获奖名单'; \
                    end   if; \
                end;"
    cursor.execute(str_sql)
    cursor.close()  # 关闭游标
    db.close()  # 关闭数据库
    #将lst里面的列表数据取出，并写入到数据库，table为'获奖名单' 
    for i in range(2,36):
        pd_data = pd.DataFrame(lst[i])
        # print(pd_data)
        pd_data.to_sql('获奖名单', engine, if_exists='append', index=True, \
        dtype={'奖项名称': sqlalchemy.types.String(500),\
            '获奖人及作品': sqlalchemy.types.String(500),              
            })     
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 获奖人及作品, count(*) as 次数 from \
            (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',1,1)+1) as 获奖人及作品  \
            from (select * from 获奖名单 t where 奖项名称 LIKE '%劲歌金曲奖%' and 获奖人及作品 like '%、%') \
            union all \
            select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品 \
            from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',-1,1)-1) as 获奖人及作品  \
            from (select * from 获奖名单 t where 奖项名称 LIKE '%劲歌金曲奖%' and 获奖人及作品 like '%、%')) \
            union all \
            select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品 \
            from 获奖名单 WHERE 奖项名称 LIKE '%劲歌金曲奖%'and 获奖人及作品 not LIKE '%、%') \
            group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    # 取出的数据只保留前20行
    df = m_data[0:20]
    # print('获奖名单',df) 
    # SQL选出“次数”中值最大值，作为y轴标签最大值
    sql_yticks = "select max(次数) from \
        (select 获奖人及作品, count(*) as 次数 from \
            (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',1,1)+1) as 获奖人及作品  \
                from (select * from 获奖名单 t where 奖项名称 LIKE '%劲歌金曲奖%' and 获奖人及作品 like '%、%') \
        union all \
            select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品 \
                from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',-1,1)-1) as 获奖人及作品  \
                    from (select * from 获奖名单 t where 奖项名称 LIKE '%劲歌金曲奖%' and 获奖人及作品 like '%、%')) \
        union all \
            select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品 \
                from 获奖名单 WHERE 奖项名称 LIKE '%劲歌金曲奖%'and 获奖人及作品 not LIKE '%、%') \
        group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC)"
    # pandas读出“次数”中值最大值
    data_yticks = pd.read_sql(sql_yticks,engine)  
    # 值类型转换  
    int_ticks = data_yticks["MAX(次数)"].astype("int")  
    # print(type(int_ticks))  
    # 生成y轴标签
    yticks = list(range(1,int(int_ticks)+1,1))       
    #画图，直方图，x轴标签为列“获奖名单”
    ax = df.plot(x='获奖人及作品', kind="bar", title='金曲获奖次数', yticks=yticks,
    color='red')
    ax.set_ylabel('获奖次数') #设置Y轴名称
    ax.set_xlabel('名字') #设置X轴名称
    ax.legend(loc='upper right') #设置图例的位置
    plt.gcf().subplots_adjust( bottom=0.2) #图形居画布边距
    #保存为图片，也可保存为pdf
    plt.savefig('金曲获奖名单.png', dpi=300)

输出
在这里插入图片描述
五、最佳作曲奖获奖次数统计

#获奖名单，最佳作曲奖
def zuoqu_huojiangmingdan():    
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 获奖人及作品, count(*) as 次数 from \
            (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                            from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳作曲奖%'and 获奖人及作品 not LIKE '%、%')  \
            union all \
            select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',1,1)-1) as 获奖人及作品  \
                    from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳作曲奖%' and 获奖人及作品 like '%、%') \
            union all \
            select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品 \
                        from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                            from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳作曲奖%'and 获奖人及作品 LIKE '%、%'))) \
            group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    # print(m_data)
    # 取出的数据只保留前20行
    df = m_data[0:20]
    # print('最佳作曲奖',df) 
    # SQL选出“次数”中值最大值，作为y轴标签最大值
    sql_yticks = "select max(次数) from \
        (select 获奖人及作品, count(*) as 次数 from \
            (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                            from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳作曲奖%'and 获奖人及作品 not LIKE '%、%')  \
            union all \
            select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',1,1)-1) as 获奖人及作品  \
                    from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳作曲奖%' and 获奖人及作品 like '%、%') \
            union all \
            select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品 \
                        from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                            from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳作曲奖%'and 获奖人及作品 LIKE '%、%'))) \
            group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC)"
    # pandas读出“次数”中值最大值
    data_yticks = pd.read_sql(sql_yticks,engine)  
    # 值类型转换  
    int_ticks = data_yticks["MAX(次数)"].astype("int")  
    # print(type(int_ticks))  
    # 生成y轴标签
    yticks = list(range(1,int(int_ticks)+1,1))       
    #画图，直方图，x轴标签为列“获奖名单”
    ax = df.plot(x='获奖人及作品', kind="bar", title='最佳作曲奖', yticks=yticks,
    color='red')
    ax.set_ylabel('获奖次数') #设置Y轴名称
    ax.set_xlabel('名字') #设置X轴名称
    ax.legend(loc='upper right') #设置图例的位置
    plt.gcf().subplots_adjust( bottom=0.2) #图形居画布边距
    #保存为图片，也可保存为pdf
    plt.savefig('最佳作曲奖.png', dpi=300)

输出
在这里插入图片描述
六、最佳填词奖获奖次数统计

#获奖名单，最佳填词奖
def tianci_huojiangmingdan():    
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 获奖人及作品, count(*) as 次数 from \
        (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                    from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳填词奖%'and 获奖人及作品 not LIKE '%、%') \
        union all \
        select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',1,1)-1) as 获奖人及作品  \
                from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳填词奖%' and 获奖人及作品 like '%、%') \
        union all \
        select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品 \
                    from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                        from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳填词奖%'and 获奖人及作品 LIKE '%、%'))) \
        group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    # 取出的数据只保留前20行
    df = m_data[0:20]
    # print('最佳作曲奖',df) 
    # SQL选出“次数”中值最大值，作为y轴标签最大值
    sql_yticks = "select max(次数) from \
        (select 获奖人及作品, count(*) as 次数 from \
        (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                    from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳填词奖%'and 获奖人及作品 not LIKE '%、%') \
        union all \
        select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',1,1)-1) as 获奖人及作品  \
                from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳填词奖%' and 获奖人及作品 like '%、%') \
        union all \
        select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品 \
                    from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                        from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳填词奖%'and 获奖人及作品 LIKE '%、%'))) \
        group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC)"
    # pandas读出“次数”中值最大值
    data_yticks = pd.read_sql(sql_yticks,engine)  
    # 值类型转换  
    int_ticks = data_yticks["MAX(次数)"].astype("int")  
    # print(type(int_ticks))  
    # 生成y轴标签
    yticks = list(range(1,int(int_ticks)+1,1))       
    #画图，直方图，x轴标签为列“获奖名单”
    ax = df.plot(x='获奖人及作品', kind="bar", title='最佳填词奖', yticks=yticks,
    color='red')
    ax.set_ylabel('获奖次数') #设置Y轴名称
    ax.set_xlabel('名字') #设置X轴名称
    ax.legend(loc='upper right') #设置图例的位置
    plt.gcf().subplots_adjust( bottom=0.2) #图形居画布边距
    #保存为图片，也可保存为pdf
    plt.savefig('最佳填词奖.png', dpi=300)

输出
在这里插入图片描述
七、最佳编曲奖获奖次数统计

#获奖名单，最佳编曲奖
def bianqu_huojiangmingdan():    
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 获奖人及作品, count(*) as 次数 from \
        (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                        from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳编曲奖%'and 获奖人及作品 not LIKE '%、%') \
        union all \
        select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',1,1)-1) as 获奖人及作品  \
                from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳编曲奖%' and 获奖人及作品 like '%、%')\
        union all \
        select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品 \
                    from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品 \
                        from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳编曲奖%'and 获奖人及作品 LIKE '%、%'))) \
        group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    # 取出的数据只保留前20行
    df = m_data[0:20]
    # print('最佳编曲奖',df) 
    # SQL选出“次数”中值最大值，作为y轴标签最大值
    sql_yticks = "select max(次数) from \
        (select 获奖人及作品, count(*) as 次数 from \
        (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
                        from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳编曲奖%'and 获奖人及作品 not LIKE '%、%') \
        union all \
        select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',1,1)-1) as 获奖人及作品  \
                from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳编曲奖%' and 获奖人及作品 like '%、%')\
        union all \
        select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品 \
                    from (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品 \
                        from (select * from 获奖名单 t where 奖项名称 LIKE '%最佳编曲奖%'and 获奖人及作品 LIKE '%、%'))) \
        group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC)"
    # pandas读出“次数”中值最大值
    data_yticks = pd.read_sql(sql_yticks,engine)  
    # 值类型转换  
    int_ticks = data_yticks["MAX(次数)"].astype("int")  
    # print(type(int_ticks))  
    # 生成y轴标签
    yticks = list(range(1,int(int_ticks)+1,1))       
    #画图，直方图，x轴标签为列“获奖名单”
    ax = df.plot(x='获奖人及作品', kind="bar", title='最佳编曲奖', yticks=yticks,
    color='red')
    ax.set_ylabel('获奖次数') #设置Y轴名称
    ax.set_xlabel('名字') #设置X轴名称
    ax.legend(loc='upper right') #设置图例的位置
    plt.gcf().subplots_adjust( bottom=0.2) #图形居画布边距
    #保存为图片，也可保存为pdf
    plt.savefig('最佳编曲奖.png', dpi=300)

输出
在这里插入图片描述
八、总数统计（包含所有奖项，不局仅于前面列的七个奖项）

#获奖名单，总数统计（包含所有奖项）
def total_huojiangmingdan():    
    #查询获取数据用sql语句，不要分号，表名如果是英文要小写
    sql = "select 获奖人及作品, count(*) as 次数 from \
    (SELECT * FROM\
    (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
        from (select * from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 LIKE '%》%'))\
    WHERE 获奖人及作品 not like '%：%' and 获奖人及作品 not like '%.%' and 获奖人及作品 not like '%《%'\
    UNION ALL\
    SELECT * FROM\
    (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品  \
        from (select * from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 LIKE '%》%'))\
    WHERE 获奖人及作品 not like '%：%' and 获奖人及作品 not like '%.%'\
    UNION ALL\
    select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'：',-1,1)+1) as 获奖人及作品\
    from (select * from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 LIKE '%：%')\
    UNION ALL\
    select 奖项名称, 获奖人及作品 from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 not LIKE '%：%'\
    UNION ALL\
    select * from(\
        select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品\
        FROM (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品\
            FROM (select * from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 LIKE '%》%')))\
    WHERE 获奖人及作品 is not null\
    UNION ALL\
    select * from(\
        select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',-1,1)-1) as 获奖人及作品\
        FROM (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品\
            FROM (select * from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 LIKE '%》%')))\
    WHERE 获奖人及作品 is not null\
    UNION ALL\
    select 奖项名称, 获奖人及作品 from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 LIKE '%：%'\
    UNION ALL\
    select 奖项名称, 获奖人及作品 from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 not LIKE '%：%')\
    group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC"
    print("从数据库读取前------------------------------")
    #执行sql语句，从数据库取出数据
    m_data = pd.read_sql(sql,engine)
    # 取出的数据只保留前20行
    df = m_data[0:20]
    # print('总数统计（包含所有奖项）',df) 
    # SQL选出“次数”中值最大值，作为y轴标签最大值
    sql_yticks = "select max(次数) from \
        (select 获奖人及作品, count(*) as 次数 from \
    (SELECT * FROM\
    (select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'《',-1,1)-1) as 获奖人及作品  \
        from (select * from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 LIKE '%》%'))\
    WHERE 获奖人及作品 not like '%：%' and 获奖人及作品 not like '%.%' and 获奖人及作品 not like '%《%'\
    UNION ALL\
    SELECT * FROM\
    (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品  \
        from (select * from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 LIKE '%》%'))\
    WHERE 获奖人及作品 not like '%：%' and 获奖人及作品 not like '%.%'\
    UNION ALL\
    select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'：',-1,1)+1) as 获奖人及作品\
    from (select * from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 LIKE '%：%')\
    UNION ALL\
    select 奖项名称, 获奖人及作品 from 获奖名单 t where 获奖人及作品 not LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 not LIKE '%：%'\
    UNION ALL\
    select * from(\
        select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'、',-1,1)+1) as 获奖人及作品\
        FROM (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品\
            FROM (select * from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 LIKE '%》%')))\
    WHERE 获奖人及作品 is not null\
    UNION ALL\
    select * from(\
        select 奖项名称,substr(获奖人及作品,1,instr(获奖人及作品,'、',-1,1)-1) as 获奖人及作品\
        FROM (select 奖项名称,substr(获奖人及作品,instr(获奖人及作品,'》',-1,1)+1) as 获奖人及作品\
            FROM (select * from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 LIKE '%》%')))\
    WHERE 获奖人及作品 is not null\
    UNION ALL\
    select 奖项名称, 获奖人及作品 from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 LIKE '%：%'\
    UNION ALL\
    select 奖项名称, 获奖人及作品 from 获奖名单 t where 获奖人及作品 LIKE '%、%' and 获奖人及作品 not LIKE '%》%' and 获奖人及作品 not LIKE '%：%')\
    group by 获奖人及作品 order by 次数 desc,获奖人及作品 DESC)"
    # pandas读出“次数”中值最大值
    data_yticks = pd.read_sql(sql_yticks,engine)  
    # 值类型转换  
    int_ticks = data_yticks["MAX(次数)"].astype("int")  
    # print(type(int_ticks))  
    # 生成y轴标签
    yticks = list(range(1,int(int_ticks)+1,1))       
    #画图，直方图，x轴标签为列“获奖名单”指定x轴为'获奖人及作品'，颜色为'red'，尺寸为figsize=(10,10)
    ax = df.plot(x='获奖人及作品', kind="bar", title='总数统计（包含所有奖项）', yticks=yticks,
    color='red',figsize=(10,10))
    ax.set_ylabel('获奖次数') #设置Y轴名称
    ax.set_xlabel('名字') #设置X轴名称
    ax.legend(loc='upper right') #设置图例的位置
    plt.gcf().subplots_adjust( bottom=0.2) #图形居画布边距    
    #保存为图片，也可保存为pdf
    plt.savefig('总数统计（包含所有奖项）.png', dpi=900)

输出
在这里插入图片描述

SirmanChow
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
乳品消毒器行业调研报告 - 市场现状分析与发展前景预测
贝哲斯咨询的博客
03-29 203
乳品消毒器市场的企业竞争态势 该报告涉及的主要国际市场参与者有KRONES、OMVE Netherlands、DE LAMA、Hydrolock、Turatti、Sirman Spa、Tetra Pak、Swedlinghaus、Stephan Machinery、CFT Packaging等。这些参与者的市场份额、收入、公司概况和SWOT分析都包含在乳品消毒器市场调研报告中。 产品分类： 高温乳品灭菌机 乳品巴氏杀菌机 紫外线乳品消毒器 应用领域： 工业用途 商业用途...
2022-2028年全球与中国奶酪格栅机行业市场需求预测分析
weixin_56514970的博客
01-23 91
本文研究全球与中国市场奶酪格栅机的发展现状及未来发展趋势，分别从生产和消费的角度分析奶酪格栅机的主要生产地区、主要消费地区以及主要的生产商。重点分析全球与中国市场的主要厂商产品特点、产品规格、不同规格产品的价格、产量、产值及全球和中国市场主要生产商的市场份额。 主要生产商包括： Groba MINERVA OMEGA GROUP Cavecchi Enzo Deville Technologies Hereon Sirman Marchant Schmidt Jas Enterprises Urschel
Python 算法交易实验80 QTV200日常推进-目标估算
yukai08008的博客
08-10 488
业务目标在先，月利3%是第一个目标。虽然日常有在常规推进，但目标是什么？现在做的是什么？与目标的关联是什么？业务上讲，如果月利能够达到3%(几何平均)，上下波动不超过1%，就算达标了(2%~4%)。考虑到金融领域有不可测风险，所以资金还会分摊到3个月。例如，假如总投资资金是30万，那么每个月的最大投资金额是10万。这样即使遇到大跳水，问题也不大。目标达到的话，10万本金每月的盈利是3000， 按复利计,24个月就会double，我觉得已经足够理想。假设投资90万，则可以按30万计算复利效果。
汽车免拆诊断案例 | DAF（达富）汽油尾气处理液故障警示
虹科Pico汽车示波器的博客
08-14 579
一辆DAF（达富）故障警示灯亮，提示DEF系统故障，使用虹科Pico汽车示波器检查发现故障的原因是......
C++_基本语法笔记_模板
最新发布
qq_45629864的博客
08-14 300
思想是Java里的泛型（不确定用什么类型的数据）这里template这一句，意思是声明T是泛型，后面写用到泛型T的函数。建议都用应用场景：不同数据类型的交换函数。
Falsk测试与部署（第九阶段）
蜡笔小新星的博客
08-09 687
在本章节中，我们学习了如何使用unittest和pytest进行单元和集成测试，以及如何配置Flask应用，使用WSGI服务器部署，容器化Flask应用并将其部署到各种云服务平台。通过这些步骤，你可以确保你的Flask应用在生产环境中的稳定性和可靠性。希望这些知识能够帮助你在实际项目中更好地实现测试和部署。
Java读写EM4305卡、将4305卡制做成4100ID卡
zhangjin7422的专栏
08-14 296
Java读写em4305低频RFID源码，支持将EM4305卡配置成4100ID卡
importlib库介绍
m0_51579041的博客
08-14 142
importlib
python识别车辆标志
weixin_45570158的博客
08-09 476
要使用Python来识别车辆标志，你通常会用到计算机视觉库，如OpenCV，结合深度学习框架如TensorFlow或PyTorch。这里我将提供一个基于OpenCV和TensorFlow（使用预训练模型，如MobileNetV2）的基本示例。
pyinstaller 关于打包路径的总结
m0_73527922的博客
08-12 158
意思是bai.txt文件必须放在当前目录下。其实不管是运行py文件还是exe文件，运行谁就将该文件放在谁的当前目录下即可。exe文件的相对路径：相对于exe文件所在目录的相对路径。py文件的相对路径：相对于py文件所在目录的相对路径。如图：将bai.txt文件拷贝至exe文件所在目录。程序中下面代码是相对路径。
利用python写一个可视化的界面
huanghm88的专栏
08-08 3735
这段代码创建了一个窗口，并在窗口中添加了一个标签和一个按钮。当按钮被点击时，标签的文本会变成"Hello, World!你可以根据自己的需求修改窗口的布局和添加其他控件。要利用Python编写一个可视化界面，你可以使用一些图形库来实现，例如Tkinter、PyQt、wxPython等。
leetcode:1822. 数组元素积的符号(python3解法)
qq_41905051的博客
08-09 425
leetcode:1822. 数组元素积的符号(python3解法)
【最长递增子序列】python刷题记录
m0_73629042的博客
08-08 408
R4-dp。
云计算实训25——python管理(设置清华镜像站；安装pandas数据分析⼯具；安装pymysql连接器；python脚本)
m0_73907608的博客
08-09 911
设置清华镜像站；安装pandas数据分析⼯具；安装pymysql连接器；python脚本；
python中的setup.py
chen_znn的博客
08-09 212
本文介绍了python中的setup.py脚本的作用及编译方法
UI自动化测试详解
huace3740的博客
08-13 745
3.1 工程结构按照实际的业务流程调用对应接口来实现 WEB-UI 自动化测试用例。case 层可调用 service 层和 pageObject 层的接口，pageObject 是对每一个页面元素的一个封装，service 是对一个常用的业务模块功能的封装。比如一个查询企业信息的测试用例，需要依赖登入，这个业务功能就可以直接调用 service 中的接口。
如何高效记录并整理编程学习笔记
vvvae1234的博客
08-13 1202
在编程学习的旅程中，好的笔记记录和整理方法不仅能帮助我们更有效地吸收知识，还能在复习时提供清晰的参考。下面，我将为您提供一些建立高效笔记系统的建议，以帮助您在繁忙学习中保持笔记的条理性，从而打造属于自己的编程学习“知识宝库”。方向一：笔记工具选择方向二：笔记结构设计方向三：实践与复习策略
SSTI模版注入（初步）
2301_79783285的博客
08-11 543
SSTI模版注入（初步）ssti可能造成任意文件读取和RCE远程控制后台系统漏洞成因：渲染模版时，没有严格控制对用户的输入；使用了危险的模版，导致用户可以混合flask程序进行交互。flask是基于python开发的一种web服务器，那么也就意味着如果用户可以和flask进行交互的话，就可以执行python的代码，比如eval,system,file等等的函数。
Python邮件发送代码：如何构建并发送邮件？
danplus的博客
08-14 207
Python邮件发送代码是一种强大且实用的工具，适用于各种需要发送电子邮件的场景。AokSend，Python邮件发送代码好帮手，API+SMTP无缝集成，代码简洁，邮件发送更高效！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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