【项目实战】多场景下的图表可视化表达

多场景下的图表可视化表达

• 数据：
  2016年奥运运动员数据，数据格式为xlsx，分3个sheet

1、分男女分别分析运动员的身高分布，并制作图表，数据为“奥运运动员数据.xlsx，sheet → 运动员信息”

• 要求：
  ① 制作分布密度图
  ② 计算出男女平均身高，并绘制辅助线表示
• 提示：
  ① 可视化制图方法 → sns.distplot()
  ② 辅助线制图方法 → plt.axvline()
  ③ 分男女分别筛选数据并制作图表
  ④ 不需要创建函数

2、综合指标判断运动员的身材，并找到TOP8的运动员，并制作图表，数据为“奥运运动员数据.xlsx，sheet → 运动员信息”

• 要求：
  ① 针对不同指标，绘制面积堆叠图
  ② TOP8的运动员，绘制雷达图表示
• 提示：
  ① 四个指标评判运动员身材，并加权平均
  a. BMI 指数（BMI =体重kg ÷ 身高m**2，详细信息可百度查询）→ 越接近22分数越高
  b. 腿长/身高 指数 → 数据筛选，只选取小于0.7的数据，越大分数越高
  c. 臂展/身高 指数 → 数据筛选，只选取大于0.7的数据，比值越接近1分数越高
  d. 年龄 指数 → 年龄越小分数越高
  对上述abcd指标分别标准化得到n1,n2,n3,n4（划分到0-1的分值）
  最后评分： finalscore = (n1 + n2 + n3 + n4)/4
  ② 制作堆叠面积图，data.plot.area()
  ③ 雷达图需要构建子图 + for循环遍历得到

3、根据运动员CP数据，分析出CP综合热度，通过python处理数据并导出，在Gephi中绘制图表，数据为“奥运运动员数据.xlsx，sheet → 运动员CP热度”

• 要求：
  ① 用python计算出综合热度指标
  ② 用Gephi绘制关系可视化图表
• 提示：
  ① 三个指标评判运动员CP综合热度，并加权平均
  a. cp微博数量 → 数量越多分数越高
  b. cp微博话题阅读量 → 阅读量越多分数越高
  c. B站cp视频播放量 → 播放量越大分数越高
  对上述abcd指标分别标准化得到n1,n2,n3,n4（划分到0-1的分值）
  最后评分： finalscore = n10.5 + n20.3 + n3*0.2
  ② Gephi中布局模式选择“ForceAtlas2”
  ③ Gephi中通过模块化计算，给关联结果做分组，并且以此分组设定点颜色

一 导入python包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
% matplotlib inline

import warnings
warnings.filterwarnings('ignore') 

1、分男女分别分析运动员的身高分布，并制作图表，数据为“奥运运动员数据.xlsx，sheet → 运动员信息”

• 要求：
  ① 制作分布密度图
  ② 计算出男女平均身高，并绘制辅助线表示
• 提示：
  ① 可视化制图方法 → sns.distplot()
  ② 辅助线制图方法 → plt.axvline()
  ③ 分男女分别筛选数据并制作图表
  ④ 不需要创建函数

import os
os.chdir('C:\\Us