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