panda强化练习2

In [1]:

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

In [2]:

#读取excel数据并转化为csv格式

data_xls=pd.read_excel('地市级党委书记数据库（2000-10）.xls','中国人民共和国地市级党委书记数据库（2000-10）',index_col = 0)

data_xls.to_csv('test_csv.csv', encoding='utf-8')

 

In [3]:

#读取csv格式的文件

data=pd.read_csv('test_csv.csv')

data.head(5)

 

 

Out[3]:

	省级政区代码	省级政区名称	地市级政区代码	地市级政区名称	年份	党委书记姓名	出生年份	出生月份	籍贯省份代码	籍贯省份名称	...	民族	教育	是否是党校教育（是=1，否=0）	专业：人文	专业：社科	专业：理工	专业：农科	专业：医科	入党年份	工作年份
0	130000	河北省	130100	石家庄市	2000	陈来立	NaN	NaN	NaN	NaN	...	NaN	硕士	1.0	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	130000	河北省	130100	石家庄市	2001	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN
2	130000	河北省	130100	石家庄市	2002	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN
3	130000	河北省	130100	石家庄市	2003	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN
4	130000	河北省	130100	石家庄市	2004	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN

5 rows × 23 columns

In [4]:

#把列名转化长一个列表

filed=data.columns.tolist()

print(filed)

print(data.columns)

['省级政区代码', '省级政区名称', '地市级政区代码', '地市级政区名称', '年份', '党委书记姓名', '出生年份', '出生月份', '籍贯省份代码', '籍贯省份名称', '籍贯地市代码', '籍贯地市名称', '性别', '民族', '教育', '是否是党校教育（是=1，否=0）', '专业：人文', '专业：社科', '专业：理工', '专业：农科', '专业：医科', '入党年份', '工作年份']
Index(['省级政区代码', '省级政区名称', '地市级政区代码', '地市级政区名称', '年份', '党委书记姓名', '出生年份',
       '出生月份', '籍贯省份代码', '籍贯省份名称', '籍贯地市代码', '籍贯地市名称', '性别', '民族', '教育',
       '是否是党校教育（是=1，否=0）', '专业：人文', '专业：社科', '专业：理工', '专业：农科', '专业：医科', '入党年份',
       '工作年份'],
      dtype='object')

In [5]:

print(data.describe(include=[np.number]))

print('----------')

# .describe()返回基本数据信息

# .describe(include=[np.number])只统计数值类型

# ()中没有任何参数时，会默认只统计数值类型的字段内容，包括：计数，平均数，方差，最小值，最大值，四分位数，若其中有字符串数据会报错

​

print(data.describe(include=[np.object]))

# 这里代表只统计字符串类型的字段内容：计数，唯一值数量，出现频率最高的内容，最高出现频率

 

 

 

              省级政区代码        地市级政区代码           年份         出生年份         出生月份  \
count    3663.000000    3663.000000  3663.000000  2676.000000  2645.000000   
mean   403393.393393  404456.756757  2005.000000  1953.622571     6.790548   
std    148176.721620  148485.810327     3.162709     4.416316     3.614664   
min    130000.000000  130100.000000  2000.000000  1941.000000     1.000000   
25%    330000.000000  330100.000000  2002.000000  1951.000000     3.000000   
50%    420000.000000  420200.000000  2005.000000  1954.000000     7.000000   
75%    510000.000000  513400.000000  2008.000000  1956.000000    10.000000   
max    650000.000000  654300.000000  2010.000000  1966.000000    14.000000   

              籍贯省份代码         籍贯地市代码  是否是党校教育（是=1，否=0）        专业：人文  \
count    2624.000000    2615.000000       2493.000000  2370.000000   
mean   364428.353659  365742.332696          0.430405     0.275527   
std    126267.485520  125961.993399          0.576136     0.446874   
min    110000.000000  120000.000000          0.000000     0.000000   
25%    320000.000000  320700.000000          0.000000     0.000000   
50%    370000.000000  370700.000000          0.000000     0.000000   
75%    430000.000000  431300.000000          1.000000     1.000000   
max    640000.000000  640500.000000          9.000000     1.000000   

             专业：社科        专业：理工        专业：农科        专业：医科         入党年份  \
count  2376.000000  2371.000000  2369.000000  2370.000000  2384.000000   
mean      0.627525     0.256854     0.067539     0.009705  1976.906879   
std       0.483566     0.436990     0.251006     0.098054     5.310080   
min       0.000000     0.000000     0.000000     0.000000  1961.000000   
25%       0.000000     0.000000     0.000000     0.000000  1973.000000   
50%       1.000000     0.000000     0.000000     0.000000  1976.000000   
75%       1.000000     1.000000     0.000000     0.000000  1981.000000   
max       1.000000     1.000000     1.000000     1.000000  1994.000000   

              工作年份  
count  2568.000000  
mean   1973.129673  
std       4.856564  
min    1958.000000  
25%    1970.000000  
50%    1972.500000  
75%    1976.000000  
max    1990.000000  
----------
       省级政区名称 地市级政区名称 党委书记姓名 籍贯省份名称 籍贯地市名称    性别    民族    教育
count    3663    3663   3021   2624   2615  2708  2517  2550
unique     27     333    901     29    240     2     2     7
top       广东省     白山市    焉荣竹    山东省    威海市     男    汉族    硕士
freq      231      11     11    313     58  2633  2351  1381

In [6]:

#取出性别这一列

data_gender=data['性别']

data_gender.head()

Out[6]:

0    NaN
1    NaN
2    NaN
3    NaN
4    NaN
Name: 性别, dtype: object

In [7]:

 

#过来吃掉空值

data_gender_re=data_gender[data_gender.notnull()]

data_gender_re.head()

Out[7]:

121    男
122    男
123    男
124    男
125    男
Name: 性别, dtype: object

In [8]:

#查看性别这一列都有那些数值

data_gender_re.unique()

Out[8]:

array(['男', '女'], dtype=object)

In [9]:

#统计总数

count_total=data_gender_re.count()

count_total

Out[9]:

2708

In [10]:

#分别统计男女占比

count_m=data_gender_re[data_gender_re=='男'].count()

count_m

Out[10]:

2633

In [11]:

#统计女的数量

count_f=data_gender_re[data_gender_re=='女'].count()

count_f

Out[11]:

75

In [12]:

#分别查看男女数量

data_gender_re.value_counts()

Out[12]:

男    2633
女      75
Name: 性别, dtype: int64

In [13]:

#查看男占比

count_m/count_total

Out[13]:

0.9723042836041359

In [14]:

#查看女占比

count_f/count_total

Out[14]:

0.027695716395864108

按省份分析市委书记的女性比例

In [15]:

#取出省份和性别这两列，过滤掉性别为空的

data_gender2 = data[['省级政区名称','性别']]

data_gender2_re = data_gender2[data_gender2['性别'].notnull()]

data_gender2_re.head()

 

Out[15]:

	省级政区名称	性别
121	山西省	男
122	山西省	男
123	山西省	男
124	山西省	男
125	山西省	男

In [16]:

#按省份分组，统计性别的频数

pt=pd.crosstab(data_gender2_re['省级政区名称'],data_gender2_re['性别'])

pt.head()

Out[16]:

性别	女	男
省级政区名称
云南省	2	73
内蒙古自治区	0	86
吉林省	4	72
四川省	8	155
宁夏回族自治区	0	49

In [17]:

#给pt1新增一列女性占比，按男性占比后赋值给pt2

pt['女性占比']=pt['女']/(pt['男']+pt['女'])

pt2=pt.sort_values(by=['女性占比'],ascending=False)

pt2.head()

 

Out[17]:

性别	女	男	女性占比
省级政区名称
辽宁省	13	121	0.097015
陕西省	9	93	0.088235
吉林省	4	72	0.052632
山西省	6	112	0.050847
四川省	8	155	0.049080

In [18]:

#根据上面结构绘图

#创建一张8*4的图标

fig_q1_1=plt.figure(figsize=(8,4))

​

#把省份作为横轴，取钱10个

index=pt2.index[:10]

​

plt.bar(range(10),  # 横坐标

        pt2['女性占比'][:10], # 纵坐标

        tick_label=index, # 横轴标签

        color = 'red' )  # 颜色

plt.title('不同省份女性市委书记占比')

plt.xlabel('省份')

plt.ylabel('女性占比')

plt.show()

 

 

 

In [19]:

##图标2：女性视为书籍的占比结构

​

fig_q1_2=plt.figure(figsize=(4,4))

​

plt.boxplot(pt2['女性占比'],#值

           vert=True,#纵向

           showmeans=True)#显示均值

plt.title('女性市委书记占比')

plt.xticks([])

plt.ylabel('女性占比')

plt.show()

 

 

 

 

年龄情况 ，专业情况

In [20]:

#年龄情况，整体年龄情况/入职年龄情况/退休年龄情况

data_age=data[['出生年份','党委书记姓名','年份']]

data_age.head()

 

 

Out[20]:

	出生年份	党委书记姓名	年份
0	NaN	陈来立	2000
1	NaN	吴振华	2001
2	NaN	吴振华	2002
3	NaN	吴振华	2003
4	NaN	吴振华	2004

In [21]:

#过滤掉出生年份为空的

data_age_re=data_age[data_age['出生年份'].notnull()]

data_age_re.head()

Out[21]:

	出生年份	党委书记姓名	年份
121	1945.0	侯伍杰	2000
122	1945.0	侯伍杰	2001
123	1950.0	云公民	2002
124	1950.0	云公民	2003
125	1950.0	云公民	2004

In [23]:

 

#查看出生年份的组成值

data_age_re['出生年份'].unique()

 

Out[23]:

array([1945., 1950., 1956., 1949., 1952., 1957., 1953., 1960., 1955.,
       1951., 1954., 1948., 1947., 1946., 1944., 1962., 1964., 1942.,
       1963., 1958., 1965., 1943., 1961., 1959., 1941., 1966.])

In [24]:

#查看出生年份的描述

data_age_re.describe()

Out[24]:

	出生年份	年份
count	2676.000000	2676.000000
mean	1953.622571	2005.214499
std	4.416316	3.046486
min	1941.000000	2000.000000
25%	1951.000000	2003.000000
50%	1954.000000	2005.000000
75%	1956.000000	2008.000000
max	1966.000000	2010.000000

In [31]:

 

#计算出整体年龄数据

df1=2017-data_age_re['出生年份']

df1.head()

Out[31]:

121    72.0
122    72.0
123    67.0
124    67.0
125    67.0
Name: 出生年份, dtype: float64

In [37]:

df1.describe()

Out[37]:

count    2676.000000
mean       63.377429
std         4.416316
min        51.000000
25%        61.000000
50%        63.000000
75%        66.000000
max        76.000000
Name: 出生年份, dtype: float64

In [53]:

#计算入职年龄(先计算每个人入职年龄的最小值)，再看每个年份的入职人数

df_yearmin = data_age_re[['党委书记姓名','年份']].groupby(data_age_re['党委书记姓名']).min()

df2=df_yearmin['年份'].groupby(df_yearmin['年份']).count()

df2

Out[53]:

年份
2000    190
2001     69
2002     65
2003     88
2004     51
2005     55
2006     50
2007     59
2008     99
2009     23
Name: 年份, dtype: int64

In [55]:

#查看卸任年龄

df_yearmax = data_age_re[['党委书记姓名','年份']].groupby(data_age_re['党委书记姓名']).max()

df3=df_yearmax.groupby(df_yearmax['年份']).count()

df3

 

 

Out[55]:

	党委书记姓名
年份
2000	47
2001	44
2002	71
2003	38
2004	48
2005	49
2006	58
2007	105
2008	25
2009	41
2010	223

In [64]:

##专业情况  专业结构 / 专业整体情况 / 专业大类分布 

data_major=data[['党委书记姓名','专业：人文','专业：社科','专业：理工','专业：农科','专业：医科']]

data_major_re=data[data_major['专业：人文'].notnull()]

data_major_re.head()

 

 

Out[64]:

	省级政区代码	省级政区名称	地市级政区代码	地市级政区名称	年份	党委书记姓名	出生年份	出生月份	籍贯省份代码	籍贯省份名称	...	民族	教育	是否是党校教育（是=1，否=0）	专业：人文	专业：社科	专业：理工	专业：农科	专业：医科	入党年份	工作年份
1	130000	河北省	130100	石家庄市	2001	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN
2	130000	河北省	130100	石家庄市	2002	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN
3	130000	河北省	130100	石家庄市	2003	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN
4	130000	河北省	130100	石家庄市	2004	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN
5	130000	河北省	130100	石家庄市	2005	吴振华	NaN	NaN	NaN	NaN	...	NaN	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN

5 rows × 23 columns

In [66]:

 

data_major_re.mean()

 

 

Out[66]:

省级政区代码              388046.413502
地市级政区代码             388781.772152
年份                    2005.479747
出生年份                  1954.297048
出生月份                     6.704082
籍贯省份代码              369873.772791
籍贯地市代码              371312.159624
是否是党校教育（是=1，否=0）         0.406809
专业：人文                    0.275527
专业：社科                    0.626582
专业：理工                    0.256540
专业：农科                    0.067539
专业：医科                    0.009705
入党年份                  1977.430507
工作年份                  1973.622338
dtype: float64

In [67]:

data_major_re.describe()

 

Out[67]:

	省级政区代码	地市级政区代码	年份	出生年份	出生月份	籍贯省份代码	籍贯地市代码	是否是党校教育（是=1，否=0）	专业：人文	专业：社科	专业：理工	专业：农科	专业：医科	入党年份	工作年份
count	2370.000000	2370.000000	2370.000000	2168.000000	2156.000000	2139.000000	2130.000000	2350.000000	2370.000000	2370.000000	2370.000000	2369.000000	2370.000000	1993.000000	2113.000000
mean	388046.413502	388781.772152	2005.479747	1954.297048	6.704082	369873.772791	371312.159624	0.406809	0.275527	0.626582	0.256540	0.067539	0.009705	1977.430507	1973.622338
std	137507.595852	137533.425865	3.040290	4.250503	3.618283	126451.656681	126006.184835	0.491343	0.446874	0.483814	0.436815	0.251006	0.098054	5.265569	4.857468
min	130000.000000	130100.000000	2000.000000	1941.000000	1.000000	110000.000000	120000.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	1964.000000	1960.000000
25%	320000.000000	321300.000000	2003.000000	1952.000000	3.000000	320000.000000	320900.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	1974.000000	1970.000000
50%	410000.000000	410600.000000	2006.000000	1954.000000	7.000000	370000.000000	370900.000000	0.000000	0.000000	1.000000	0.000000	0.000000	0.000000	1976.000000	1973.000000
75%	450000.000000	451175.000000	2008.000000	1957.000000	10.000000	440000.000000	440500.000000	1.000000	1.000000	1.000000	1.000000	0.000000	0.000000	1982.000000	1976.000000
max	650000.000000	650200.000000	2010.000000	1966.000000	14.000000	640000.000000	640500.000000	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000	1994.000000	1990.000000

In [86]:

 

#统计每个人的专业

data_major_re['专业']=data_major_re[['专业：人文', '专业：社科', '专业：理工', '专业：农科', '专业：医科']].idxmax(axis=1)

data_major_re.head()

C:\Anaconda3\lib\site-packages\ipykernel_launcher.py:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  

Out[86]:

	省级政区代码	省级政区名称	地市级政区代码	地市级政区名称	年份	党委书记姓名	出生年份	出生月份	籍贯省份代码	籍贯省份名称	...	教育	是否是党校教育（是=1，否=0）	专业：人文	专业：社科	专业：理工	专业：农科	专业：医科	入党年份	工作年份	专业
1	130000	河北省	130100	石家庄市	2001	吴振华	NaN	NaN	NaN	NaN	...	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN	专业：理工
2	130000	河北省	130100	石家庄市	2002	吴振华	NaN	NaN	NaN	NaN	...	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN	专业：理工
3	130000	河北省	130100	石家庄市	2003	吴振华	NaN	NaN	NaN	NaN	...	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN	专业：理工
4	130000	河北省	130100	石家庄市	2004	吴振华	NaN	NaN	NaN	NaN	...	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN	专业：理工
5	130000	河北省	130100	石家庄市	2005	吴振华	NaN	NaN	NaN	NaN	...	本科	0.0	0.0	0.0	1.0	0.0	0.0	NaN	NaN	专业：理工

5 rows × 24 columns

In [90]:

#去重

data_major_st=data_major_re[['党委书记姓名','专业']].drop_duplicates()

data_major_st.head()

Out[90]:

	党委书记姓名	专业
1	吴振华	专业：理工
7	吴显国	专业：社科
9	车俊	专业：社科
10	孙瑞彬	专业：社科
11	白润璋	专业：理工

In [93]:

#统计专业结构

df4=data_major_st['专业'].groupby(data_major_st['专业']).count()

df4

Out[93]:

专业
专业：人文    187
专业：农科     21
专业：医科      5
专业：理工    127
专业：社科    346
Name: 专业, dtype: int64

In [96]:

#计算每年专业的整体数据情况(这是未去重的)

df5=pd.crosstab(data_major_re['年份'],data_major_re['专业'])

df5

Out[96]:

专业	专业：人文	专业：农科	专业：医科	专业：理工	专业：社科
年份
2000	33	7	2	43	53
2001	42	6	3	36	78
2002	56	5	4	35	90
2003	67	7	2	25	106
2004	68	7	2	28	118
2005	63	7	2	31	123
2006	67	9	2	34	123
2007	69	8	2	34	128
2008	68	8	0	44	130
2009	67	8	0	42	131
2010	71	7	0	38	131

In [97]:

# 计算每年专业大类分布数据

df5['社科比例'] = df5['专业：社科'] / (df5['专业：理工'] + df5['专业：医科'] + df5['专业：社科'] + df5['专业：农科'] + df5['专业：人文'])

df5['人文比例'] = df5['专业：人文'] / (df5['专业：理工'] + df5['专业：医科'] + df5['专业：社科'] + df5['专业：农科'] + df5['专业：人文'])

df5['理工农医比例'] = (df5['专业：理工'] + df5['专业：医科'] + df5['专业：农科'])/ (df5['专业：理工'] + df5['专业：医科'] + df5['专业：社科'] + df5['专业：农科'] + df5['专业：人文'])

print(df5[['社科比例','人文比例','理工农医比例']])

 

专业        社科比例      人文比例    理工农医比例
年份                                
2000  0.384058  0.239130  0.376812
2001  0.472727  0.254545  0.272727
2002  0.473684  0.294737  0.231579
2003  0.512077  0.323671  0.164251
2004  0.529148  0.304933  0.165919
2005  0.544248  0.278761  0.176991
2006  0.523404  0.285106  0.191489
2007  0.531120  0.286307  0.182573
2008  0.520000  0.272000  0.208000
2009  0.528226  0.270161  0.201613
2010  0.530364  0.287449  0.182186

 

年龄情况的图标绘制

In [120]:

 

fig_q2=plt.figure(figsize=(12,8))

​

ax1=fig_q2.add_subplot(2,3,1)

ax2=fig_q2.add_subplot(2,3,2)

ax3=fig_q2.add_subplot(2,3,3)

ax4=fig_q2.add_subplot(2,3,4)

ax5=fig_q2.add_subplot(2,3,5)

ax6=fig_q2.add_subplot(2,3,6)

#亿创建的图标划分成2*3#的表格矩阵

​

ax1.hist(df1,bins=11,color='gray',alpha=0.9)

ax1.set_title('整体年龄分布')

ax1.grid(True)

​

ax2.plot(df2,color='r',marker='o',alpha=0.9)

ax2.set_title('入职年龄分布')

ax2.set_xticks(range(2000,2011,2))

ax2.grid(True)

​

ax3.plot(df3,color='g',marker='o',alpha=0.9)

ax3.set_title('卸任年龄分布')

ax3.set_xticks(range(2000,2011,2))

ax3.grid(True)

​

ax4.bar(range(len(df4)),df4,color='y')

ax4.set_xticklabels(['人文','农科','医科','理工','社科'])

ax4.grid(True)

ax4.set_title('专业结构')

​

ax5.plot(df5.index,df5[['专业：人文','专业：农科','专业：医科','专业：理工','专业：社科']])

ax5.grid(True)

ax5.set_title('专业整体情况')

ax6.bar(df5.index,df5['社科比例'],color = 'darkred',alpha=0.7)

ax6.bar(df5.index,df5['人文比例'],color = 'darkred',bottom = df5['社科比例'],alpha=0.5)

ax6.bar(df5.index,df5['理工农医比例'],color = 'darkred',bottom = df5['人文比例'] + df5['社科比例'],alpha=0.3)

ax6.grid(True)

ax6.set_title('专业大类分布：社科、人文、理工农医')

plt.show()

 

 

 

 

任期

In [128]:

#出生年份与任期的关系

# 新建变量data_term，赋值包括年份、姓名、出生年份字段内容

# 清除缺失值

data_term=data[['年份','党委书记姓名','出生年份']]

data_term_re=data_term[data_term['出生年份'].notnull()]

data_term_re.head()

 

Out[128]:

	年份	党委书记姓名	出生年份
121	2000	侯伍杰	1945.0
122	2001	侯伍杰	1945.0
123	2002	云公民	1950.0
124	2003	云公民	1950.0
125	2004	云公民	1950.0

In [129]:

year_max = data_term_re[['出生年份','年份']].groupby(data_term_re['党委书记姓名']).max()

year_max.rename(columns={'年份':'年份max'}, inplace = True)

year_max['姓名'] = year_max.index

# 统计每个党委书记任期年份最大值，且更改列明

# 将index提取出字段内容

 

 

In [130]:

year_min = data_term_re[['出生年份','年份']].groupby(data_term_re['党委书记姓名']).min()

year_min.rename(columns={'年份':'年份min'}, inplace = True)

year_min['姓名'] = year_min.index

# 统计每个党委书记任期年份最小值，且更改列明

# 将index提取出字段内容

 

In [131]:

data_term_fin = pd.merge(year_max,year_min)

print(data_term_fin.head())

print(data_term_fin.dtypes)

# 合并表格，默认重叠重复列明

# .dtypes查看字段类型 → 年份均为int

 

     出生年份  年份max   姓名  年份min
0  1951.0   2009  丁海中   2003
1  1948.0   2003  丁耀民   2000
2  1951.0   2007  丁解民   2001
3  1964.0   2007  万庆良   2005
4  1957.0   2010  丰立祥   2008
出生年份     float64
年份max      int64
姓名        object
年份min      int64
dtype: object

In [132]:

 

data_term_fin['任期'] = data_term_fin['年份max'] - data_term_fin['年份min']

print(data_term_fin.head())

# 计算任期

 

     出生年份  年份max   姓名  年份min  任期
0  1951.0   2009  丁海中   2003   6
1  1948.0   2003  丁耀民   2000   3
2  1951.0   2007  丁解民   2001   6
3  1964.0   2007  万庆良   2005   2
4  1957.0   2010  丰立祥   2008   2

In [133]:

# 绘制图表1：任期与出生年份关系

fig_q3_1 = plt.figure(figsize = (8,4))

# 创建一个图表，大小为8*4

​

plt.scatter(data_term_fin['出生年份'],data_term_fin['任期'],color = 'black', alpha=0.2, s = 10)

plt.title('任期与出生年份关系')

plt.xlabel('出身年份')

plt.ylabel('任期（年）')

plt.grid(True)

plt.show()

# 创建散点图，aplha代表透明度 → 点颜色叠加，s代表点大小，

# 参数添加，grid添加网格

# plt.show()：显示图表

 

 

 

In [135]:

 

# 绘制图表2：任期与出生年份关系 - 热图

​

fig_q3_2 = plt.figure(figsize = (8,4))

# 创建一个图表，大小为8*4

​

df = pd.crosstab(data_term_fin['任期'], data_term_fin['出生年份'])

print(df.head())

print('----------')

# 整合数据

​

ax = fig_q3_2.add_subplot(111)

cax = ax.pcolor(df, cmap='Blues')

#cax = ax.matshow(df, cmap='Blues_r')

fig_q3_2.colorbar(cax)

plt.title('任期与出生年份关系 - 热图\n')

ax.set_xticklabels(data_term_fin['出生年份'].tolist())

plt.show()

# 创建热图，横坐标为出生年份，纵坐标为任期，

 

 

 

出生年份  1941.0  1942.0  1943.0  1944.0  1945.0  1946.0  1947.0  1948.0  1949.0  \
任期                                                                             
0          4       2       6       5       6       7       3       5       7   
1          2       3       1       6       3       6       3       6       8   
2          0       2       1       4       6       9       5      11      11   
3          0       0       0       1       1       4       2       4       7   
4          0       0       0       0       2       1       0       0       3   

出生年份  1950.0   ...    1957.0  1958.0  1959.0  1960.0  1961.0  1962.0  1963.0  \
任期             ...                                                             
0          3   ...         2       2       0       1       1       0       0   
1          8   ...        13       6       4       3       1       7       1   
2          5   ...        19       9       5       3       9       7       3   
3          8   ...         6       5       3       4       1       4       0   
4          5   ...         8       2       2       1       1       2       0   

出生年份  1964.0  1965.0  1966.0  
任期                            
0          0       1       0  
1          2       0       2  
2          4       0       0  
3          2       2       0  
4          0       1       0  

[5 rows x 26 columns]
----------

 

In [ ]:

 

 

 

 

 

​

 

 

转载于:https://www.cnblogs.com/tjp40922/p/10709529.html