【python】python省市水资源数据分析可视化（源码+数据）【独一无二】

---

👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

---

【python】python省市水资源数据分析可视化（源码+数据）【独一无二】

---

---

一、设计要求

根据给定的数据文件“水资源情况信息.xlsx”，从不同的角度分析水资源

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈

---

二、数据分析

2.1 柱状图：全年水资源总量

分析内容：该图展示了每年的水资源总量变化情况。通过这张图，我们可以直观地看到每年水资源的波动和趋势，帮助我们理解水资源的年度变化。

2.2 散点图：地表水 vs 地下水

分析内容：该图比较了地表水资源量和地下水资源量之间的关系。每个点代表某一年的地表水资源量和地下水资源量，通过这张图，我们可以分析这两者之间是否存在某种相关性。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈

2.3 折线图：供水总量 vs 用水总量

分析内容：该图展示了每年的供水总量和用水总量。通过这张图，我们可以看到供水量和用水量的趋势，以及两者之间的差异，了解供需关系的变化情况。

2.4 雷达图：不同用水类型比较

分析内容：该图展示了农业用水、工业用水、生活用水和生态环境用水的比较。通过这张图，我们可以直观地看到四种用水类型的相对大小，了解各类型用水在2017年的分布情况。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈

2.5 饼状图：用水分布

分析内容：该图展示了不同用水类型（农业用水、工业用水、生活用水、生态环境用水）的比例。通过这张图，我们可以看到各类型用水在总用水中的占比，帮助我们理解用水结构。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈

2.6 箱线图：各年份不同用水类型的分布

分析内容：该图展示了农业用水、工业用水、生活用水和生态环境用水在2001年至2017年间的分布情况。通过这张图，我们可以看到各类型用水的中位数、四分位数、极值等统计信息，了解用水量的分布和波动情况。

2.7 组合图：历年供水来源

分析内容：该图展示了不同供水来源（地表水、地下水、再生水和南水北调水）在各年中的变化。通过这张图，我们可以了解不同供水来源的趋势和比例变化，帮助我们分析供水结构的变化情况。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈

三、代码展示

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

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


# 读取数据并转置
file_path = '水资源情况信息.csv'  

# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈


# 数据清洗
data.columns = data.iloc[0]
data = data[1:]

# 清理列名中的空格和特殊字符
data.columns = data.columns.str.strip()

# 略 ...
# 略 ...
# 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈

# 将年份列转换为整数类型
data['项    目'] = data.index.astype(int)

# 柱状图：全年水资源总量
plt.figure(figsize=(10, 6))
# 略 ...
# 略 ...
# 略 ...
plt.show()

# 散点图：地表水 vs 地下水
plt.figure(figsize=(10, 6))
plt.scatter(data['地表水资源量'], data['地下水资源量'])
# 略 ...
plt.ylabel('地下水资源量（亿立方米）')
plt.show()

# 折线图：供水总量 vs 用水总量
plt.figure(figsize=(10, 6))
plt.plot(data['项    目'], data['全年供水总量'], label='供水总量')
# 略 ...
# 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
plt.legend()
plt.show()


# 组合图：历年供水来源
plt.figure(figsize=(10, 6))
plt.plot(data['项    目'], data['地表水'], label='地表水供水')
plt.plot(data['项    目'], data['地下水'], label='地下水供水')
# 略 ...
# 略 ...
plt.legend()
plt.show()


print(data)

# 雷达图：2017年不同用水类型比较
labels = ['农业用水', '工业用水', '生活用水', '生态环境用水']
values = data.loc[2017, ['农业用水', '工业用水', '生活用水', '生态环境用水']].values.flatten()
angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist()
# 略 ...
angles += angles[:1]

plt.figure(figsize=(10, 6))
ax = plt.subplot(111, polar=True)
# 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈
ax.fill(angles, values, alpha=0.25)
# 略 ...
plt.show()



# 饼状图：2017年用水分布
usage_2017 = data.loc[2017, ['农业用水', '工业用水', '生活用水', '生态环境用水']].values.flatten()
# 略 ...
# 略 ...
plt.title('2017年用水分布')
plt.show()

# 提取需要绘制箱线图的数据
# 略 ...# >👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈

# 绘制箱线图
plt.figure(figsize=(12, 8))
boxplot_data.plot.box()
plt.title('各年份不同用水类型的分布')
# 略 ...

plt.show()

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “水资源” 获取。👈👈👈