2021-10-25

最新推荐文章于 2024-10-13 10:05:58 发布
最新推荐文章于 2024-10-13 10:05:58 发布
阅读量138 收藏 1
点赞数
分类专栏： 数据分析 文章标签： python
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/weixin_44322171/article/details/120960682
版权

行业类别

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

import seaborn as sns
import scipy.stats as st
import os
import re

warnings.filterwarnings('ignore')

pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
pd.set_option('max_colwidth', None)
# 显示所有info，默认100
pd.set_option("display.max_info_columns", 2000)

df = pd.read_excel('数据分析助理笔试题.xls', skiprows=1)

df.head().append(df.tail())
数据期行业代码经纬度注册资本(人民币元)企业经营日期企业登记设立日期企业缴纳社保人员数
0201512K7010113.857559,22.581071500000.02013-12-01 00:00:002012-07-05 00:00:0059.0
1201512F5132113.844955,22.7150528175400.02012-11-01 00:00:002012-09-06 00:00:00285.0
2201512F5261113.857559,22.58107125000000.02013-04-01 00:00:002012-07-27 00:00:00178.0
3201512C2231113.856368,22.7368604000000.02012-12-01 00:00:002012-08-22 00:00:0028.0
4201512L7212113.803833,22.7605728000000.02014-01-01 00:00:002012-08-02 00:00:0031.0
22216201912C3971NaN20000000.02019-12-01 00:00:002019-10-11 00:00:00NaN
22217201912N7810113.883831,22.554986NaN00:00:0000:00:00NaN
22218201912S9221113.830132,22.742925NaN2018-03-01 00:00:0000:00:00NaN
22219201912N7810113.859368,22.618116NaN2018-04-01 00:00:0000:00:00NaN
22220201912P8321113.811647,22.733314NaN00:00:0000:00:00NaN
df.shape

(22221, 7)

df.drop_duplicates(subset=None, keep='first', inplace=True)
df.shape

(21204, 7)

df['类别'] = df['行业代码'].apply(lambda x:x[:1])

df.head().append(df.tail())

df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 21204 entries, 0 to 22220
Data columns (total 8 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   数据期         21204 non-null  int64  
 1   行业代码        21204 non-null  object 
 2   经纬度         18491 non-null  object 
 3   注册资本(人民币元)  18928 non-null  float64
 4   企业经营日期      21204 non-null  object 
 5   企业登记设立日期    21204 non-null  object 
 6   企业缴纳社保人员数   20106 non-null  float64
 7   类别          21204 non-null  object 
dtypes: float64(2), int64(1), object(5)
memory usage: 1.5+ MB

industry = df.copy()

industry_group = industry.groupby(['类别'])

#声明一个读写对象
writer = pd.ExcelWriter('industry.xls',engine='xlsxwriter')
for name, group in industry_group:
    #分别将表写入Excel中的Sheet1、Sheet2、Sheet3
    group.to_excel(writer,sheet_name=name)
#保存读写的内容
writer.save()

date_group = industry.groupby(['数据期'])

date_num_industry = []
date = []
num_industry = []
# 查看行业随着日期公司数量的变化
for name, group in date_group:
    date.append(name//100)
    num_industry.append(group.shape[0])
    date_num_industry.append([name, group.shape[0]])
    print('{}年{}月,行业数量为{}'.format(str(name)[:4], str(name)[-2:], group.shape[0]))
    

2015年12月,行业数量为1957
2016年12月,行业数量为3476
2017年12月,行业数量为4418
2018年12月,行业数量为5250
2019年12月,行业数量为6103

date_num_industry, date, num_industry

([[201512, 1957],
  [201612, 3476],
  [201712, 4418],
  [201812, 5250],
  [201912, 6103]],
 [2015, 2016, 2017, 2018, 2019],
 [1957, 3476, 4418, 5250, 6103])

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

fig = plt.figure(figsize=(6, 4))
title = plt.suptitle('产业总量的变化', fontsize=16)
fig.subplots_adjust(top=0.92, wspace=0.3)
ax = fig.add_subplot(111)
ax.set_xlabel('数据期', fontsize=12)
ax.set_ylabel('企业数量', fontsize=12)
ax.bar(date, num_industry, color='yellowgreen')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

​
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dWSroCv1-1635240656601)(output_16_0.png)]
​

s_industry = industry.groupby(['数据期', '类别'])

date_type = []
cate_ind = []
num_ind = []
for inx, gp in s_industry:
    date_type.append(inx[0])
    cate_ind.append(inx[1])
    num_ind.append(gp.shape[0])


date_ind_change = pd.DataFrame()
date_ind_change['数据期'] = date_type
date_ind_change['类别'] = cate_ind
date_ind_change['数量'] = num_ind
date_ind_change

plt.figure(figsize=(16, 10))
cp = sns.countplot(x='类别', hue='数据期', data=industry)
plt.xlabel('类别',fontsize=14)   #X轴的名称
plt.ylabel('产业数量',fontsize=14)    #Y轴名称
plt.title('不同时期下各类别产业的数量统计图',fontsize=18)        #图的名称


Text(0.5, 1.0, '不同时期下各类别产业的数量统计图')

​
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vANRudNo-1635240656607)(output_20_1.png)]
​

for idx, gp in s_industry:
    print(idx, gp.shape[0])

(201512, 'C') 1208
(201512, 'D') 5
(201512, 'E') 50
(201512, 'F') 281
(201512, 'G') 39
(201512, 'H') 60
(201512, 'I') 18
(201512, 'K') 85
(201512, 'L') 142
(201512, 'M') 24
(201512, 'N') 1
(201512, 'O') 13
(201512, 'P') 18
(201512, 'Q') 7
(201512, 'R') 6
(201612, 'C') 2356
(201612, 'D') 7
(201612, 'E') 66
(201612, 'F') 418
(201612, 'G') 119
(201612, 'H') 69
(201612, 'I') 37
(201612, 'J') 1
(201612, 'K') 114
(201612, 'L') 189
(201612, 'M') 41
(201612, 'N') 4
(201612, 'O') 16
(201612, 'P') 22
(201612, 'Q') 9
(201612, 'R') 8
(201712, 'C') 2793
(201712, 'D') 6
(201712, 'E') 77
(201712, 'F') 705
(201712, 'G') 152
(201712, 'H') 96
(201712, 'I') 64
(201712, 'K') 157
(201712, 'L') 221
(201712, 'M') 58
(201712, 'N') 9
(201712, 'O') 20
(201712, 'P') 28
(201712, 'Q') 9
(201712, 'R') 12
(201712, 'S') 11
(201812, 'C') 3233
(201812, 'D') 6
(201812, 'E') 90
(201812, 'F') 912
(201812, 'G') 204
(201812, 'H') 138
(201812, 'I') 92
(201812, 'K') 185
(201812, 'L') 242
(201812, 'M') 61
(201812, 'N') 6
(201812, 'O') 18
(201812, 'P') 38
(201812, 'Q') 9
(201812, 'R') 16
(201912, 'C') 3698
(201912, 'D') 10
(201912, 'E') 139
(201912, 'F') 1049
(201912, 'G') 218
(201912, 'H') 170
(201912, 'I') 90
(201912, 'J') 1
(201912, 'K') 245
(201912, 'L') 293
(201912, 'M') 73
(201912, 'N') 13
(201912, 'O') 21
(201912, 'P') 44
(201912, 'Q') 10
(201912, 'R') 16
(201912, 'S') 13

industry.head()
数据期行业代码经纬度注册资本(人民币元)企业经营日期企业登记设立日期企业缴纳社保人员数类别
0201512K7010113.857559,22.581071500000.02013-12-01 00:00:002012-07-05 00:00:0059.0K
1201512F5132113.844955,22.7150528175400.02012-11-01 00:00:002012-09-06 00:00:00285.0F
2201512F5261113.857559,22.58107125000000.02013-04-01 00:00:002012-07-27 00:00:00178.0F
3201512C2231113.856368,22.7368604000000.02012-12-01 00:00:002012-08-22 00:00:0028.0C
4201512L7212113.803833,22.7605728000000.02014-01-01 00:00:002012-08-02 00:00:0031.0L
industry['经度'] = industry['经纬度'].apply(lambda x:str(x)[:10])
industry['纬度'] = industry['经纬度'].apply(lambda x:str(x)[11:]) 

del industry['经纬度']
数据期行业代码注册资本(人民币元)企业经营日期企业登记设立日期企业缴纳社保人员数类别经度纬度
0201512K7010500000.02013-12-01 00:00:002012-07-05 00:00:0059.0K113.85755922.581071
1201512F51328175400.02012-11-01 00:00:002012-09-06 00:00:00285.0F113.84495522.715052
2201512F526125000000.02013-04-01 00:00:002012-07-27 00:00:00178.0F113.85755922.581071
3201512C22314000000.02012-12-01 00:00:002012-08-22 00:00:0028.0C113.85636822.736860
4201512L72128000000.02014-01-01 00:00:002012-08-02 00:00:0031.0L113.80383322.760572
industry['数据期'] = industry['数据期'].apply(lambda x:x//100)

industry.head()
数据期行业代码注册资本(人民币元)企业经营日期企业登记设立日期企业缴纳社保人员数类别经度纬度
02015K7010500000.02013-12-01 00:00:002012-07-05 00:00:0059.0K113.85755922.581071
12015F51328175400.02012-11-01 00:00:002012-09-06 00:00:00285.0F113.84495522.715052
22015F526125000000.02013-04-01 00:00:002012-07-27 00:00:00178.0F113.85755922.581071
32015C22314000000.02012-12-01 00:00:002012-08-22 00:00:0028.0C113.85636822.736860
42015L72128000000.02014-01-01 00:00:002012-08-02 00:00:0031.0L113.80383322.760572
industry.to_csv('industry.csv', index=False)

china = ['D', 'J', 'N', 'Q', 'S']
n_china = ['C', 'E', 'F', 'G', 'H', 'I', 'K', 'L', 'M', 'O', 'P', 'R']
data_china = industry.copy()
data_china = data_china[~data_china['类别'].isin(n_china)]

plt.figure(figsize=(10, 8))
cp = sns.countplot(x='类别', hue='数据期', data=data_china)
plt.xlabel('类别',fontsize=14)   #X轴的名称
plt.ylabel('产业数量',fontsize=14)    #Y轴名称
plt.title('不同时期下国家控制类产业的数量统计图',fontsize=18)        #图的名称

data_life = industry.copy()
data_life = data_life[data_life['类别'].isin(['C', 'F'])]

plt.figure(figsize=(6, 4))
cp = sns.countplot(x='类别', hue='数据期', data=data_life)
plt.xlabel('类别',fontsize=14)   #X轴的名称
plt.ylabel('产业数量',fontsize=14)    #Y轴名称
plt.title('人们日常消费相关产业的数量统计图',fontsize=18)        #图的名称

data_other = industry.copy()
data_other = data_other[data_other['类别'].isin(['E', 'G', 'H', 'I', 'K', 'L', 'M', 'O', 'P', 'R'])]

plt.figure(figsize=(10, 8))
cp = sns.countplot(x='类别', hue='数据期', data=data_other)
plt.xlabel('类别',fontsize=14)   #X轴的名称
plt.ylabel('产业数量',fontsize=14)    #Y轴名称
plt.title('其他产业的数量统计图',fontsize=18)        #图的名称```
大佬喝可乐
关注
专栏目录
snapshot_2021-10-25_12-11.zip
09-14
标题“snapshot_2021-10-25_12-11.zip”表明这是一个快照文件，通常在IT行业中，快照用于记录系统或项目在特定时间点的状态。这种命名方式常用于版本控制或者数据库备份，其中“2021-10-25”是日期，“12-11”是时间...
SM2258XT固态硬盘开卡工具成功亲测2021-10-25-SM2258XT.zip
10-25
"固态硬盘开卡工具成功亲测2021-10-25-SM2258XT.zip" 这个压缩包文件名暗示了这是一个专用于SM2258XT主控的固态硬盘开卡工具，并且在2021年10月25日进行了成功的测试。开卡工具通常是软件形式，它能够识别并处理特定...
PIA Pandas 数据分析实战 9 GroupBy 对象
Py4Fi的博客
03-14 925
pandas 库的 GroupBy 对象是一个存储容器，用于将 DataFrame 行分组到存储桶中。它提供了一组方法来聚合和分析集合中的每个独立组。它允许我们提取每个组中特定索引位置的行。它还提供了一种迭代行组的便捷方法。
Mysql函数
zhangliushi的博客
11-24 239
积累记录Mysql函数及其使用场景，供各位小伙伴参考。持续更新中。
数据分析师笔试题（一）
summerriver1的博客
06-26 2862
数据分析师笔试题（一）
笔试题之地区经济数据分析
zhangliushi的博客
07-15 763
分享一道笔试题，TO G企业数据分析岗位可以参考，下面提供我个人的思路和输出结果，欢迎大家从不同的角度思考讨论。
盘点数据分析师笔试题 你会做几道？
xuezhangmen的博客
12-21 1623
上次，我们给大家讲述了一些数据分析师面试的必备技巧，本期我们主要给大家盘点数据分析师笔试题（当然，即便是笔试用不到，面试也可以用得到哈），希望当遇到这类典型题目时，大家可以轻松应对。 盘点数据分析师笔试题 你会做几道？ 1、不用任何公开参考资料，估算今年新生儿出生数量。 关于类题目，在作答前，我们应该去分解思考会涉及到哪些内容，并通过总结性思维，将你联想到的内容加以描述。 首先，我们应该知道这是在考查费米估计问题，所以我们可以采用两层模型（人群画像x人群转化）：新生儿出生数=Σ各年龄层育龄女性数量*各年龄层
2021-03-15
weixin_44902539的博客
03-15 1291
好网站 https://blog.csdn.net/u013317445/article/details/88196373?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-6.control&dist_request_id=1328641.48931.16157665162059593&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-
2021-01-18
weixin_54641072的博客
01-18 1870
找程序猿哥哥！！！！编制App或者小程序
2021-05-05
樊金良的博客
05-05 777
你需要努力，fighting！
固态硬盘开卡工具成功亲测2021-10-25-SM2258XT.zip
04-07
在本压缩包文件“固态硬盘开卡工具成功亲测2021-10-25-SM2258XT.zip”中，我们主要关注的是一个针对特定固态硬盘控制器SM2258XT的开卡工具。以下将详细讲解固态硬盘开卡、SM2258XT控制器以及开卡工具的相关知识点。 ...
UL 1839-2021-10-25.pdf
02-17
UL 1839-2021-10-25.pdf
2021-10-25-Spring.md
12-29
2021-10-25-Spring.md
【人工智能学习之PaddleOCR快速上手】
Jiagym的博客
10-12 1142
在配置文件中，可以设置组建模型、优化器、损失函数、模型前后处理的参数，PaddleOCR从配置文件中读取到这些参数，进而组建出完整的训练流程，完成模型训练，在需要对模型进行优化的时，可以通过修改配置文件中的参数完成配置，使用简单且方便修改。而 L2 正则化中，添加正则化项的目的在于减少参数平方的总和。准确检测的标准是检测框与标注框的IOU大于某个阈值，正确识别的检测框中的文本与标注的文本相同。如果缺少带标注的数据，或者不想投入研发成本，建议直接调用开放的API，开放的API覆盖了目前比较常见的一些垂类。
Backend - Java 基础
是萝卜干呀的博客
10-11 825
知识量决定了未来能走多远
单细胞转录组 —— kb-python 原始数据处理
dxs18459111694的博客
10-09 768
是一种用于预处理scRNA-seq数据的工作流程。readsUMIreadsreads使用有以下几点优势RNAsnRNA-seq10xinDropsDropseqCITE-seqREAP-seqMULTI-seqClicktagsQC。
python安装第三方库的问题与解决方法
WANGWUSAN66的博客
10-10 786
大部分第三方库都是在国外网站，如果直接使用pip install 包名，下载速度会很慢，这对一些大型包是很致命的，如果下载中断则需要重头再来。安装某些包时，进行到一半出现构建wheel错误，这可能由于某些神秘的原因造成的，非常让人恼火。有些包（如rasterstats）既不能通过pip安装，在2中的网站也找不到，该怎么办？在python第三方库综合网站上搜索这个包，手动下载whl文件，下载完成后使用。解决方案：使用国内镜像（如清华镜像下载），速度很容易达到1M以上；
如何使用Python爬虫处理JavaScript动态加载的内容？
Z_suger7的博客
10-11 689
JavaScript动态加载的内容为爬虫带来了挑战，但也提供了新的机遇。通过使用Selenium、分析API请求或Pyppeteer，我们可以有效地爬取这些动态内容。这些方法各有优势，Selenium适合模拟复杂的用户交互，API请求适合直接获取数据，而Pyppeteer则提供了更强大的JavaScript控制能力。在实际应用中，开发者应根据目标网站的特点和需求选择合适的方法。随着技术的不断发展，我们也需要不断学习和适应新的工具和方法，以保持在数据获取领域的竞争力。复制再试一次分享。
Python知识点：基于Python技术，如何使用AirSim进行无人机模拟
最新发布
码农超哥的博客
10-13 458
AirSim是由微软开发的一个开源模拟器，它支持多种无人机模型，并且可以模拟真实的物理环境和传感器数据。AirSim提供了Python API，使得用户可以通过Python脚本控制无人机的行为，包括起飞、降落、移动和执行任务等。AirSim提供了一个强大的平台，允许用户在虚拟环境中测试和开发无人机应用。通过Python API，用户可以轻松地控制无人机的行为，并获取传感器数据，这对于算法开发和测试尤为重要。随着无人机技术的不断进步，AirSim将继续在无人机领域发挥重要作用。
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