Pandas+Pyecharts：2024中国大学综合排名分析+可视化，来围观看看你的大学上榜没_pyecharts pandas

_Anaconda

Python3.7

pycharm_

Anaconda完美的集合了像咱们的一些算法库，以及像我们的做数据可视化数据分析，这些都比较完美，像描述性分析和预测性分析，还有像判断分析决策性分析都可以来做的一个工具。

效果图展示

---

源码展示

---

import pandas as pd # 数据处理

import numpy as np # 科学运算

from pyecharts.charts import * # 可视化图表

from pyecharts import options as opts

df = pd.read_csv(‘./中国大学综合排名2021.csv’, encoding=‘gb2312’)

df.describe()

df.isnull().sum()

df.fillna(0, inplace=True)

df.isnull().sum()

df[df[‘升/降’] == 0]

统计前50名中排名下降的学校

df.loc[(df[‘排名’] < 50) & (df[‘升/降’] < 0), :]

数据分组 各省大学数量

g = df.groupby(‘省市’)

df_counts = g.count()[‘排名’]

df0 = df_counts.copy()

df0.sort_values(ascending=False, inplace=True)

df_mean0 = g.mean()[‘总分’]

df_means = df_mean0.round(2)

df1 = pd.concat([df_counts, df_means], join=‘outer’, axis=1)

df1.columns = [‘数量’, ‘平均分’]

df1.sort_values(by=[‘平均分’], ascending=False, inplace=True)

d1 = df1.index.tolist()

d2 = df1[‘数量’].values.tolist()

d3 = df1[‘平均分’].values.tolist()

bar0 = (

Bar()

.add_xaxis(d1)

.add_yaxis(‘数量’, d2)

.add_yaxis(‘平均分’, d3)

.reversal_axis()

.set_series_opts(label_opts=opts.LabelOpts(position=‘right’))

)

bar0.render_notebook()

name = df_counts.index.tolist()

count = df_counts.values.tolist()

c0 = (

Pie()
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）