数据可视化|世界杯球迷统计

小小程序员

发布于 2023-02-24 16:49:52

4880

文章被收录于专栏：小小程序员——DATA小小程序员——DATA

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言

前面学习了Numpy、matplotlib、pandas还没有进行一些练习和训练，这里分享我对于数据可视化的一些练习此次代码和数据我会打包上传，感兴趣的uu可以去下载

提示:此处所以编译均在jupyter notebook执行（jupyter 下载可以看我前面博客）

一、Pandas读取数据

Pandas：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

import pandas as pd
data=pd.read_csv("FIFA World Cup.csv",encoding="ansi")
data

部分结果

二、处理数据

数据都是英文，不方便处理时观看，先将英文转为中文

代码如下（示例）：

此处采用的是复制后删除原数据

data['平均出售率']=data['Averageattendance']
data['最高出席人数']=data['highest attendence of Number']
data['场地最高出席次数']=data['highest attendence of Venue']
data['最高比赛上座率']=data['highest attendence of Game(s)']
data.pop('Venues/Cities')
data.pop('highest attendence of Number')
data.pop('highest attendence of Venue')
data.pop('highest attendence of Game(s)')
data.pop('Averageattendance')
data.pop('Totalattendance 鈥?Matches')
data.pop('Unnamed: 8')
data

结果

Hosts是举办方，此处不使用，也就保留了

三、使用Matplotlib绘图

1.柱状图

from matplotlib import pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"] #设置字体
plt.rcParams["axes.unicode_minus"]=False #该语句解决图像中的“-”负号的乱码问题
fig=plt.figure()
ax=fig.add_axes([0,0,1,1])
ax.bar(data['Year']-1900,data['最高出席人数'])
ax.set_title("每届世界杯单场最高出席人数")
ax.set_xlabel('年份')
ax.set_ylabel('人数')
ax.set_xticks(data['Year']-1900)
fig.show()

运行结果

此处将1900年为起点（0）开始

2.绘制散点图

from matplotlib import pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"] #设置字体
plt.rcParams["axes.unicode_minus"]=False #该语句解决图像中的“-”负号的乱码问题
fig=plt.figure()
ax=fig.add_axes([0,0,1.5,1])
ax.scatter(data['Year'],data['场地最高出席次数'])  #绘制散点图
#ax.scatter(data['Year'],data['平均出售率'],color='g')
ax.set_title("每届世界杯票数平均出售率")
ax.set_xlabel('年份')
ax.set_ylabel('平均出售率')
ax.set_xticks(data['Year'])
fig.show()

运行结果：

3.绘制散点图和折线图

from matplotlib import pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"] #设置字体
plt.rcParams["axes.unicode_minus"]=False #该语句解决图像中的“-”负号的乱码问题
fig=plt.figure()
ax=fig.add_axes([0,0,1.5,1])
ax.plot(data['Year'],data['平均出售率'],color='g')  #绘制折线图
ax.scatter(data['Year'],data['平均出售率'])         #绘制散点图
ax.set_title("每届世界杯票数平均出售率")
ax.set_xlabel('年份')
ax.set_ylabel('平均出售率')
ax.set_xticks(data['Year'])
fig.show()