使用Python和Echarts进行数据可视化分析:旅游景点销量和星级景点统计

本文主要是介绍使用Python和Echarts进行数据可视化分析:旅游景点销量和星级景点统计,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

##使用 Python 和 Echarts 进行数据可视化分析:以旅游景点销量和星级景点统计为例

基于全国各地区景点门票的售卖情况数据,分析全国热门景点分布和国民出游情况

(全国景点分布,国民假期出游分析及建议)

  1. 全国销量 Top20 的热门景点(热门景点);
  2. 全国各省市 4A、5A 景区数量(景点分布情况);
  3. 全国各省市假期出行数据在地图上的分布(出游分析及建议)。
import pandas as pd
from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
# 用pandas读取、导入数据集
data = pd.read_excel("./旅游景点.xlsx")
print(data[:5])

数据集内容如下:

   城市        名称   星级   评分     价格     销量       省/市/区                    坐标  \
0  上海   上海迪士尼乐园  NaN  0.0  325.0  19459  上海·上海·浦东新区  121.667917,31.149712
1  上海  上海海昌海洋公园   4A  0.0  276.5  19406  上海·上海·浦东新区  121.915647,30.917713
2  上海   上海野生动物园   5A  3.6  116.0   6764  上海·上海·浦东新区  121.728112,31.059636
3  上海      东方绿舟   4A  3.5   40.0   5353   上海·上海·青浦区  121.015977,31.107866
4  上海      东方明珠   5A  3.8   54.0   3966  上海·上海·浦东新区   121.50626,31.245369简介   是否免费                      具体地址
0         每个女孩都有一场迪士尼梦  False  上海市浦东新区川沙镇黄赵路310号上海迪士尼乐园
1   看珍稀海洋生物 | 玩超刺激娱乐项目  False         上海市浦东新区南汇城银飞路166号
2  全球动物聚集地 | 零距离和动物做朋友  False           上海市浦东新区南六公路178号
3     全国首屈一指的青少年校外教育营地  False          上海市青浦区沪青平公路6888号
4       感受云端漫步,品味老上海风情  False             上海市浦东新区世纪大道1号
# 销量Top20的热门景点
# 先将数据集按照销量多少进行排序 sort_values()
data_sale = data.sort_values(by="销量", ascending=False)
# print(data_sale[:20])
print(list(data_sale["名称"])[:20])
print(data_sale["销量"].values.tolist()[:20])
Sale = (Bar().add_xaxis(list(data_sale["名称"])[:20]).add_yaxis("销量", data_sale["销量"].values.tolist()[:20])#.set_global_opts(title_opts=opts.TitleOpts(title="全国销量Top20的景点", pos_top="4%", pos_left="40%"),# xaxis_opts=opts.AxisOpts(name="景点名称",#                          splitline_opts=opts.SplitLineOpts(is_show=True)),xaxis_opts=opts.AxisOpts(name="省市",axislabel_opts=opts.LabelOpts(interval=0, rotate=20),splitline_opts=opts.SplitLineOpts(is_show=True),),yaxis_opts=opts.AxisOpts(name="销量"),legend_opts=opts.LegendOpts(pos_left="80%", pos_top="20%"),).set_series_opts(label_opts=opts.LabelOpts(position="top"))# 生成.render("Top20销量.html")
)
['上海迪士尼乐园', '上海海昌海洋公园', '故宫', '秦始皇帝陵博物院(兵马俑)', '成都大熊猫繁育研究基地', '颐和园', '八达岭长城', '长隆野生动物世界', '上海野生动物园', '珠海长隆海洋王国', '七彩云南欢乐世界', '瘦西湖', '南京总统府', '华山景区', '华清宫', '北京野生动物园', '东方绿舟', '天坛公园', '恭王府', '长恨歌']
[19459, 19406, 15277, 12714, 9731, 9633, 9618, 8891, 6764, 6545, 6468, 6005, 5920, 5808, 5702, 5498, 5353, 5300, 5260, 5195]

绘图展示:
在这里插入图片描述

# 先从数据中提取出4A、5A星级的景点
data_rank = data[data["星级"].isin(["4A", "5A"])]
print(data_rank[:5])
# 统计各省市的星级景点数量
count = data_rank.groupby("城市").count()["星级"]print(count[:5])
Rank = (Bar().add_xaxis(count.index.values.tolist()).add_yaxis("4A, 5A级景点数量", count.values.tolist()).set_global_opts(title_opts=opts.TitleOpts(title="各省市4A-5A景区数量", pos_left="40%"),xaxis_opts=opts.AxisOpts(name="省市",axislabel_opts=opts.LabelOpts(interval=0, rotate=35),splitline_opts=opts.SplitLineOpts(is_show=True),),yaxis_opts=opts.AxisOpts(name="数量"),legend_opts=opts.LegendOpts(pos_left="80%", pos_top="15%"),).render("各省市4A-5A景区数量.html")
)
   城市        名称  星级   评分     价格     销量       省/市/区                    坐标  \
1  上海  上海海昌海洋公园  4A  0.0  276.5  19406  上海·上海·浦东新区  121.915647,30.917713
2  上海   上海野生动物园  5A  3.6  116.0   6764  上海·上海·浦东新区  121.728112,31.059636
3  上海      东方绿舟  4A  3.5   40.0   5353   上海·上海·青浦区  121.015977,31.107866
4  上海      东方明珠  5A  3.8   54.0   3966  上海·上海·浦东新区   121.50626,31.245369
7  上海     上海科技馆  5A  3.7   45.0   2120  上海·上海·浦东新区   121.54785,31.224219简介   是否免费                          具体地址
1   看珍稀海洋生物 | 玩超刺激娱乐项目  False             上海市浦东新区南汇城银飞路166号
2  全球动物聚集地 | 零距离和动物做朋友  False               上海市浦东新区南六公路178号
3     全国首屈一指的青少年校外教育营地  False              上海市青浦区沪青平公路6888号
4       感受云端漫步,品味老上海风情  False                 上海市浦东新区世纪大道1号
7    魔都科普教育殿堂 | 周末遛娃圣地  False  上海市浦东新区世纪大道2000号(近二号线上海科技馆站)
城市
上海     25
云南     31
内蒙古    23
北京     38
吉林     10
Name: 星级, dtype: int64

绘图展示:在这里插入图片描述

# 合并生成的两个html中的表格
# 可以不进行合并
with open("Top20销量.html", "r", encoding="utf-8") as f1:html1 = f1.read()with open("各省市4A-5A景区数量.html", "r", encoding="utf-8") as f2:html2 = f2.read()final_html = html1 + html2with open("final.html", "w", encoding="utf-8") as f:f.write(final_html)
# 全国各省市假期出行数据在地图上的分布
data_city = data[["城市", "销量"]]
print(data_city[:5])
# 对各省市销量累加求和
city_cnt = data_city.groupby("城市").sum()["销量"]
print(city_cnt[:5])
city_list = city_cnt.index.tolist()
sale_list = city_cnt.values.tolist()
print(city_list)
print(sale_list)namemap = {"黑龙江省": "黑龙江","吉林省": "吉林","辽宁省": "辽宁","北京市": "北京","天津市": "天津","河北省": "河北","山西省": "山西","内蒙古自治区": "内蒙古","上海市": "上海","江苏省": "江苏","山东省": "山东","浙江省": "浙江","安徽省": "安徽","江西省": "江西","福建省": "福建","广东省": "广东","澳门特别行政区": "澳门","台湾省": "台湾","香港特别行政区": "香港","西藏自治区": "西藏","广西壮族自治区": "广西","海南省": "海南","河南省": "河南","湖北省": "湖北","湖南省": "湖南","陕西省": "陕西","新疆维吾尔自治区": "新疆","宁夏回族自治区": "宁夏","甘肃省": "甘肃","青海省": "青海","重庆市": "重庆","四川省": "四川","贵州省": "贵州","云南省": "云南",
}c = (Map()# 添加中国地图.add("旅游景点", [list(z) for z in zip(city_list, sale_list)], "china", name_map=namemap).set_global_opts(title_opts=opts.TitleOpts(title="全国各省市假期出行数据在地图上的分布", pos_left="30%"),legend_opts=opts.LegendOpts(pos_top="10%", pos_left="70%"),visualmap_opts=opts.VisualMapOpts(min_=1000, max_=100000, is_piecewise=True),).render("全国各省市假期出行数据在地图上的分布.html")
)
   城市     销量
0  上海  19459
1  上海  19406
2  上海   6764
3  上海   5353
4  上海   3966
城市
上海     84084
云南     28056
内蒙古     3959
北京     93987
台湾      1001
Name: 销量, dtype: int64
['上海', '云南', '内蒙古', '北京', '台湾', '吉林', '四川', '天津', '宁夏', '安徽', '山东', '山西', '广东', '广西', '新疆', '江苏', '江西', '河北', '河南', '浙江', '海南', '湖北', '湖南', '澳门', '甘肃', '福建', '西藏', '贵州', '辽宁', '重庆', '陕西', '青海', '香港', '黑龙江']
[84084, 28056, 3959, 93987, 1001, 3772, 65052, 5254, 5622, 21027, 32147, 15904, 62757, 37946, 3614, 80783, 11046, 6826, 33776, 45481, 44123, 22563, 6980, 3128, 4338, 23256, 7028, 22499, 10423, 20054, 64353, 4591, 1006, 4639]

绘图展示:
在这里插入图片描述

echarts 官方文档

这篇关于使用Python和Echarts进行数据可视化分析:旅游景点销量和星级景点统计的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/629326

相关文章

postgresql使用UUID函数的方法

《postgresql使用UUID函数的方法》本文给大家介绍postgresql使用UUID函数的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录PostgreSQL有两种生成uuid的方法。可以先通过sql查看是否已安装扩展函数,和可以安装的扩展函数

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

如何使用Lombok进行spring 注入

《如何使用Lombok进行spring注入》本文介绍如何用Lombok简化Spring注入,推荐优先使用setter注入,通过注解自动生成getter/setter及构造器,减少冗余代码,提升开发效... Lombok为了开发环境简化代码,好处不用多说。spring 注入方式为2种,构造器注入和setter

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计(扩展版本)二、核心算法深入解析2.1 自

MySQL中比较运算符的具体使用

《MySQL中比较运算符的具体使用》本文介绍了SQL中常用的符号类型和非符号类型运算符,符号类型运算符包括等于(=)、安全等于(=)、不等于(/!=)、大小比较(,=,,=)等,感兴趣的可以了解一下... 目录符号类型运算符1. 等于运算符=2. 安全等于运算符<=>3. 不等于运算符<>或!=4. 小于运

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典

MySQL进行数据库审计的详细步骤和示例代码

《MySQL进行数据库审计的详细步骤和示例代码》数据库审计通过触发器、内置功能及第三方工具记录和监控数据库活动,确保安全、完整与合规,Java代码实现自动化日志记录,整合分析系统提升监控效率,本文给大... 目录一、数据库审计的基本概念二、使用触发器进行数据库审计1. 创建审计表2. 创建触发器三、Java