bokeh聯(lián)動柱狀圖，Excel空間柱狀圖、空間熱力圖，Echarts空間柱狀圖，常用函數(shù)：

df['工作地_省'] = df['工作地'].str.split('省').str[0]

df['工作地_市'] = ''

df['工作地_市']= df['工作地'].str.split('省').str[1].str.split('市').str[0]

df['工作地_市'][df['工作地_省'].str.len() >= 5] = df['工作地_省'].str.split('市').str[0]

data_wang1 = df[df['姓'] == '王']

writer = pd.ExcelWriter('C:/Users/Administrator/Desktop/wang1.xlsx')

data_wang1.to_excel(writer,'sheet1',index=False)

writer.save()

price11middle_SSS_top_95['zkl_range'] = price11middle_SSS_top_95['zkl_range'].astype(str)一,concat上下合并數(shù)據(jù)，merge左右合并數(shù)據(jù)

二, x=各姓，y= 個數(shù) /占比 bokeh聯(lián)動柱狀圖

三, x=各地，y= 王姓個數(shù) Excel空間柱狀圖、空間熱力圖

四, x=各地，y= 王姓個數(shù) Echarts空間柱狀圖

一,concat上下合并數(shù)據(jù)，merge左右合并數(shù)據(jù) .str.split('省').str[0]

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import warnings

warnings.filterwarnings('ignore')

# 不發(fā)出警告

from bokeh.plotting import figure,show

from bokeh.models import ColumnDataSource

# 導(dǎo)入圖表繪制、圖標展示模塊

# 導(dǎo)入ColumnDataSource模塊

import os

os.chdir('C:/Users/Administrator/Desktop/')

# 創(chuàng)建工作路徑

#

df01 = pd.read_csv('data01.csv',encoding = 'utf-8')

df02 = pd.read_csv('data02.csv',encoding = 'utf-8')

df_city = pd.read_excel('中國行政代碼對照表.xlsx')

# 讀取數(shù)據(jù)

df = pd.concat([df01,df02])

df.to_csv('preliminary.csv')

df = pd.read_csv('preliminary.csv', index_col=0)

df = pd.merge(df,df_city,left_on='戶籍地城市編號',right_on = '行政編碼')

df['工作地'] = df['工作地'].str[:15] # 只提取工作地前15個字符即可

del df['行政編碼']

del df['戶籍地城市編號']

# 合并數(shù)據(jù)，添加經(jīng)緯度字段

# 刪除無用字段

# 分別提取“工作地”中的省、市、區(qū)縣

# 新建字段“工作地-省”，“工作地-市”，“工作地-區(qū)縣”,如果數(shù)據(jù)中“工作地”字段無法提取省和市，則用“未識別”填充單元格

# *通過查看識別后的單元格，如果字數(shù)超過5則為“未識別”

df['工作地_省'] = df['工作地'].str.split('省').str[0]

# 識別工作地-省

df['工作地_市'] = ''

df['工作地_市']= df['工作地'].str.split('省').str[1].str.split('市').str[0]

df['工作地_市'][df['工作地_省'].str.len() >= 5] = df['工作地_省'].str.split('市').str[0]

# 識別工作地-市

# 在未識別出省的數(shù)據(jù)中，可能會有市的信息

df['工作地_區(qū)縣'] = ''

df['工作地_區(qū)縣'][(df['工作地_市'].str.len() < 5)&(df['工作地'].str.contains('區(qū)'))] = df['工作地'].str.split('市').str[1].str.split('區(qū)').str[0] + '區(qū)'

df['工作地_區(qū)縣'][(df['工作地_市'].str.len() > 5)&(df['工作地'].str.contains('區(qū)'))] = df['工作地'].str.split('區(qū)').str[0] + '區(qū)'

df['工作地_區(qū)縣'][(df['工作地_市'].str.len() < 5)&(df['工作地'].str.contains('縣'))] = df['工作地'].str.split('市').str[1].str.split('縣').str[0] + '縣'

df['工作地_區(qū)縣'][(df['工作地_市'].str.len() > 5)&(df['工作地'].str.contains('縣'))] = df['工作地'].str.split('縣').str[0] + '縣'

#### 識別工作地-區(qū)縣

###

df['工作地_省'][df['工作地_省'].str.len() > 5 ] = '未識別'

df['工作地_市'][df['工作地_市'].str.len() > 5 ] = '未識別'

df['工作地_區(qū)縣'][(df['工作地_區(qū)縣'].str.len() > 5) | (df['工作地_區(qū)縣'].str.len() < 2)] = '未識別'

df['工作地_市'][df['工作地_市'].str.len() <= 1 ] = '未識別'

df['工作地_省'][df['工作地_省'].str.len() <= 1 ] = '未識別'

## 整理未識別單元格

#

df.columns = ['姓','工作地','戶籍所在地_省','戶籍所在地_市','戶籍所在地_區(qū)縣','戶籍所在地_lng','戶籍所在地_lat',

'工作地_省','工作地_市','工作地_區(qū)縣']

print('讀取數(shù)據(jù)共%i條' % len(df))

## 數(shù)據(jù)整理

shenrufeng = df[:100]

print('finished')

二, x=各姓，y= 個數(shù) /占比 bokeh聯(lián)動柱狀圖

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import warnings

warnings.filterwarnings('ignore')

# 不發(fā)出警告

import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']

mpl.rcParams['font.serif'] = ['KaiTi']

mpl.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題,或者轉(zhuǎn)換負號為字符串,中文不顯

import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']

mpl.rcParams['font.serif'] = ['KaiTi']

mpl.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題,或者轉(zhuǎn)換負號為字符串,中文不顯

from bokeh.plotting import figure,show,output_file

from bokeh.models import ColumnDataSource

# 導(dǎo)入圖表繪制、圖標展示模塊

# 導(dǎo)入ColumnDataSource模塊

import os

os.chdir('C:/Users/Administrator/Desktop/')

name_count = df['姓'].value_counts()

result1_01 = pd.DataFrame({'count':name_count, 'count_pre':name_count/name_count.sum()})[:20]

#result1_01.iloc[:20].plot(kind = 'bar',rot = 0,figsize = (10,6))

# bokeh出聯(lián)動柱狀圖

from bokeh.models import HoverTool

from bokeh.layouts import gridplot

output_file("line66.html")

# 導(dǎo)入模塊

name_lst = result1_01.index.tolist()

result1_01.index.name = 'index'

source = ColumnDataSource(result1_01)

# 創(chuàng)建ColumnDataSource數(shù)據(jù)

hover1 = HoverTool(tooltips=[("姓氏計數(shù)", "@count")]) # 設(shè)置標簽顯示內(nèi)容

result1 = figure(plot_width=800, plot_height=250,x_range = name_lst,

title="中國姓氏TOP20 - 計數(shù)" ,

tools=[hover1,'reset,xwheel_zoom,pan']) # 構(gòu)建繪圖空間

result1.vbar(x='index', top='count', source=source,width=0.9, alpha = 0.7,color = 'red')

result1.ygrid.grid_line_dash = [6, 4]

result1.xgrid.grid_line_dash = [6, 4]

# 柱狀圖1

hover2 = HoverTool(tooltips=[("姓氏占比", "@count_pre")]) # 設(shè)置標簽顯示內(nèi)容

result2 = figure(plot_width=800, plot_height=250,x_range = result1.x_range,

title="中國姓氏TOP20 - 占比" ,

tools=[hover2,'reset,xwheel_zoom,pan'])

result2.vbar(x='index', top='count_pre', source=source,width=0.9, alpha = 0.7,color = 'green')

result2.ygrid.grid_line_dash = [6, 4]

result2.xgrid.grid_line_dash = [6, 4]

# 柱狀圖2

p = gridplot([[result1], [result2]])

# 組合圖表

show(p)

三, Excel空間柱狀圖 Excel空間熱力圖

data_wang1 = df[df['姓'] == '王']

writer = pd.ExcelWriter('C:/Users/Administrator/Desktop/wang1.xlsx')

data_wang1.to_excel(writer,'sheet1',index=False)

writer.save()

# 導(dǎo)出數(shù)據(jù)1

四, Echarts空間柱狀圖

①, 導(dǎo)出數(shù)據(jù)

data_wang2 = data_wang1.groupby(['戶籍所在地_lng','戶籍所在地_lat','戶籍所在地_市'])['姓'].count()

data_wang2 = data_wang2.reset_index()

data_wang2.columns= ['lng', 'lat', 'name', 'value']

data_wang2=data_wang2[['name', 'lng', 'lat', 'value']]

writer = pd.ExcelWriter('C:/Users/Administrator/Desktop/wang2.xlsx')

data_wang2.to_excel(writer,'sheet1',index=False)

writer.save()

# 導(dǎo)出數(shù)據(jù)2

print('導(dǎo)出完成！')

②, 轉(zhuǎn)成json

import pandas as pd

import os

os.chdir('C:\\Users\\Administrator\\Desktop\\') # 輸入文件所在路徑，例如：'C:/Users/Desktop/'

data = pd.read_excel('wang2.xlsx', sheet_name=0,header=0)

datajs = data.to_json(orient='records',force_ascii=False)

print('轉(zhuǎn)換后數(shù)據(jù)為：\n',datajs)

[{"name":"信陽","lng":-1.0,"lat":-1.0,"value":14},{"name":"包頭","lng":-1.0,"lat":-1.0,"value":3},{"name":"呼倫貝爾","lng":-1.0,"lat":-1.0,"value":1},——————{"name":"雞西","lng":133.1211060726,"lat":45.9972762035,"value":10},{"name":"佳木斯","lng":133.2733283638,"lat":47.8336846866,"value":5},{"name":"雙鴨山","lng":133.7292586825,"lat":47.0726285429,"value":8},{"name":"佳木斯","lng":134.296044164,"lat":47.9261051999,"value":5}]

③, 拾取中心點坐標在線地圖經(jīng)度緯度查詢 - 經(jīng)緯度查詢地名|地名查詢經(jīng)緯度 -GPSspg?www.gpsspg.com

④, mapstyle 與mapAccessToken設(shè)置https://www.mapbox.com/?www.mapbox.com

⑤, 導(dǎo)出html

總結(jié)

以上是生活随笔為你收集整理的python列表姓氏_python数据分析实例（六） 中国姓氏数据的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。