🧑 博主簡(jiǎn)介：曾任某智慧城市類企業(yè)算法總監(jiān)，目前在美國(guó)市場(chǎng)的物流公司從事高級(jí)算法工程師一職，深耕人工智能領(lǐng)域，精通python數(shù)據(jù)挖掘、可視化、機(jī)器學(xué)習(xí)等，發(fā)表過(guò)AI相關(guān)的專利并多次在AI類比賽中獲獎(jiǎng)。CSDN人工智能領(lǐng)域的優(yōu)質(zhì)創(chuàng)作者，提供AI相關(guān)的技術(shù)咨詢、項(xiàng)目開(kāi)發(fā)和個(gè)性化解決方案等服務(wù)，如有需要請(qǐng)站內(nèi)私信或者聯(lián)系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉絲群介紹：① 群內(nèi)初中生、高中生、本科生、研究生、博士生遍布，可互相學(xué)習(xí)，交流困惑。② 熱榜top10的?？鸵苍谌豪?#xff0c;也有數(shù)不清的萬(wàn)粉大佬，可以交流寫(xiě)作技巧，上榜經(jīng)驗(yàn)，漲粉秘籍。③ 群內(nèi)也有職場(chǎng)精英，大廠大佬，可交流技術(shù)、面試、找工作的經(jīng)驗(yàn)。④ 進(jìn)群免費(fèi)贈(zèng)送寫(xiě)作秘籍一份，助你由寫(xiě)作小白晉升為創(chuàng)作大佬。⑤ 進(jìn)群贈(zèng)送CSDN評(píng)論防封腳本，送真活躍粉絲，助你提升文章熱度。有興趣的加文末聯(lián)系方式，備注自己的CSDN昵稱，拉你進(jìn)群，互相學(xué)習(xí)共同進(jìn)步。

一、引言

??在當(dāng)今信息爆炸的時(shí)代，數(shù)據(jù)可視化成為了一種強(qiáng)有力的工具，能夠幫助我們直觀地理解和分析復(fù)雜的數(shù)據(jù)集。本文將利用Python的Pyecharts庫(kù)，對(duì)國(guó)防科技大學(xué)2016年的錄取分?jǐn)?shù)數(shù)據(jù)進(jìn)行可視化分析。通過(guò)圖表展示，我們可以清晰地看到不同省份的錄取分?jǐn)?shù)分布情況，為考生和家長(zhǎng)提供有價(jià)值的參考信息。

二、數(shù)據(jù)準(zhǔn)備

??首先，我們需要準(zhǔn)備好國(guó)防科技大學(xué)2016年的錄取分?jǐn)?shù)數(shù)據(jù)。數(shù)據(jù)包含以下字段：省份、理科一本線、工程技術(shù)類最高分、工程技術(shù)類最低分、工程技術(shù)類平均分、學(xué)歷教育合訓(xùn)類最高分、學(xué)歷教育合訓(xùn)類最低分、學(xué)歷教育合訓(xùn)類平均分。以下是部分?jǐn)?shù)據(jù)示例：

省份	理科一本線	工程技術(shù)類最高分	工程技術(shù)類最低分	工程技術(shù)類平均分	學(xué)歷教育合訓(xùn)類最高分	學(xué)歷教育合訓(xùn)類最低分	學(xué)歷教育合訓(xùn)類平均分
北京	548	662	607	629	613	570	592
天津	512	659	634	649	600	537	567
河北	525	682	654	667	669	640	649
山西	519	639	617	625	638	579	599
內(nèi)蒙古	484	641	615	627	623	558	597
遼寧	498	660	624	637	641	607	621
吉林	530	658	639	649	634	599	615
黑龍江	486	667	623	641	628	580	600

??詳細(xì)數(shù)據(jù)參考國(guó)防科技大學(xué)招生官網(wǎng)國(guó)防科技大學(xué)招生官網(wǎng) 或者聯(lián)系我。

三、Pyecharts簡(jiǎn)介

??Pyecharts是一個(gè)用于生成Echarts圖表的Python庫(kù)。Echarts是一個(gè)使用JavaScript實(shí)現(xiàn)的開(kāi)源可視化庫(kù)，能夠生成豐富的交互式圖表。Pyecharts通過(guò)將Echarts的圖表轉(zhuǎn)化為Python代碼，使得在Python環(huán)境下也能方便地生成高質(zhì)量的圖表。

四、數(shù)據(jù)可視化分析

??接下來(lái)，我們將使用Pyecharts庫(kù)對(duì)國(guó)防科技大學(xué)2016年的錄取分?jǐn)?shù)數(shù)據(jù)進(jìn)行可視化分析。
??首先導(dǎo)入數(shù)據(jù)并對(duì)數(shù)據(jù)中的異常值進(jìn)行清洗，具體代碼如下：

import numpy as np
import pandas as pddata = pd.read_excel("data.xlsx")def replace_mean(df,col='A'):"col列中的'/'用這一列的均值來(lái)替換"df[col] = df[col].replace('/', np.nan)mean_A = df[col].mean(skipna=True)df[col].fillna(mean_A, inplace=True)for col in ['學(xué)歷教育合訓(xùn)類最高分','學(xué)歷教育合訓(xùn)類最低分','學(xué)歷教育合訓(xùn)類平均分']:replace_mean(data,col)

4.1 省份理科一本線分布圖

??首先，我們繪制一個(gè)柱狀圖，展示不同省份的理科一本線分布情況。

from pyecharts import options as opts
from pyecharts.charts import Barc = (Bar().add_xaxis(data['省 份'].tolist()).add_yaxis("理科一本線", data['理科一本線'].tolist()).set_global_opts(title_opts=opts.TitleOpts(title="國(guó)防科技大學(xué)2016年理科一本線錄取分?jǐn)?shù)", subtitle="各省分?jǐn)?shù)情況分布")).render("bar_base.html")
)

??生成的柱狀圖清晰地展示了不同省份的理科一本線分布情況。可以看到，海南的理科一本線最高，達(dá)到了602分，而江蘇的理科一本線最低，為353分，但各個(gè)地方的總分不同，需要做具體分析，這里就是展示一組數(shù)據(jù)而已，具體結(jié)果不具有參考性。

4.2 工程技術(shù)類錄取分?jǐn)?shù)分布圖

??接下來(lái)，我們繪制三個(gè)折線圖，分別展示工程技術(shù)類的最高分、最低分和平均分的分布情況。

import pyecharts.options as opts
from pyecharts.charts import Linex_data = data['省 份'].tolist()(Line().add_xaxis(xaxis_data=x_data).add_yaxis(series_name="'理科一本線'",stack="總量",y_axis=data['理科一本線'].tolist(),label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="工程技術(shù)類最高分",stack="總量",y_axis=data['工程技術(shù)類最高分'].tolist(),label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="工程技術(shù)類最低分",stack="總量",y_axis=data['工程技術(shù)類最低分'].tolist(),label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="工程技術(shù)類平均分",stack="總量",y_axis=data['工程技術(shù)類平均分'].tolist(),label_opts=opts.LabelOpts(is_show=False),).set_global_opts(title_opts=opts.TitleOpts(title="工程技術(shù)類招聘分?jǐn)?shù)"),tooltip_opts=opts.TooltipOpts(trigger="axis"),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),).render("stacked_line_chart.html")
)

??生成的折線圖展示了工程技術(shù)類在不同省份的最高分、最低分和平均分的分布情況?？梢钥吹?#xff0c;工程技術(shù)類的最高分和平均分在海南最高，分別為829分和750分；而最低分在江蘇最高，為404分。

4.3 學(xué)歷教育合訓(xùn)類錄取分?jǐn)?shù)分布圖

??類似地，我們繪制三個(gè)折線圖，展示學(xué)歷教育合訓(xùn)類的最高分、最低分和平均分的分布情況。

# 數(shù)據(jù)準(zhǔn)備
scores_edu_max = [613, 600, 669, 638, 623, 641, 634, 628]
scores_edu_min = [570, 537, 640, 579, 558, 607, 599, 580]
scores_edu_avg = [592, 567, 649, 599, 597, 621, 615, 600]# 創(chuàng)建折線圖
line = Line()
line.add_xaxis(provinces)
line.add_yaxis("學(xué)歷教育合訓(xùn)類最高分", scores_edu_max)
line.add_yaxis("學(xué)歷教育合訓(xùn)類最低分", scores_edu_min)
line.add_yaxis("學(xué)歷教育合訓(xùn)類平均分", scores_edu_avg)# 設(shè)置全局配置項(xiàng)
line.set_global_opts(title_opts=opts.TitleOpts(title="學(xué)歷教育合訓(xùn)類錄取分?jǐn)?shù)分布圖"),yaxis_opts=opts.AxisOpts(name="分?jǐn)?shù)"),xaxis_opts=opts.AxisOpts(name="省份"),legend_opts=opts.LegendOpts(pos_left="left")
)# 渲染圖表
line.render("edu_scores_distribution_chart.html")

??生成的折線圖展示了學(xué)歷教育合訓(xùn)類在不同省份的最高分、最低分和平均分的分布情況。可以看到，學(xué)歷教育合訓(xùn)類的最高分在海南最高；最低分在江蘇，和上面的結(jié)果一致。

4.4 分?jǐn)?shù)結(jié)合地圖的展示

4.4.1 地圖熱力圖

??首先對(duì)省份數(shù)據(jù)進(jìn)行清洗

province_mapping = {'北京':"北京市",'天津':"天津市",'河北':"河北省",'山西':"山西省",'內(nèi)蒙古':"內(nèi)蒙古自治區(qū)",'遼寧':"遼寧省",'吉林':"吉林省",'黑龍江':"黑龍江省",'上海':"上海市",'安徽':"安徽省",...
}data['prov'] = data['省 份'].map(province_mapping)

??繪制基于地圖的省份理科一本線的詳細(xì)代碼如下：

from pyecharts import options as opts
from pyecharts.charts import Mapc = (Map().add("學(xué)歷教育合訓(xùn)類最高分", [list(z) for z in zip(data['prov'].tolist(), data['學(xué)歷教育合訓(xùn)類最高分'].tolist())], "china").set_global_opts(title_opts=opts.TitleOpts(title="國(guó)防科技大學(xué)學(xué)歷教育合訓(xùn)類最高分分布"),visualmap_opts=opts.VisualMapOpts(max_=max(data['學(xué)歷教育合訓(xùn)類最高分'].tolist()),min_=min(data['學(xué)歷教育合訓(xùn)類最高分'].tolist())),).render("map_visualmap.html")
)

4.4.2 3D地圖+3D柱狀圖工程技術(shù)類錄取最高分情況

??首先對(duì)數(shù)據(jù)進(jìn)行清洗，做成繪圖需要的數(shù)據(jù)結(jié)構(gòu)，具體的數(shù)據(jù)結(jié)構(gòu)如下：

[('廣東', [113.27, 23.13, 641]),('黑龍江', [127.9688, 45.368, 667]),('內(nèi)蒙古', [110.3467, 41.4899, 641]),('吉林', [125.8154, 44.2584, 658]),('遼寧', [123.1238, 42.1216, 660]),('河北', [114.4995, 38.1006, 682]),('天津', [117.4219, 39.4189, 659]),('山西', [112.3352, 37.9413, 639]),('陜西', [109.1162, 34.2004, 665]),('甘肅', [103.5901, 36.3043, 632]),('寧夏', [106.3586, 38.1775, 637]),('青海', [101.4038, 36.8207, 596]),('新疆', [87.9236, 43.5883, 673]),('西藏', [91.11, 29.97, 0]),('四川', [103.9526, 30.7617, 665]),('重慶', [108.384366, 30.439702, 671]),('山東', [117.1582, 36.8701, 679]),('河南', [113.4668, 34.6234, 665]),('江蘇', [118.8062, 31.9208, 404]),('安徽', [117.29, 32.0581, 655]),('湖北', [114.3896, 30.6628, 665]),('浙江', [119.5313, 29.8773, 692]),('福建', [119.4543, 25.9222, 632]),('江西', [116.0046, 28.6633, 645]),('湖南', [113.0823, 28.2568, 662]),('貴州', [106.6992, 26.7682, 671]),('廣西', [108.479, 23.1152, 642]),('海南', [110.3893, 19.8516, 829]),('上海', [121.4648, 31.2891, 489])]

??以(‘廣東’, [113.27, 23.13, 641])為例，'廣東’表示省份，[113.27, 23.13]表示廣東的經(jīng)緯度，而641表示國(guó)防科技大學(xué)在廣東省工程技術(shù)類招聘的最高分為641分；
具體的繪圖代碼如下：

import pyecharts.options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartTypemap3d = (# 3D地圖Map3D(# 初始化配置項(xiàng)init_opts=opts.InitOpts(theme='white',  # 圖表主題 white darkwidth='99vw',  # 圖表畫(huà)布寬度height='97vh',  # 圖標(biāo)畫(huà)布長(zhǎng)度))# !!!!全局配置項(xiàng)!!!!.set_global_opts(# 標(biāo)題配置項(xiàng)title_opts=opts.TitleOpts(title="3D地圖+柱狀圖",  # 主標(biāo)題),# 視覺(jué)映射配置項(xiàng)visualmap_opts=opts.VisualMapOpts(is_show=True,  # 是否顯示視覺(jué)映射配置max_=1000,  # 指定 visualMapPiecewise 組件的最大值),)# !!!!系列配置項(xiàng)!!!!.set_series_opts(# 標(biāo)簽名稱顯示，默認(rèn)為Truelabel_opts=opts.LabelOpts(is_show=True  # 是否顯示標(biāo)簽名字)).add_schema(# 地圖類型maptype='china',# 圖元樣式配置項(xiàng)itemstyle_opts=opts.ItemStyleOpts(# 圖形的顏色color="#1661AB",# 描邊寬度，默認(rèn)不描邊。border_width=0.8,# 圖形的描邊顏色。支持的顏色格式同 color，不支持回調(diào)函數(shù)。border_color="rgb(62,215,213)"),)# 數(shù)據(jù)配置.add(# 系列名稱，用于 tooltip 的顯示，legend 的圖例篩選series_name='人數(shù)',# 數(shù)據(jù)項(xiàng) (坐標(biāo)點(diǎn)名稱，坐標(biāo)點(diǎn)值)data_pair=data_pair,# 疊加圖的類型（目前只支持 Bar3D，Line3D，Lines3D，Scatter3D）type_=ChartType.BAR3D,# 柱體大小bar_size=1,)
)
map3d.render("3D_Map.html")

五、結(jié)論

??通過(guò)對(duì)國(guó)防科技大學(xué)2016年的錄取分?jǐn)?shù)數(shù)據(jù)進(jìn)行可視化分析，我們可以得出以下結(jié)論：

??不同省份的高考總分不同，具體結(jié)果不具有實(shí)際意義，但并不影響數(shù)據(jù)可視化分析的流程；