手把手教你用pandas分析可视化东京奥运会数据

　　来源：早起Python
　　作者：刘早起
　　本文将基于东京奥运会奖牌榜数据，使用pandas进行数据分析可视化实战（文末可以下载数据与源码）数据读取
　　首先是奥运会奖牌数据的获取，虽然有很多接口提供数据，但是通过奥运会官网拿到的数据自然是最可靠的
　　通过对东京奥运会官网奖牌榜的页面分析，发现其表格在前端是通过嵌入的，所以可以使用pandas。readhtml（）轻松读取df1pd。readhtml（https：olympics。comtokyo2020olympicgameszhresultsallsportsmedalstandings。htm）〔0〕
　　之后再读取本地分日奖牌数据并将国家ID进行匹配df2pd。readcsv（东京奥运会奖牌分日数据。csv）
　　修改列名
　　注意到上面的df1列名并没有完整，所以可以使用rename函数修改指定列的名称df1。rename（columns｛Unnamed：2：金牌数，Unnamed：3：银牌数，Unnamed：4：铜牌数｝，inplaceTrue）数据类型查看与修改
　　既然df2有时间列，为了方便后面分析，自然要检查一下其类型df2。info（）
　　可以看到，获奖时间列虽然没有缺失值但其并不是pandas支持的时间类型。
　　好在修改列属性并不是什么困难的事情，一行代码轻松搞定（712）df2〔获奖时间〕pd。todatetime（df2〔获奖时间〕）数据合并
　　通过观察可以发现，df2并没有国家名称列，但是其与df1有一个共同列国家id
　　为了给df2新增一列国家名称列，一个自然的想法就是通过国家id列将两个数据框进行合并，在pandas中实现，也不是什么困难的事情temppd。merge（df1，df2，on国家id）先合并temp〔获奖时间〕pd。todatetime（temp〔获奖时间〕）修改类型temptemp。sortvalues（by〔获奖时间，奖牌类型〕，ascendingTrue，ignoreindexTrue）排序，和df2一样df2〔国家〕temp〔国家奥委会〕赋值
　　现在df2就调整的差不多了（由于源数据问题，部分获奖时间与真实时间有一定误差），下面开始进行分析数据分组
　　下面对df2进行一些统计分析，计算每个国家的奖牌总数（也就是出现次数），并查看奖牌数前5名，结果可以用df1进行验证
　　数据统计
　　看完国家奖牌排行，接下来计算获得奖牌最多的运动员（注意：仅统计单人项目）
　　这里无需使用分组功能，只需要按照运动员姓名列进行频率统计即可。数据筛选
　　下面筛选出全部乒乓球的获奖信息，这里的筛选有多种写法，你能写出几种？
　　数据透视
　　现在查看各国在各项目上的奖牌详情，下面是通过透视得到的答案，但你会使用使用数据分组功能吗？pd。pivottable（df2，values〔奖牌类型〕，index〔国家，运动类别〕，aggfunccount）
　　数据查询
　　在上一题的基础上，查询中国队的获奖牌详情，注意是查询而不是筛选，所以使用上上一题的方法将会报错result。query（国家〔中国〕）个性化查看
　　如何将上一题的结果进一步突出展示，可以使用pandas中的style（result。query（国家〔中国〕）。style。bar（subset〔奖牌类型〕，colorskyblue））
　　数据格式化
　　上面说到，df2的获奖时间部分并不准确（主要体现在小时上），所以我们干脆将时间精确到天，这里可以使用map对一整列进行操作deftimeformat（x）：returnx。strftime（m月d日）df2〔获奖时间〕df2〔获奖时间〕。map（timeformat）分组统计
　　接下来，让我们统计每天产生的奖牌总数df2。groupby（获奖时间）〔国家〕。count（）。sortvalues（）
　　可以看到，最后一天产生的奖牌数量最多数据透视
　　再来查看不同项目在不同国家的分布情况，同样也可以使用分组功能实现pd。pivottable（df2，values〔奖牌类型〕，index〔运动类别，国家〕，aggfunccount）
　　数据计算
　　接下来让我们计算中国每日总奖牌数量，你能想到该如何实现吗？pd。pivottable（df2，values〔奖牌类型〕，index〔获奖时间，国家〕，aggfunccount）。query（国家〔中国〕）。cumsum（）
　　数据计算
　　最后，计算前十名各国每日奖牌数量统计，注意：对于第一天没有数据的国家用0填充，其余时间的缺失值用上一日数据填充。
　　这看似简单的问题，涉及的pandas操作还真不少！datapd。pivottable（df2，values〔奖牌类型〕，index〔获奖时间，国家〕，aggfunccount）。query（国家〔美国，中国，日本，英国，ROC，澳大利亚，荷兰，法国，德国，意大利〕）datadata。unstack（）data。columnsdata。columns。getlevelvalues（1）data。columns。nameNonedatadata。cumsum（）datadata。fillna（axis0，methodffill）。fillna（0）data条形图
　　首先制作奖牌排行榜
　　上图使用matplotlib制作，看起来不错，但代码量也确实不少
　　堆叠图
　　接下来使用pyecharts绘制上一题奖牌榜各奖牌的细分
　　使用pyecharts的好处就是使用封装好的方法，代码量相对较少
　　环形图
　　现在进一步绘制中国队的奖牌分布
　　同样使用pyecharts，实际行代码搞定
　　地图
　　现在绘制奖牌分布的热力地图
　　使用pyecharts绘制，绘图代码不多，但是调整国家中英文映射字典是一件痛苦的事情
　　动态图
　　最后绘制每日奖牌榜前十奖牌数量的动态图，使用matplotlib或pyecharts均得不到较好的效果，所以这里使用另一个第三方库barchartrace进行绘制
　　以上就是基于2020年东京奥运会数据进行的一系列数据分析可视化流程，基本涉及到利用Pandas进行数据分析的主要操作，是一份不可多得的简单易懂、利于探索的数据集。