一、实验目的

（1）熟练使用Counter类进行统计
（2）掌握pandas中的cut方法进行分类
（3）掌握matplotlib第三方库，能熟练使用该三方库库绘制图形

二、实验内容

采集到的数据集如下表格所示：

三、实验要求

1.按照性别进行分类，然后分别汇总男生和女生总的收入，并用直方图进行展示。

2.男生和女生各占公司总人数的比例，并用扇形图进行展示。

3.按照年龄进行分类（20-29岁，30-39岁，40-49岁）,然后统计出各个年龄段有多少人，并用直方图进行展示。

import pandas as pd
import matplotlib.pyplot as plt
from collections import Counter

info = [{"name": "E001", "gender": "man", "age": "34", "sales": "123", "income": 350},
        {"name": "E002", "gender": "feman", "age": "40", "sales": "114", "income": 450},
        {"name": "E003", "gender": "feman", "age": "37", "sales": "135", "income": 169},
        {"name": "E004", "gender": "man", "age": "30", "sales": "139", "income": 189},
        {"name": "E005", "gender": "feman", "age": "44", "sales": "117", "income": 183},
        {"name": "E006", "gender": "man", "age": "36", "sales": "121", "income": 80},
        {"name": "E007", "gender": "man", "age": "32", "sales": "133", "income": 166},
        {"name": "E008", "gender": "feman", "age": "26", "sales": "140", "income": 120},
        {"name": "E009", "gender": "man", "age": "32", "sales": "133", "income": 75},
        {"name": "E010", "gender": "man", "age": "36", "sales": "133", "income": 40}
        ]


# 读取数据
def get_data():
    df = pd.DataFrame(info)#DataFrame是一个以命名列方式组织的分布式数据集
    df[["age"]] = df[["age"]].astype(int)  # 数据类型转为int
    df[["sales"]] = df[["sales"]].astype(int)  # 数据类型转为int
    return df


def group_by_gender(df):
    var = df.groupby('gender').sales.sum()#groupby将元素通过函数生成相应的Key,数据就转化为Key-Value格式,之后将Key相同的元素分为一组
    fig = plt.figure()
    ax1 = fig.add_subplot(211)#2*1个网格，1个子图
    ax1.set_xlabel('Gender')  # x轴标签
    ax1.set_ylabel('Sum of Sales')  # y轴标签
    ax1.set_title('Gender wise Sum of Sales')  # 设置图标标题
    var.plot(kind='bar')
    plt.show()  # 显示


def group_by_age(df):
    age_list = [20, 30, 40, 50]
    res = pd.cut(df['age'], age_list, right=False)
    count_res = pd.value_counts(res)
    df_count_res = pd.DataFrame(count_res)
    print(df_count_res)
    plt.hist(df['age'], bins=age_list, alpha=0.7)  # age_list 根据年龄段统计
    # 显示横轴标签
    plt.xlabel("nums")
    # 显示纵轴标签
    plt.ylabel("ages")
    # 显示图标题
    plt.title("pic")
    plt.show()


def gender_count(df):
    res = df['gender'].value_counts()
    df_res = pd.DataFrame(res)
    label_list = df_res.index

    plt.axis('equal')
    plt.pie(df_res['gender'], labels=label_list,
            autopct='%1.1f%%',
            shadow=True,  # 设置阴影
            explode=[0, 0.1])  # 0 ：扇形不分离，0.1：分离0.1单位
    plt.title('gender ratio')
    plt.show()

    print(df_res)
    print(label_list)


if __name__ == '__main__':
    data = get_data()
    group_by_gender(data)
    gender_count(data)
    group_by_age(data)

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• 常见的python异常处理有哪些，怎么操作

  这篇我们来了解Python自动化测试之异常处理机制，小编通过实际的案例向大家展示了操作过程，简单易懂，有需要的朋友可以参考了解看看，那么接下来就跟随小编的思路来往下学习吧，希望对大家学习或工作能有帮助。

• 基于Python怎样实现冒泡排序，代码是什么

  冒泡排序（Bubble Sort）是一种简单的排序算法。它重复地遍历要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。遍历数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

• 利用turtle方法如何实现贪吃蛇游戏，代码是什么

  本文实例为大家分享了Python turtle实现贪吃蛇游戏的具体代码，供大家参考，具体内容如下

• Python标识符用于什么，标识符使用要注意哪些

  这篇文章主要介绍了介绍了Python的输入,输出和标识符，有需要的朋友们可以参考一下，希望能给您带来帮助

• pyscript在网页怎样写Python程式，有什么要注意

  本文主要介绍了使用pyscript在网页中撰写Python程式的方法，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起学习学习吧