hw

In [158]:

import pandas as pd
import csv, os
df = pd.read_csv("Desktop\china_province_consumption.csv")  # 2017年国民经济消费水平数据导入      
df= df.fillna('')      #删除缺失值
df

Out[158]:

	province	residents_consumption	urban_consumption	rural_consumption	consumption_index	urban_consumption_index	rural_consumption_index
0	北京	52912	57100	26132	105.7	105.8	105.5
1	天津	38975	42067	23952	106.4	106.3	106.5
2	河北	15893	20753	10149	109.5	106.6	112.0
3	山西	18132	23345	11284	118.8	116.5	121.4
4	内蒙古	23909	29971	14184	104.3	102.7	106.9
5	辽宁	24866	30342	13528	103.4	102.6	106.9
6	吉林	15083	19552	9244	106.2	105.6	105.9
7	黑龙江	18859	24012	11352	107.3	106.6	108.8
8	上海	53617	57507	25622	107.3	107.2	107.6
9	江苏	39796	45865	26755	109.3	107.7	112.2
10	浙江	33851	38730	23717	107.2	107.3	104.8
11	安徽	17141	23888	9610	108.1	105.6	109.7
12	福建	25969	30474	17885	109.4	107.3	113.5
13	江西	17290	21815	12009	108.2	105.2	111.8
14	山东	28353	34955	18530	108.6	105.2	113.9
15	河南	17842	25593	10294	109.0	106.8	109.1
16	湖北	21642	28121	12432	109.4	107.0	113.2
17	湖南	19418	26244	11504	108.0	106.2	107.0
18	广东	30762	37257	15943	105.2	104.3	107.6
19	广西	16064	22970	9371	106.5	102.4	113.4
20	海南	20939	27683	11848	109.5	107.7	110.2
21	重庆	22927	30101	10527	108.6	106.4	110.9
22	四川	17920	22983	12856	108.6	105.8	110.9
23	贵州	16349	24230	9879	112.2	109.4	111.9
24	云南	15831	23490	9123	106.8	102.5	108.3
25	西藏	10990	20643	6676	110.6	108.0	109.7
26	陕西	18485	25276	9819	108.1	105.9	109.8
27	甘肃	14203	22344	7395	107.8	104.7	109.2
28	青海	18020	23621	11868	106.6	102.9	111.6
29	宁夏	21058	27887	11956	108.0	103.3	118.5
30	新疆	16736	24230	9573	107.7	106.7	106.6

In [159]:

a = list(zip(list(df.province),list(df.residents_consumption),list(df.consumption_index)))
#列表 →省份、居民消费水平、居民消费水平指数

In [160]:

print(a)

[('北京', 52912, 105.7), ('天津', 38975, 106.4), ('河北', 15893, 109.5), ('山西', 18132, 118.8), ('内蒙古', 23909, 104.3), ('辽宁', 24866, 103.4), ('吉林', 15083, 106.2), ('黑龙江', 18859, 107.3), ('上海', 53617, 107.3), ('江苏', 39796, 109.3), ('浙江', 33851, 107.2), ('安徽', 17141, 108.1), ('福建', 25969, 109.4), ('江西', 17290, 108.2), ('山东', 28353, 108.6), ('河南', 17842, 109.0), ('湖北', 21642, 109.4), ('湖南', 19418, 108.0), ('广东', 30762, 105.2), ('广西', 16064, 106.5), ('海南', 20939, 109.5), ('重庆', 22927, 108.6), ('四川', 17920, 108.6), ('贵州', 16349, 112.2), ('云南', 15831, 106.8), ('西藏', 10990, 110.6), ('陕西', 18485, 108.1), ('甘肃', 14203, 107.8), ('青海', 18020, 106.6), ('宁夏', 21058, 108.0), ('新疆', 16736, 107.7)]

In [161]:

df.urban_consumption.describe()
#  查看2017年城镇居民消费水平状况

Out[161]:

count       31.000000
mean     29453.193548
std       9790.685929
min      19552.000000
25%      23417.500000
50%      25593.000000
75%      30408.000000
max      57507.000000
Name: urban_consumption, dtype: float64

In [ ]:

#  查看2017年全国城镇、农村居民消费水平状况
#  [max、min]得出的地理图表可以看出，北京与上海的城镇居民消费水平最高，呈现红色状态，高达接近6万元。最低的是城镇是吉林，颜色为浅绿。
#  从颜色可以看出，东部沿海和东南沿海的城镇、农村居民消费水平比中、西部高。
#  从两个图表可以看出，无论是城镇还是农村，北京或上海等东部沿海地区的居民消费水平都是相对其他地区高。
#  从颜色区分看出，东部沿海地区居民和内陆地区相比，居民消费水平的差距还是很大的。

In [174]:

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType
def geo_base() -> Geo:
    c = (
        Geo()
        .add_schema(maptype="china")
        .add("consumption/元", [list(z) for z in zip(df.province,df.urban_consumption)])
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(min_=9000,max_=60000),
            title_opts=opts.TitleOpts(title="2017年城镇居民消费水平"),
        )
    )
    return c
geo_base().render_notebook()

Out[174]:

In [203]:

def geo_base() -> Geo:
    c = (
        Geo()
        .add_schema(maptype="china")
        .add("consumption/元", [list(z) for z in zip(df.province,df.rural_consumption
)])
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(min_=7000,max_=30000),
            title_opts=opts.TitleOpts(title="2017年农村居民消费水平"),
        )
    )
    return c
geo_base().render_notebook()

Out[203]:

In [ ]:

# 使用地热地图图表，查看2017年全国居民消费水平指数状况。
# 居民消费水平指数，是居民用于生活开支的人均数，说白了，就是大家每人每年用多少钱
# 从图表看出，显现最红热的两个地区是山西、北京与江浙地区。全国其他地区的地热程度相差不大，消费水平相当。

In [207]:

def geo_heatmap() -> Geo:
    c = (
        Geo()
        .add_schema(maptype="china")
        .add(
            "地热指数",
            [list(z) for z in zip(df.province,df.consumption_index)],
            type_=ChartType.HEATMAP,
        )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(min_=90,max_=120),
            title_opts=opts.TitleOpts(title="2017年居民消费水平指数"),
        )
    )
    return c
geo_heatmap().render_notebook()

Out[207]:

In [ ]: