《Pandas数据处理》课件 8.2.2 统计各地区最高录取分数的平均值

统计各地区最高录取分数的平均值主讲人：xxXXXXXXXXXXXXXXXXXXXXX问题描述利用2007年-2017年全国部分高校的录取数据（“school.csv”），按“考生地区”分组统计2016年全国各地区高校的录取最高分的平均值见表8.2.5，使用柱状图可视化数据见图8.2.5。表8.2.5各地区录取最高分平均值考生地区最高分河北654.234652北京647.129944山东644.476526重庆639.820621四川635.562427云南632.557823陕西630.983776辽宁628.917614题前思考表8.2.4问题分析根据问题描述，填写以下表格问题描述问题解答要筛选2016年各地区的最高录取分，筛选的表达式该如何书写？筛选的是哪两列的数据？

数据筛选后需要对数据进行分组计算，groupby（）中的分组键是什么？

使用哪一个函数来计算平均录取分？

分析柱状图的颜色，使用什么方法来填充柱状图的颜色？

importpandasaspdimportmatplotlib.pyplotasmpmp.rcParams['font.sans-serif']=['SimHei']data=pd.read_csv(r"D:\pydata\项目八\school.csv",engine='python')area_high=data.loc[data['年份']==2016,['考生地区','最高分']]①area_high_sort=area_high.groupby(by='考生地区').mean().sort_values(by='最高分',ascending=False)②print(area_high_sort)mp.figure("各地区录取最高分平均值",figsize=(16,9))③程序代码第一个参数是行索引，data['年份']==2016即筛选出年份为2016的所有行；第二个参数是列索引，即筛选['考生地区','最高分']两列数据importpandasaspdimportmatplotlib.pyplotasmpmp.rcParams['font.sans-serif']=['SimHei']data=pd.read_csv(r"D:\pydata\项目八\school.csv",engine='python')area_high=data.loc[data['年份']==2016,['考生地区','最高分']]①area_high_sort=area_high.groupby(by='考生地区').mean().sort_values(by='最高分',ascending=False)②print(area_high_sort)mp.figure("各地区录取最高分平均值",figsize=(16,9))③程序代码按“考生地区”对数据进行分组，对最高分所在列的数据求平均值并降序排序程序代码8.2.6分组计算后的数据8.2.7排序后的数据考生地区最高分云南632.557823北京647.129944四川635.562427宁夏587.973236安徽625.475610……辽宁628.917614重庆639.820621陕西630.983776青海561.598425黑龙江623.632011考生地区最高分河北654.234652北京647.129944山东644.476526重庆639.820621四川635.562427……福建602.557616广东599.190231宁夏587.973236青海561.598425江苏386.433943importpandasaspdimportmatplotlib.pyplotasmpmp.rcParams['font.sans-serif']=['SimHei']data=pd.read_csv(r"D:\pydata\项目八\school.csv",engine='python')area_high=data.loc[data['年份']==2016,['考生地区','最高分']]①area_high_sort=area_high.groupby(by='考生地区').mean().sort_values(by='最高分',ascending=False)②print(area_high_sort)mp.figure("各地区录取最高分平均值",figsize=(16,9))③程序代码创建一个名为"各地区录取最高分平均值"的16英寸宽9英寸高的绘图窗口color=mp.get_cmap('gist_rainbow',len(area_high_sort))(range(len(area_high_sort)))④mp.bar(area_high_sort.index,area_high_sort['最高分'],0.6,color=color,edgecolor='black')⑤fora,binenumerate(area_high_sort['最高分'].values):mp.text(a,b,'%d'%b,va='bottom',ha='center',fontsize=9)⑥mp.title("各省份录取分数线",fontsize=16)⑦mp.xlabel("省份",fontsize=12)mp.ylabel("分数",fontsize=12)mp.gcf().autofmt_xdate()⑧mp.show()程序代码get_cmap()是取得颜色映射的函数返回值为Colormap类对象，'gist_rainbow'是颜色映射的名字color=mp.get_cmap('gist_rainbow',len(area_high_sort))(range(len(area_high_sort)))④mp.bar(area_high_sort.index,area_high_sort['最高分'],0.6,color=color,edgecolor='black')⑤fora,binenumerate(area_high_sort['最高分'].values):mp.text(a,b,'%d'%b,va='bottom',ha='center',fontsize=9)⑥mp.title("各省份录取分数线",fontsize=16)⑦mp.xlabel("省份",fontsize=12)mp.ylabel("分数",fontsize=12)mp.gcf().autofmt_xdate()⑧mp.show()程序代码绘制柱状图。行索引为area_high_sort.index，即考生地区；

列索引是area_high_sort['最高分']，即录取最高分；间距为0.6；柱状图的颜色是color，边框颜色为'black'color=mp.get_cmap('gist_rainbow',len(area_high_sort))(range(len(area_high_sort)))④mp.bar(area_high_sort.index,area_high_sort['最高分'],0.6,color=color,edgecolor='black')⑤fora,binenumerate(area_high_sort['最高分'].values):mp.text(a,b,'%d'%b,va='bottom',ha='center',fontsize=9)⑥mp.title("各省份录取分数线",fontsize=16)⑦mp.xlabel("省份",fontsize=12)mp.ylabel("分数",fontsize=12)mp.gcf().autofmt_xdate()⑧mp.show()程序代码每个值添加序号构成一个元组，以这些元组为项构成一个可迭代对象。color=mp.get_cmap('gist_rainbow',len(area_high_sort))(range(len(area_high_sort)))④mp.bar(area_high_sort.index,area_high_sort['最高分'],0.6,color=color,edgecolor='black')⑤fora,binenumerate(area_high_sort['最高分'].values):mp.text(a,b,'%d'%b,va='bottom',ha='center',fontsize=9)⑥mp.title("各省份录取分数线",fontsize=16)⑦mp.xlabel("省份",fontsize=12)mp.ylabel("分数",fontsize=12)mp.gcf().autofmt_xdate()⑧mp.show()程序代码设置柱状图的标题及字号。后两条语句是设置x轴、y轴的样式color=mp.get_cmap('gist_rainbow',len(area_high_sort))(range(len(area_high_sort)))④mp.bar(area_high_sort.index,area_high_sort['最高分'],0.6,color=color,edgecolor='black')⑤fora,binenumerate(area_high_sort['最高分'].values):mp.text(a,b,'%d'%b,va='bottom',ha='center',fontsize=9)⑥mp.title("各省份录取分数线",fontsize=16)⑦mp.xlabel("省份",fontsize=12)mp.ylabel("分数",fontsize=12)mp.gcf().autofmt_xdate()⑧mp.show()程序代码自动旋转x坐标刻度标签至合适位置任务小结1.描述groupby()方法及各参数的作用以及DataFrameGroupBy对象的常用方法2.描述给柱状图添加数据标签的过程一展身手现有8000余条电影数据“2_movies.csv”，表中的内容如表8.1.7所示。统计2010以来上映的中国大陆影片，对各“主演”主演的所有影片计算平均分、总分和影片数量，并计算评分总分最高的前10个主演的得分信息，见表8.2.8，使用柱状图对数据进行可视化。一展身手表8.2.8总分最高的主演