利用python解决图中问题

img

请问图中的对排名相同的大学，如排名均为“201~205“，处理后排名分别为201，202等以及同一个国家进入榜单的学校排名这两个要求该如何处理？用越基础越简单的方法越好

第一个问题，排名相同的大学可以用计数,如果有5所大学的排名都是201-205，分别设置为201、202、203、204和205。
下一个问题，对于同一个国家进入榜单的学校排名，先对所有学校按照排名进行排序，再遍历列表，对于同一个国家的学校，将它们的排名设置为相同的值，哈希表能够实现这种需求，将国家作为键，将该国家的排名作为值。

  • 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7554040
  • 这篇博客你也可以参考下：干货来袭！3天0基础Python实战项目快速学会人工智能必学数学基础全套（含源码）（第2天）微积分篇：极限与导数、梯度下降与积分
  • 同时，你还可以查看手册：python- 定义扩展类型：已分类主题- 对象展示 中的内容
  • 除此之外, 这篇博客: 【Python数据分析与可视化】关于星巴克数据分析与制图的九道题中的 3.打印出全世界一共有多少个国家开设了星巴克门店，显示门店数量排名前10和后10的国家 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

  •  

    结果：

     4. 用柱状图绘制排名前10的分布情况，横坐标有国家名，纵坐标为数量。

    结果：

     

      5、显示拥有星巴克门店数量排名前10的城市。

     

    结果：

     

     6.绘制星巴克门店数前10的城市分布柱状图，横坐标有城市名，纵坐标为数量。

    结果：

     

    7.按照星巴克门店在中国的分布情况，统计排名前10的城市。

     

    结果：

     

    8.绘制柱状图，横坐标有城市名，纵坐标为数量。

     

    结果 ：

        9、用饼状图显示星巴克门店的经营方式有几种。（ownership）

     结果：

    源文件：

    1.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
print(shuju)

2.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
A=shuju['Brand'].value_counts()
print("星巴克旗下品牌有：\n%s"%A)

3.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
B=len(shuju['Country'].unique())
print("全世界一共有%d个国家开设了星巴克门店。"%B)
C=shuju['Country'].value_counts()
print("排名前十的国家和数量为：\n%s"%C[:10])
print("排名后十的国家和数量为：\n%s"%C[-10:])

4.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
C=shuju['Country'].value_counts()
plt.figure(figsize=(10,5))
keduxian = list(C[:10].index)
a="国家"
b="数量"
c="星巴克门店数量排名前10的国家"
plt.xlabel(a)
plt.ylabel(b)
plt.title(c)
plt.bar([i for i in keduxian], C[:10])
plt.show()

5.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
D= shuju['City'].value_counts()
print(D[:10])

6.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
D= shuju['City'].value_counts()
plt.figure(figsize=(10,5))
keduxian1 = list(D[:10].index)
d="城市"
e="数量"
f="星巴克门店数前10的城市"
plt.xlabel(d)
plt.ylabel(e)
plt.title(f)
plt.bar([i for i in keduxian1], D[:10])
plt.show()

7.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
shuju=pd.read_csv('directory.csv')
china = shuju[shuju['Country'] == 'CN'] 
chinacity=china['City'].value_counts()
print("排名前十的中国城市和数量为：\n%s"%chinacity[:10])


8.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
china = shuju[shuju['Country'] == 'CN'] 
chinacity=china['City'].value_counts()
plt.figure(figsize=(10,5))
keduxian2 = list(chinacity[:10].index)
plt.xlabel('城市')
plt.ylabel('门店数量')
plt.title('中国星巴克门店数量排名前10的城市')
plt.bar([i for i in keduxian2], chinacity[:10])
plt.show()


9.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
F=shuju['Ownership Type'].value_counts()
plt.figure(figsize=(10,7))
plt.pie(F,labels=F.index)
plt.title("星巴克门店的经营方式")
plt.show()

     

    自己也是新手，英语不好，名称定义中文拼音。

     

  • 您还可以看一下 余强老师的爬虫微课5小时 Python学习路线课程中的 19全国2300所学校招生统计(十五：高考派十四万多条真实数据统计)小节, 巩固相关知识点
  • 以下回答由chatgpt基于相关博客总结生成:

    我可以通过Python编写代码来解决该问题。

    对于将相同排名的大学改成排名分别为201、202等，可以按照以下步骤操作：

    1. 读取数据，将排名信息读入到一个列表中。
    2. 对排名列表进行去重，确定有多少个唯一的排名。
    3. 将每个排名从最小值开始，按顺序重新编号（如201为1，202为2等），并将结果保存到一个字典中。
    4. 遍历原数据，并通过字典将原排名替换为新排名。
    5. 输出替换后的数据。

    以下是一组可能实现该方案的Python代码：

    # 读取数据
data = [
    ["学校A", "201-205"],
    ["学校B", "201-205"],
    ["学校C", "206-210"],
    ["学校D", "211-215"],
    ["学校E", "206-210"]
]

# 建立排名字典
rank_dict = {}
unique_ranks = set()
for row in data:
    rank_range = row[1]
    ranks = list(map(int, rank_range.split("-")))
    unique_ranks.update(ranks)
for i, rank in enumerate(sorted(unique_ranks)):
    rank_dict[rank] = i + 1

# 替换排名
for row_idx, row in enumerate(data):
    rank_range = row[1]
    ranks = list(map(int, rank_range.split("-")))
    new_ranks = [rank_dict[rank] for rank in ranks]
    new_rank_range = f"{min(new_ranks)}-{max(new_ranks)}"
    data[row_idx][1] = new_rank_range

# 输出替换后的数据
print(data)

    对于处理同一个国家进入榜单的学校排名，可以提取各个国家的学校，为每个国家的学校编号添加一个"国家+排名"的组合值，然后再将该值替换原来的排名。以下是一组可能实现该方案的Python代码：

    # 读取数据
data = [
    ["中国", "学校A", "201"],
    ["美国", "学校B", "202"],
    ["美国", "学校C", "203"],
    ["俄罗斯", "学校D", "204"],
    ["美国", "学校E", "205"],
    ["俄罗斯", "学校F", "206"]
]

# 建立国家字典
country_dict = {}
for row in data:
    country = row[0]
    if country not in country_dict:
        country_dict[country] = []
    country_dict[country].append(row)

# 替换排名
for country, country_data in country_dict.items():
    rank_dict = {}
    rank_idx = 1
    for row in country_data:
        rank = row[2]
        rank_str = f"{country}{rank}"
        if rank_str not in rank_dict:
            rank_dict[rank_str] = rank_idx
            rank_idx += 1
        row[2] = rank_str
    for row in country_data:
        rank_str = row[2]
        new_rank = rank_dict[rank_str]
        row[2] = str(new_rank)

# 输出替换后的数据
new_data = []
for country_data in country_dict.values():
    new_data += country_data
print(new_data)