文章目录

• 🏳️‍🌈 1. 导入模块
• 🏳️‍🌈 2. Pandas数据处理
• • 2.1 读取数据
  • 2.2 查看数据信息
  • 2.3 去除重复数据
  • 2.4 书名处理
  • 2.5 提取年份
• 🏳️‍🌈 3. Pyecharts数据可视化
• • 3.1 作者图书数量分布
  • 3.2 图书出版年份分布
  • 3.3 图书原价分布
  • 3.4 图书售价区间分布
  • 3.5 电子书价格区间占比
  • 3.6 折扣比例分布
  • 3.7 TOP30出版社
  • 3.8 图书评论数词云
• 🏳️‍🌈 4. 可视化项目源码+数据

大家好，我是 👉【Python当打之年(点击跳转)】

本期利用 python 分析一下「当当网图书畅销榜单（2020-2023）数据」 ，看看哪些作者的图书最畅销、哪些年份的图书上榜最多、上榜图书的价格分布、评论分布以及出版社分布 等，希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。

涉及到的库：

• Pandas — 数据处理
• Pyecharts — 数据可视化

🏳️‍🌈 1. 导入模块

import pandas as pd from pyecharts.charts import * from pyecharts import options as opts import warnings warnings.filterwarnings('ignore') 

🏳️‍🌈 2. Pandas数据处理

2.1 读取数据

df = pd.read_csv("./当当网畅销图书榜单数据.csv") 

2.2 查看数据信息

df.info() 

2.3 去除重复数据

df = df.drop_duplicates(subset=['书名','出版日期']) 

2.4 书名处理

new_name = [] for name in df['书名'].tolist():     name_t = name.split('（')[0].split(' ')[0].split('・')[0]     new_name.append(name_t) df['书名_new'] = new_name 

2.5 提取年份

df['出版日期_year'] = pd.to_datetime(df['出版日期']).dt.year 

🏳️‍🌈 3. Pyecharts数据可视化

3.1 作者图书数量分布

-陈磊・半小时漫画团队、东野圭吾的书籍上榜次数居多，代表作分别有《半小时漫画中国史》、《半小时漫画唐诗系列》、《白夜行》、《解忧杂货店》、《嫌疑人X的献身》等。

-曹文轩、余华、肥志、毛姆等老师的作品上榜次数分列第2至第5位。

3.2 图书出版年份分布

def get_line():     chart = (         Line()         .add_xaxis(x_data)         .add_yaxis("", y_data)         .set_global_opts(             title_opts=opts.TitleOpts(                 title="2-图书出版年份分布",             ),             xaxis_opts=opts.AxisOpts(                 axislabel_opts=opts.LabelOpts(rotate=30),                 splitline_opts=opts.SplitLineOpts(is_show=False)             ),         )     ) 

• 2017年-2022年的出版的图书上榜次数相较于其他年份更高一些，其中2019年、2020年出版的图书上榜次数超过150次。

3.3 图书原价分布

• 图书原价（定价）基本都在100元以内，很少一部分在200元以上。

3.4 图书售价区间分布

def get_bar():     chart = (         Bar()         .add_xaxis(x_data)         .add_yaxis("", y_data)         .set_global_opts(             title_opts=opts.TitleOpts(                 title="4-图书售价区间分布",             ),             visualmap_opts=opts.VisualMapOpts(                 is_show=False,             ),         )     ) 

• 从售价区间分布上来看：20元以下的图书上榜次数接近400次，20-30元之间的300次左右，也就是30元以内的图书上榜次数接近60%。

• 从售价区间可以看出来图书的售价和上榜率有一定的关系。

3.5 电子书价格区间占比

def get_pie():     chart = (         Pie()         .add("", [list(z) for z in zip(x_data, y_data)])         .set_global_opts(             title_opts=opts.TitleOpts(                 title="5-电子书价格区间占比",                 pos_top='2%',                 pos_left="center"             ),             visualmap_opts=opts.VisualMapOpts(is_show=False,),         )     )     return chart 

• 电子书的价格普遍较低，比较成本很少，上榜次数分布趋势基本和售价一致。

3.6 折扣比例分布

• 5折图书上榜次数要明显高于其他折扣上榜次数，所以在打折促销的时候可以参考打半折，当然也要考虑到图书的内容质量，并不是打折越多就越畅销。

3.7 TOP30出版社

• 图书自然会涉及出版质量问题，排名前10的出版社有：北京联合出版有限公司、时代文艺出版社、中信出版社、南海出版公司、南方出版社、人民文学出版社、浙江工商大学出版社、湖南文艺出版社、江苏凤凰文艺出版社、北京十月文艺出版社。

3.8 图书评论数词云

def get_wordcloud():     chart = (         WordCloud()         .add("",words,word_size_range=[10,50])         .set_global_opts(             title_opts=opts.TitleOpts(                     title='8-图书评论词云',                     pos_top='2%',                     pos_left="center",                 ),             legend_opts=opts.LegendOpts(is_show=False),             visualmap_opts=opts.VisualMapOpts(is_show=False),         )     )     return chart 

• 亚龙湾、三亚湾、蜈支洲岛、大东海、天涯海角、海棠湾等景点更受驴友的喜爱。

🏳️‍🌈 4. 可视化项目源码+数据

点击跳转：【全部可视化项目源码+数据】

以上就是本期为大家整理的全部内容了，赶快练习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。