项目六_航空数据分析可视化（3 在notebook中开发航空数据分析及可视化程序4）.pptxVIP

下载本文档

48
0
约2.52千字
约 11页
2022-02-28 发布于四川
举报
版权申诉

项目六_航空数据分析可视化（3 在notebook中开发航空数据分析及可视化程序4）.pptx

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

数据分析与可视化技术在AWS上进行开发深圳信息职业技术学院软件学院薛国伟2020年9月2航空数据分析及可视化大纲1数据分析技术基础分析可视化中国城市航班排名在本节中，设计可视化程序，统计数据表中某国若干个城市的航班总数，并用地图热力图的方式进行可视化表达。这里的某国是指，国家的名称是通过函数的参数提供的；若干个城市是指，统计的城市数量是通过函数参数提供的。在本项目中，使用之前设计的GenAllDateInRange（）和GenFlightInDateRangeDF（）函数。在notebook中新建Python3工程“FlightData_CityHeat.ipynb”，本节的设计在该文件中完成。分析可视化中国城市航班排名引入工程中用到的包import pandas as pdimport datetimefrom pyecharts import chartsfrom pyecharts import options as optsfrom pyecharts.charts import Geofrom pyecharts import options as optsfrom pyecharts.globals import ChartType,SymbolType分析可视化中国城市航班排名设计航班统计函数def GenCityFlight(DataTable, Country, rankNo,StartDate, EndDate): country = list(Country.split()) countryFlightDF = DataTable[DataTable.Country.isin(country)] countryFlightDF2 = GenFlightInDateRangeDF(countryFlightDF, StartDate,EndDate) tmp = countryFlightDF2.drop(( [FlightDate,StartTime,ArriveTime,TotalTime, Country]), axis = 1) dList = list(tmp[Departure]) aList = list(tmp[Destination]) allList = dList + aList tmp = pd.DataFrame(allList,columns=[Airport]) tmp[FlightCnt] = 1 tmp = tmp.groupby(Airport).count().sort_values(by=FlightCnt,ascending=False) .reset_index() tmp = tmp[0:rankNo] return tmp分析可视化中国城市航班排名将城市航班量使用地图热力图呈现DataTable = pd.read_csv(./FlightData/AllData.csv)startDate = 2017-10-01endDate = 2018-03-31cityFlight = GenCityFlight(DataTable, China, 60, startDate, endDate)分析可视化中国城市航班排名将城市航班量使用地图热力图呈现分析可视化中国城市航班排名将城市航班量使用地图热力图呈现创建列表cityFlightCnt = [(香港, 9115), (北京, 7990 ), (上海, 6349), (广州, 5445), (南京, 3183), (成都, 2663), (郑州, 2269), (昆明, 2173), (武汉, 1550), (深圳, 1463), (三亚, 1358), (杭州, 1351), (乌鲁木齐, 113), (沈阳, 1064), (长沙, 968), (重庆, 949), (海口,783), (兰州, 716), (大连,623), (西安, 606), (贵阳, 605), (厦门, 597), (无锡, 558), (福州, 525), (南宁, 519), (长春, 511), (合肥, 506), (南昌, 443), (蓬莱, 371), (连云港, 333)]分析可视化中国城市航班排名将城市航班量使用地图热力图呈现cityFlightGeo = ( charts.Geo() .add_schema(maptype=china) .add(geo, cityFlightCnt, type_=ChartType.HEATMAP) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( visualmap_