02业财税融合大数据分析案例实战63课件.pptxVIP

02业财税融合大数据分析案例实战

2.1综合案例一1.根据全国水泥近三年的数据，采集其中指定几个项目的数据，并将采集的数据导出至Excel文件“OperatingProfitAnalyze2021.xlsx”。采集项目数据明细：在2021年常德地区标号为M32.5、P.C42.5和P.O42.5的水泥的均价。数据源文件地址：/skill-help/bigdata/slrh/snslrjjcsv。

2.1综合案例一请补充以下关键代码：#--------引入数据--------#导入数据源importcsvimportpandasaspdimport【1】asnpfromioimportStringIOfromurllibimportrequest#设置读取数据的地址【2】=/skill-help/bigdata/slrh/snslrjjcsv#读取数据串data=request.urlopen(url).read().decode(【3】=gb2312)#将字符串转换为StringIO对象，使其具有文件属牲dfile=StringIO(【4】)

2.1综合案例一#将流转换为可迭代的reader(csvrow）creader=csv.reader(dfile)#其他转换、操作dlists=[rwforrw【5】creader]#取第一行列名数据columnName=dlists[0]#取其他行数据allData=【6】.DataFrame(dlists[1:])#重新设置列名allData.【7】=columnNameprint(len(allData))#格式化数字列，非数值填充为平均值allData[含税价格(元/吨）]=pd.to_【8】(allData[含税价格(元/吨）],errors=coerce)mean=np.【9】(allData[含税价格(元/吨）])allData[含税价格(元/吨）]=allData[含税价格(元/吨）].【10】(mean)

2.1综合案例一#将日期列转换为时间类型allData[日期]=pd.to_【11】(allData[日期])#采集数据#从allDataDataFrame中选择年份为2021年的数据。resData=allData[【12】[日期].dt.year==2021]#从resDataDataFrame中筛选城市为常德的数据。resData=resData[resData[城市]==【13】]#从resDataDataFrame中筛选标号为M32.5、P.C42.5和P.O42.5的数据。resData=resData[resData[标号].【14】([M32.5,P.C42.5,P.O42.5])]#将日期列转换为datetime类型。resData[日期]=pd.【15】_datetime(resData[日期])#添加一个名为月份的新列，该列包含日期的月份信息。resData[月份]=resData[日期].dt.to_【16】(M)#以月份和标号分组，计算含税价格的平均值，然后用标号作为列索引，生成新的DataFrame。resData=resData.groupby([月份,标号])[含税价格(元/吨）].mean().unstack()resData.to_excel(【17】)print(resData)

2.1综合案例一2.基于采集的水泥相关数据做成折线图（1）水泥价格数据源“/skillhelp/bigdata/slrh/snslrjjcsv”。（2）横坐标为月份，包含1-12月的3个标号的折线，纵坐标为均价。（3）编写python程序，根据上一题采集的数据，生成可视化图表；设置X轴标题设置为“月份”，Y轴标题设置为“均价(元/吨)”；设置标题为“2021年常德水泥价格趋势”。在一张图片上生成水泥月均价数据的折线图，大小为（10,6），存储为PNG格式，文件名为“2021常德水泥月均价.png”。

2.1综合案例一请补充以下关键代码： importmatplotlib frommatplotlibimportpyplot【1】pltmatplotlib.rcParams[font.family]=SimHei plt.rcParams[axes.unicode_minus]=False resData.plot(【2】=(10,