[私もコードします]データ分析と可視化-プロジェクト2
34010 ワード
2.出生児数及び合計出生率合計出生率
データリンク インデックス値
-実際のホーム図面と比較
データリンク
import pandas as pd
df = pd.read_excel('stat_142801.xls', skiprows=2, nrows=2, index_col = 0)
df
df.loc['출생아 수']
>>> Error
チェックdf.index
>>> Index(['출생아 수', '합계 출산율'], dtype='object')
df.index.values
>>> array(['출생아\xa0수', '합계\xa0출산율'], dtype=object)
df.rename(index={'출생아\xa0수':'출생아 수', '합계\xa0출산율':'합계 출산율'}, inplace=True)
df.index.values
>>> array(['출생아 수', '합계 출산율'], dtype=object)
df.loc['출생아 수']
df.iloc[0]
df.iloc[1]
df.T # 로우와 컬럼을 바꿔서 쓸수 있다.
df = df.T
df
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'Malgun Gothic' # Windows
# matplotlib.rcParams['font.family'] = 'AppleGothic' # Mac
matplotlib.rcParams['font.size'] = 15
matplotlib.rcParams['axes.unicode_minus'] = False
plt.plot(df.index, df['출생아 수'])
plt.plot(df.index, df['합계 출산율'])
fig, ax1 = plt.subplots(figsize =(10, 7))
ax1.plot(df.index, df['출생아 수'], color = '#ff812d')
ax2 = ax1.twinx() #x축을 공유하는 쌍둥이 axis
ax2.plot(df.index, df['합계 출산율'], color = '#ffd100')
fig, ax1 = plt.subplots(figsize =(13, 5))
ax1.set_ylabel('출생아 수 (천 명)')
ax1.bar(df.index, df['출생아 수'], color = '#ff812d')
ax1.set_ylim(250, 700)
ax1.set_yticks([300, 400, 500, 600])
ax2 = ax1.twinx() #x축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.plot(df.index, df['합계 출산율'], color = '#ffd100')
ax2.set_ylim( 0, 1.5)
ax2.set_yticks([0, 1])
fig, ax1 = plt.subplots(figsize =(13, 5))
ax1.set_ylabel('출생아 수 (천 명)')
ax1.bar(df.index, df['출생아 수'], color = '#ff812d')
ax1.set_ylim(250, 700)
ax1.set_yticks([300, 400, 500, 600])
for idx, val in enumerate(df['출생아 수']):
ax1.text(idx, val+12, val, ha='center')
ax2 = ax1.twinx() #x축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.plot(df.index, df['합계 출산율'], color = '#ffd100')
ax2.set_ylim( 0, 1.5)
ax2.set_yticks([0, 1])
plt.show()
fig, ax1 = plt.subplots(figsize =(13, 5))
ax1.set_ylabel('출생아 수 (천 명)')
ax1.bar(df.index, df['출생아 수'], color = '#ff812d')
ax1.set_ylim(250, 700)
ax1.set_yticks([300, 400, 500, 600])
for idx, val in enumerate(df['출생아 수']):
ax1.text(idx, val+12, val, ha='center')
ax2 = ax1.twinx() #x축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.plot(df.index, df['합계 출산율'], color = '#ffd100', marker='o', markersize=15, linewidth=5, mec = 'w', mew=3)
ax2.set_ylim( 0, 1.5)
ax2.set_yticks([0, 1])
plt.show()
fig, ax1 = plt.subplots(figsize =(13, 5))
ax1.set_ylabel('출생아 수 (천 명)')
ax1.bar(df.index, df['출생아 수'], color = '#ff812d')
ax1.set_ylim(250, 700)
ax1.set_yticks([300, 400, 500, 600])
for idx, val in enumerate(df['출생아 수']):
ax1.text(idx, val+12, val, ha='center')
ax2 = ax1.twinx() #x축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.plot(df.index, df['합계 출산율'], color = '#ffd100', marker='o', markersize=15, linewidth=5, mec = 'w', mew=3)
ax2.set_ylim( 0, 1.5)
ax2.set_yticks([0, 1])
for idx, val in enumerate(df['합계 출산율']):
ax2.text(idx, val+0.08, val, ha='center')
plt.show()
fig, ax1 = plt.subplots(figsize =(13, 5))
fig.suptitle('출생아수 및 합계 출산율')
ax1.set_ylabel('출생아 수 (천 명)')
ax1.bar(df.index, df['출생아 수'], color = '#ff812d')
ax1.set_ylim(250, 700)
ax1.set_yticks([300, 400, 500, 600])
for idx, val in enumerate(df['출생아 수']):
ax1.text(idx, val+12, val, ha='center')
ax2 = ax1.twinx() #x축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.plot(df.index, df['합계 출산율'], color = '#ffd100', marker='o', markersize=15, linewidth=5, mec = 'w', mew=3)
ax2.set_ylim( 0, 1.5)
ax2.set_yticks([0, 1])
for idx, val in enumerate(df['합계 출산율']):
ax2.text(idx, val+0.08, val, ha='center')
plt.show()
-実際のホーム図面と比較
Reference
この問題について([私もコードします]データ分析と可視化-プロジェクト2), 我々は、より多くの情報をここで見つけました https://velog.io/@ssjy89/나도코딩-데이터-분석-및-시각화-Project2テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol