栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

Python实现对Bitly的USA.gov数据集的可视化

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

Python实现对Bitly的USA.gov数据集的可视化

数据集链接:example.txt

import json
import pandas
import seaborn
import numpy


def main():
    # 读取json文件 来自Bitly的USA.gov数据
    path = "./example.txt"
    records = [json.loads(line) for line in open(path)]

    # 将数据实例化为DataFrame
    frame = pandas.DataFrame(records)

    # 统计时区信息并通过seaborn实现可视化
    statistic_tz(frame)

    # 统计浏览器信息并通过seaborn实现可视化
    statistic_a(frame)


def statistic_tz(frame):
    clean_tz = frame["tz"].fillna("[Missing]") # 替换缺失值
    clean_tz[clean_tz == ""] = "[Unknown]" # 替换未知值

    tz_counts = clean_tz.value_counts()
    subset = tz_counts[:10]

    seaborn.set(rc={'figure.figsize': (16, 10)})
    seaborn.barplot(y=subset.index, x=subset.values) # 绘图


def statistic_a(frame):
    cframe = frame[frame.a.notnull()].copy() # 过滤掉浏览器字段为空的信息
    cframe["os"] = numpy.where(cframe["a"].str.contains('Windows'), 'Windows', 'Not Windows') # 对操作系统进行标注

    by_tz_os = cframe.groupby(['tz', 'os']) # 根据时区和操作系统进行分类
    agg_counts = by_tz_os.size().unstack().fillna(0) # 将最内层索引置为列索引 并填充NaN
    indexer = agg_counts.sum(1).argsort() # 统计各个时区的出现次数

    count_subset = agg_counts.take(indexer[-10:]) # 选取最常出现的时区
    count_subset = count_subset.stack()
    count_subset.name = 'total'
    count_subset = count_subset.reset_index() # 还原为整型索引

    results = count_subset.groupby('tz').apply(norm_total) # 将数据转化为百分比

    seaborn.set(rc={'figure.figsize': (16, 10)})
    seaborn.barplot(x='normed_total', y='tz', hue='os', data=results) # 绘图


def norm_total(group):
    group['normed_total'] = group.total / group.total.sum()
    return group


if __name__ == "__main__":
    main()


转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/893263.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号