說實話，這一期起的有點標(biāo)題黨了。

用到的Python知識并不多，只是利用Python對數(shù)據(jù)進(jìn)行規(guī)整。

最多的應(yīng)該是用大佬造的輪子，基于D3.js的數(shù)據(jù)可視化項目。

附上大佬的GitHub地址，有興趣的小伙伴可以自行去圍觀。

• https://github.com/Jannchie/Historical-ranking-data-visualization-based-on-d3.js

最后我利用大佬造的輪子，成功實現(xiàn)了25年間各省市GDP數(shù)據(jù)的可視化。

于是乎，你不就對各省市的GDP了解的一清二楚。

數(shù)據(jù)來源來自國家統(tǒng)計局。

附上相關(guān)鏈接，其實里面還有好多其他的數(shù)據(jù)，非常適合拿去練手。

• http://data.stats.gov.cn/easyquery.htm?cn=E0103

本次的GDP數(shù)據(jù)如下，為各地區(qū)生產(chǎn)總值。

時間是1993年-2017年，共25年。

網(wǎng)站提供CSV文件下載，但是還是需要規(guī)整一下數(shù)據(jù)。

因為大佬造的輪子對數(shù)據(jù)有要求。

同時還需要注意一下編碼問題，這里的CSV文件需要用gbk編碼。

下面是從統(tǒng)計局下載下來的CSV數(shù)據(jù)。

我偷了個懶，直接就先在表格里刪除了前三行，如下。

接下來便是用Python對數(shù)據(jù)進(jìn)行規(guī)整，代碼如下。

import pandas as pd 
 
# 讀取數(shù)據(jù) 
df = pd.read_csv('gdp.csv', encoding='utf-8') 
(names, values, dates) = ([], [], []) 
# 記得去除地區(qū)這個列名,遍歷年份 
for i in df.columns[1:]: 
    for j, k in zip(df[i], df['地區(qū)']): 
        # 輸出地區(qū)、GDP值、年份數(shù)據(jù) 
        print(k, j, i) 
        names.append(k) 
        values.append(int(j)) 
        dates.append(int(i.replace('年', ''))) 
# 生成DateFrame格式的數(shù)據(jù) 
data = { 
    'name': names, 
    'type': '', 
    'value': values, 
    'date': dates 
} 
# 將數(shù)據(jù)轉(zhuǎn)存為新的CSV文件 
frame = pd.DataFrame(data) 
# 設(shè)置編碼格式,避免亂碼 
frame.to_csv('gdp_last.csv', encoding='utf_8_sig') 

獲取的CSV數(shù)據(jù)如下。

和大佬造的輪子所需數(shù)據(jù)格式是一樣的，這里我不設(shè)置類型。

接下來就是克隆大佬的項目代碼到你的計算機(jī)里。

這里以前我只是上傳代碼，沒有去下載項目代碼，所以不是很清楚怎么下載下來。

經(jīng)過這次算是學(xué)會了。

首先安裝一下GitHub Desktop，然后用你的GitHub賬號登陸它。

配置一下你的用戶名及綁定郵箱，便能克隆其他人的項目到你的本地。

然后打開src目錄下的bargraph.html，瀏覽器就會打開一個網(wǎng)頁。

在網(wǎng)頁里點擊選擇文件，把文件上傳上去就成功了。

網(wǎng)頁上就會有動態(tài)視頻出現(xiàn)，如下。

是不是發(fā)現(xiàn)很有意思，哈哈。

這里我根據(jù)自己個人需要，對大佬的輪子進(jìn)行了修改。

修改的地方是在src目錄下的config.js文件里。

主要是一些小細(xì)節(jié)的修改，比如最多顯示的條目數(shù)，標(biāo)題，以及條目的顏色。

修改的文件及我的CSV文件都已經(jīng)上傳到GitHub上頭了。

有興趣的小伙伴可以自行去圍觀，通過閱讀原文即可直接到我的GitHub。