标签：province count df 省份 练习 住宿 topFiveProvince 可视化 数据

任务二：多个饼图呈现各省份不同等级住宿场所占比

企业消费平台为了更好地发展企业业务，向企业客户推荐符合其定位的协议住宿场所，需要分析上题中Top5省份的“三星级/舒适”、“四星级/高档”和“五星级/豪华”住宿场所以及“其它类别”住宿场所（除上述三类外，其余类型住宿场所均归为“其它类别”）的占比情况。请根据指定表中数据，以指定图例进行呈现。

详细描述：

请根据数据库中相关数据集中省份、星级等相关字段统计各省份不同等级住宿场所的占比，绘制多个饼图。

具体任务要求：

1）      根据表格相关字段分别统计上题Top5省份不同星级住宿场所的占比，打印输出各省份名称以及各星级住宿场所的占比情况；

打印语句格式如下：

==省份：A=舒适型住宿占比：**===

==省份：A=高档型住宿占比：**===

==省份：A=豪华型住宿占比：**===

==省份：B=舒适型住宿占比：**===

==省份：B=高档型住宿占比：**===

==省份：B=豪华型住宿占比：**===

……

2）      使用Flask框架，结合Echarts在组合图中绘制多个饼图，每个省份各星级住宿场所占比情况分别用一个饼图进行呈现，将可视化结果截图并保存。

1)ralateLevels.py

import datetime
import numpy as np
import pandas as pd
from sqlalchemy import create_engine

mysql = create_engine('mysql+mysqlconnector://root:123456@127.0.0.1:3306/hotel')
df_orderNum = pd.read_csv(
    'E:\\Python作业\\keshihua\\enterpriseCustomize\\task2\\csv\\2022-06-22_1655885919.934801df_data.csv')
sql = 'select province,star from platform_rate'
df_platformRate = pd.read_sql(sql, mysql)

df_starNum = pd.DataFrame({'starNum': []})

topFiveProvince = []

for i in range(5):
    topFiveProvince.append(df_orderNum['province'][i])


def change_name(x):
    if x == '三星级':
        return '舒适型'
    elif x == '四星级':
        return '高档型'
    elif x == '五星级':
        return '豪华型'
    elif x == '舒适型':
        return '舒适型'
    elif x == '高档型':
        return '高档型'
    elif x == '豪华型':
        return '豪华型'
    else:
        return '其它类别'


df_platformRate['star'] = df_platformRate['star'].apply(change_name)
df_topFiveProvince = pd.DataFrame({'province': [], 'star': []})

for i in topFiveProvince:
    for j in df_platformRate.groupby(df_platformRate['province']):
        if j[0] == i:
            df_topFiveProvince = pd.concat([df_topFiveProvince, j[1]])

df_topFiveProvince_1 = df_topFiveProvince.groupby([df_topFiveProvince['star'], df_topFiveProvince['province']])
df_topFiveProvince_2 = df_topFiveProvince.groupby( df_topFiveProvince['province'])
count = []
sum_count = []
level = []
province = []
for i in df_topFiveProvince_2:
    sum_count.append(i[1]['province'].count())

for i in df_topFiveProvince_1:
    count.append(i[1].count())
    level.append(i[0][0])
    province.append(i[0][1])
    print("==省份：" + i[0][1] + "=" + i[0][0] + "住宿占比：**===")
print(count)
print(level)
print(province)
print(sum_count)

df_output = pd.DataFrame({'province': province, 'star': level, 'starNum': count})
print(df_output)
Now_Time = datetime.datetime.now()
filepath = "csv//" + str(Now_Time.date()) + "_" + str(Now_Time.timestamp()) + "df_ralateLevels.csv"
df_output.to_csv(filepath, index=False, header=['province', 'star', 'starNum'])

标签：province,count,df,省份,练习,住宿,topFiveProvince,可视化,数据
来源： https://www.cnblogs.com/unknownshangke/p/16410205.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。