数据分析实战案例:使用 Pandas 和 Matplotlib 进行居民用水

原创 IT小本本 IT小本本 2025年04月15日 18:31 北京

本文将使用 Matplotlib 及 Seaborn 进行数据可视化。探索如何清理数据、计算月度用水量并生成有价值的统计图表,以便更好地理解居民的用水情况。


数据处理与清理

读取 Excel 文件

首先,我们使用 pandas 读取 Excel 文件,以获取居民每日用水数据:

复制代码
excel_file = '居民用水统计.xlsx'
water_usage_df = pd.read_excel(excel_file)

居民用水统计.xlsx:

为了确保日期数据正确解析,我们转换 日期 列为日期格式,并处理异常值:

复制代码
water_usage_df['日期'] = pd.to_datetime(water_usage_df['日期'], errors='coerce')

如果有无效日期,系统会标记为 NaT (Not a Time),并进行检查:

复制代码
if water_usage_df['日期'].isnull().any():
    print("发现无效日期,已将其处理为 NaT。请检查数据。")
    print(water_usage_df[water_usage_df['日期'].isnull()])

这样,我们就能确保数据的完整性,为后续分析做好准备。


计算居民每月用水量

为了分析不同月份的用水情况,我们按照月份对数据进行分组,并计算每月的总用水量:

复制代码
monthly_usage_df = water_usage_df.groupby(pd.to_datetime(water_usage_df['日期']).dt.to_period('M')).sum(numeric_only=True)
monthly_usage_df = monthly_usage_df.reset_index()
monthly_usage_df['月份'] = monthly_usage_df['日期'].dt.strftime('%Y-%m')
monthly_usage_df = monthly_usage_df.drop(columns=['日期'])

最终,我们可以打印月度汇总数据:

复制代码
print("\n每月居民用水量:\n", monthly_usage_df)

此外,我们可以使用 describe() 生成数据的基本统计信息,如均值、中位数等:

复制代码
summary_stats = monthly_usage_df.describe()
print("\n统计分析:\n", summary_stats)

这些统计数据能够帮助我们发现居民的用水趋势,例如是否有用水高峰期或异常用水情况。


数据可视化

设置 Matplotlib 字体

由于数据中包含中文,需要在 Matplotlib 里指定字体:

复制代码
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False  # 处理负号显示

每月用水量柱状图

为了更直观地展示用水情况,我们绘制柱状图:

复制代码
plt.figure(figsize=(12, 6))
monthly_usage_df.set_index('月份').plot(kind='bar', figsize=(12, 6), alpha=0.7)
plt.title('居民每月总用水量 (2023年)')
plt.xlabel('月份')
plt.ylabel('总用水量 (升)')
plt.xticks(rotation=45)
plt.legend(title='居民')
plt.grid(axis='y')
plt.tight_layout()
plt.savefig('每月用水统计图.png')
plt.show()

这张图能够帮助我们快速识别哪几个月的用水量最高或最低,为城市管理者提供参考。

用水量分布图

除了柱状图,我们还可以使用 Seaborn 绘制每日用水量的分布情况:

复制代码
plt.figure(figsize=(12, 6))
sns.boxplot(data=water_usage_df.iloc[:, 1:])  # 提取居民用水数据
plt.title('居民每日用水量分布图')
plt.xlabel('居民')
plt.ylabel('用水量 (升)')
plt.xticks(rotation=45)
plt.grid(axis='y')
plt.tight_layout()
plt.savefig('居民每日用水量分布图.png')
plt.show()

箱型图可以帮助我们发现不同居民用水习惯的变化,并检测是否存在异常值。


🔮 源码获取

相关推荐
Highcharts.js1 天前
Workbuddy + Highcharts Orbit:工作区数据自动建模与可视化分析实践
前端·javascript·信息可视化·数据可视化·highcharts·可视化图表·workbuddy
zhanlang02174 天前
HTML 零基础入门到企业实战全套教程【第六章 6.1】表格标签|实现数据可视化展示
前端·信息可视化·html
Highcharts.js8 天前
Highcharts 仪表盘与速度仪图表库介绍
前端·信息可视化·仪表板·highcharts·图表开发·图表库·仪表可视化
wuyk55514 天前
PyQt6-第15讲-数据可视化QChart
python·ui·信息可视化·pyqt
Highcharts.js16 天前
智能数据分析组件Orbit 正式发布与快速上手体验教程
前端·人工智能·信息可视化·数据分析系统·highcharts·orbit·智能可视化
lisw0516 天前
互联网上的数据结构可视化!
数据结构·信息可视化
Elastic 中国社区官方博客17 天前
基于 Elasticsearch 与 Jina AI 的全模态智能搜索实践:技术全解析
大数据·人工智能·elasticsearch·搜索引擎·ai·信息可视化·jina
Teable任意门互动18 天前
破解多平台数据不通!江浙沪跨境电商外贸业务私有化部署方案|任意门互动科技
大数据·人工智能·科技·信息可视化·信息与通信
工业HMI实战笔记19 天前
皮革加工HMI:制革鞣制的化工参数界面
信息可视化·设计规范·设计语言
IT研究室19 天前
最新大数据毕业设计选题推荐-基于大数据的Medicaid GLP-1药物利用与支出数据可视化分析-大数据-Spark-Hadoop-Bigdata
大数据·信息可视化·课程设计