主講人：陳清華分組分析任務(wù)實(shí)施【數(shù)據(jù)挖掘應(yīng)用】課程碳排放數(shù)據(jù)分析熟練掌握從Excel文件中讀取數(shù)據(jù)的方法會運(yùn)用groupby()對碳排放數(shù)據(jù)進(jìn)行分組分析會選擇使用適當(dāng)?shù)膱D表表達(dá)數(shù)據(jù)會對圖表中的元素及相關(guān)參數(shù)進(jìn)行設(shè)置知識與能力目標(biāo)主要內(nèi)容任務(wù)工單引導(dǎo)問題任務(wù)評價標(biāo)準(zhǔn)任務(wù)解決方案代碼解析對碳排放數(shù)據(jù)進(jìn)行分組分析tpf.xlsx教學(xué)難點(diǎn)任務(wù)工單該文件中總共有四張工作表。其中，第一張工作表是對表格文件的整體說明，第二張工作表是碳排放數(shù)據(jù)的合計，第三張工作表是按行業(yè)和年份對碳排放數(shù)據(jù)的交叉匯總，最后一張工作表記錄了具體的數(shù)據(jù)明細(xì)對第四張工作表進(jìn)行分析任務(wù)概述

任務(wù)描述：

本項(xiàng)目從網(wǎng)絡(luò)中下載了碳排放數(shù)據(jù)，做了簡單處理并將其存儲于“tpf.xlsx”文件中。010010011001101010100100110110100101110101000100001011011101001010101101010011010010numyearitemRawCoalCleanedCoal...Scope1Total11997Farming,Forestry,AnimalHusbandry,FisheryandWaterConservancy30.897729120.416359042

74.3789848421997CoalMiningandDressing32.958534775.252869261

44.3459333231997PetroleumandNaturalGasExtraction5.2746735910.000619491

36.9702250641997FerrousMetalsMiningandDressing0.8354291580.002890957

3.81144775537889數(shù)據(jù)源tpf.xlsx顯示結(jié)果

任務(wù)要求任務(wù)概述按年份（1）Excel中數(shù)據(jù)存儲的結(jié)構(gòu)是什么樣的？如何從本地Excel文件中讀取數(shù)據(jù)？（2）Pandas包中的read_excel()能讀取什么類型的文件？如何使用？（3）read_excel()的關(guān)鍵參數(shù)有哪些？哪些是必選的？如何指定需要讀取的具體工作表？（4）什么是分組分析？分組分析主要適用于什么需求情境？我們對tpf.xlsx文件中的數(shù)據(jù)做哪方面的分組分析？（5）Matplotlib包主要用來做什么？如何利用Matplotlib編碼實(shí)現(xiàn)柱狀圖、堆積柱狀圖和折線圖？”

問題引導(dǎo)：任務(wù)概述

任務(wù)評價：任務(wù)概述評價內(nèi)容評價要點(diǎn)分值分?jǐn)?shù)評定自我評價1.任務(wù)實(shí)施數(shù)據(jù)讀取2分會讀取數(shù)據(jù)得1分，數(shù)據(jù)正確顯示得1分

數(shù)據(jù)分組分析3分會按行業(yè)進(jìn)行分組分析得2分，會按年份進(jìn)行分組分析得1分

2.結(jié)果展現(xiàn)數(shù)據(jù)可視化顯示4分能展現(xiàn)重點(diǎn)分析對象得1分，能展現(xiàn)行業(yè)占比差異得2分，能展現(xiàn)趨勢變化得1分

3.任務(wù)總結(jié)依據(jù)任務(wù)實(shí)施情況總結(jié)結(jié)論1分總結(jié)內(nèi)容切中本任務(wù)的重點(diǎn)要點(diǎn)得1分

合計10分

第

2行：導(dǎo)入pandas包，并給出別名pd。第3行：使用read_excel()獲取數(shù)據(jù)讀取Excel文件‘Sum’工作表中的數(shù)據(jù)#coding:utf-8importpandas

aspddf_sum=pd.read_excel("tpf.xlsx",sheet_name='Sum')df_sumsec=pd.read_excel("tpf.xlsx",sheet_name='SumSec')第

4行：讀取‘SumSec’工作表中的數(shù)據(jù)任務(wù)解決方案步驟一：數(shù)據(jù)讀取。任務(wù)解決方案部分?jǐn)?shù)據(jù)顯示第

6行：顯示部分?jǐn)?shù)據(jù)df_detail.head()第

5行：讀取‘Detail’工作表中的數(shù)據(jù)df_detail=pd.read_excel("tpf.xlsx",sheet_name=‘Detail')步驟一：數(shù)據(jù)讀取。任務(wù)解決方案df_detail_grp=df_detail.groupby(['item'])['RawCoal','Scope1Total'].mean()部分?jǐn)?shù)據(jù)顯示步驟二：分行業(yè)統(tǒng)計1997-2019年原煤（RawCoal）碳排放、總碳排放量（Scope1Total）的平均情況df_detail_grp

=pd.DataFrame(df_detail_grp).reset_index()df_detail_grp.head()第

7行：將‘item’列設(shè)為分組列，‘RawCoal’、‘Scope1Total’列設(shè)為統(tǒng)計列第

10行：導(dǎo)入繪圖包，并給出別名plt。第

11行：對數(shù)據(jù)列進(jìn)行排序importmatplotlib.pyplotaspltdf_detail_grp=df_detail_grp.sort_values(by='Scope1Total',ascending=False)

df_detail_grp1=df_detail_grp.head(10)任務(wù)解決方案第

13行：創(chuàng)建一個大小為（12，4）的條形圖，x軸為‘item’列，y軸為‘Scope1Total’列df_detail_grp1.plot(x='item',y='Scope1Total',kind='bar',figsize=(12,4))步驟三：用柱狀圖展現(xiàn)總碳排放量排名前10的行業(yè)第

12行：顯示前十名的數(shù)據(jù)任務(wù)解決方案df_detail_grp2=df_detail.groupby(['year'])[df_detail.columns[3:len(df_detail.columns)-1]].sum()第

14行：將數(shù)據(jù)按年分組并排序df_detail_grp2=pd.DataFrame(df_detail_grp2).reset_index()第

16行：顯示數(shù)據(jù)部分?jǐn)?shù)據(jù)顯示步驟四：統(tǒng)計1997-2019年所有行業(yè)的碳總排放量df_detail_grp2.head()第

17行：導(dǎo)入random包，命名為rndimportrandomasrnd第

18、19、20行：賦予初始值任務(wù)解決方案第

21行：創(chuàng)建一個大小是（12，8）的畫布賦值給變量fig，并創(chuàng)建一個axes，賦值給axi=0y=0i=1fig,ax=plt.subplots(figsize=(12,8))步驟五：使用圖表顯示1997-2019年所有行業(yè)不同能源碳排放占比情況whilei<=len(df_detail_grp2.columns)-1:ax.bar(df_detail_grp2['year'],df_detail_grp2[df_detail_grp2.columns[i]],bottom=y,label=df_detail_grp2.columns[i])y=y+df_detail_grp2[df_detail_grp2.columns[i]]i=i+1任務(wù)解決方案設(shè)置柱狀圖的圖例標(biāo)簽，在y軸底部插入圖例，label后面跟的標(biāo)簽參數(shù)的值X軸命名為‘Year’，y軸命名為‘CO2/Mt’plt.xlabel(‘Year’)plt.ylabel('CO2/Mt’)plt.legend()使用legend（）函數(shù)使圖例代碼顯示效果步驟五：使用圖表顯示1997-2019年所有行業(yè)不同能源碳排放占比情況第1行：創(chuàng)建一個大?。?0，6）的畫布plt.figure(figsize=(10,6))第2行：賦予初始值任務(wù)解決方案i=1步驟六：使用圖表顯示1997-2019年不同能源碳排放變化趨勢whilei<=len(df_detail_grp2.columns)-1:plt.plot(df_detail_grp2['year'],df_detail_grp2[df_detail