读取 Excel 文件“house unit price.xlsx〞,利用列 YrSold 分组,计算unitPrice 的均值,并以柱状图可视化鼎示该均值。要求以列YrSold 为x 轴,轴刻度依次为“2006”、“2007” 、“2008” 、“2009”、〝2010”,包括图例、图标题,填充颜色为绿色,并保存为“house year unit price png”,要求分辦率不低于 300dpi。
时间: 2023-07-16 08:13:34 浏览: 45
以下是Python代码实现:
```python
import pandas as pd
import matplotlib.pyplot as plt
# 读取Excel文件
df = pd.read_excel('house unit price.xlsx')
# 按照YrSold分组计算unitPrice均值
grouped = df.groupby('YrSold')['unitPrice'].mean()
# 可视化
plt.bar(grouped.index.astype(str), grouped.values, color='green')
plt.xlabel('Year Sold')
plt.ylabel('Unit Price')
plt.xticks(rotation=45)
plt.title('Average Unit Price by Year Sold')
plt.savefig('house year unit price.png', dpi=300)
plt.show()
```
运行以上代码后,会生成一张名为“house year unit price.png”的柱状图,并保存在当前工作目录下。该图按照年份分组,展示了每年房屋的均价,符合要求的要求。
相关问题
读取 Excel 文件“house unit price.xlsx”,利用列 MSZoning 分组,计算unitPrice 的均值,并按照 unitPrice 降序排列后以柱状图可视化鼎示该均值。要求以列 MSZoning 为X轴,轴刻度分别为 “C〞、“FV〞、“NA”、“RH”、“RL”、“RM”,包括图例、图标题,填充颜色为蓝色,并保存为“house_ unit price.png〞,要求分辨率不低于 300dpi.
以下是实现上述要求的Python代码:
```python
import pandas as pd
import matplotlib.pyplot as plt
# 读取Excel文件
df = pd.read_excel("house unit price.xlsx")
# 分组计算均值并按照unitPrice降序排列
grouped = df.groupby("MSZoning")["unitPrice"].mean().sort_values(ascending=False)
# 设置柱状图参数
plt.bar(grouped.index, grouped.values, color="blue")
plt.xticks(rotation=45)
plt.xlabel("MSZoning")
plt.ylabel("Mean unitPrice")
plt.title("Mean unitPrice by MSZoning")
# 保存图像并显示
plt.savefig("house_unit_price.png", dpi=300)
plt.show()
```
运行以上代码后,会生成一个名为“house_unit_price.png”的柱状图文件,并显示在屏幕上。该图展示了不同MSZoning下的unitPrice均值,并按照降序排列,清晰地反映了各个分组之间的差异。
按以下要求编写代码:读取Excel文件house_unit_price.xlsx,利用列Heating分组,计算unitPrice的均值,并按照unitPrice均值降序排列后以柱状图可视化显示该均值。要求以列Heating为x轴, 包括图例、图标题,填充颜色为蓝色,并保存为househeating_unit_price.png, 要求分辨率不低于300 dpi.
好的,以下是Python代码实现:
```python
import pandas as pd
import matplotlib.pyplot as plt
# 读取Excel文件
df = pd.read_excel('house_unit_price.xlsx')
# 按照Heating列分组,计算unitPrice的均值
grouped = df.groupby('Heating')['unitPrice'].mean()
# 按unitPrice均值降序排列
grouped = grouped.sort_values(ascending=False)
# 可视化数据
plt.figure(figsize=(10, 6), dpi=300)
plt.bar(grouped.index, grouped.values, color='blue')
plt.title('Average Unit Price by Heating Type', fontsize=16)
plt.xlabel('Heating Type', fontsize=12)
plt.ylabel('Average Unit Price', fontsize=12)
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
# 保存图像
plt.savefig('househeating_unit_price.png')
```
这段代码会生成一张柱状图,以列Heating为x轴,显示每种Heating类型的平均unitPrice。图例、图标题、填充颜色均符合要求,并按照要求保存为househeating_unit_price.png文件。