Python数据分析与应用，从数据获取到可视化 获取近18个季度中，全国与天津市的最高和最低生产总值

在Python中，我们通常使用Pandas和相关库来处理和分析数据，例如通过网络爬虫获取数据，然后清洗、整理，最后进行可视化。对于国家和天津的季度GDP数据，我们可能会先假设有这样一个CSV或API数据源。

首先，我们需要导入必要的库：

import pandas as pd
import requests
from io import StringIO

如果你有本地CSV文件，可以这样读取：

df = pd.read_csv('quarterly_gdp_data.csv')

如果没有，我们可以尝试使用pandas-datareader包从网上获取数据，但这取决于数据的具体来源：

if not df.empty:
    # 如果已有数据，跳过获取步骤
else:
    url = 'https://example.com/qgdp_nation_and_tianjin'  # 替换为实际数据链接
    response = requests.get(url)
    data = response.text
    df = pd.read_csv(StringIO(data))

接着，我们需要筛选出近18个季度的数据，并找到最高和最低值：

last_18_quarters = df.tail(18 * 4)  # 假设每个季度4个月
max_values = last_18_quarters[['National_GDP', 'Tianjin_GDP']].max()
min_values = last_18_quarters[['National_GDP', 'Tianjin_GDP']].min()

print("近18个季度的最高GDP：")
print(max_values)
print("\n近18个季度的最低GDP：")
print(min_values)

最后，为了可视化结果，可以使用matplotlib或seaborn库：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(2, 1, figsize=(10, 6))
ax[0].bar(max_values.index, max_values.values, label='最高值')
ax[0].bar(min_values.index, min_values.values, label='最低值', color='r')
ax[0].legend()

ax[1].plot(last_18_quarters['National_GDP'].rolling(window=4).mean(), label='全国平均')
ax[1].plot(last_18_quarters['Tianjin_GDP'].rolling(window=4).mean(), label='天津平均')
ax[1].legend()
plt.show()