分别输入2年手机销量排行前5的品牌,第1行输入第1年的5个品牌,第2行输入第2年的5个品牌。 输出4行列表数据(按字符串排序): 第1行: 2年都上榜的品牌 第2行:2年上榜的所有品牌 第3行:第2年新上榜品牌 第4行:第2年较第1年落榜品牌 输入样例: 小米 apple 华为 魅族 三星 apple 三星 vivo oppo 中兴 输出样例: ['apple', '三星'] ['apple', 'oppo', 'vivo', '三星', '中兴', '华为', '小米', '魅族'] ['oppo', 'vivo', '中兴'] ['华为', '小米', '魅族']
时间: 2023-08-06 14:26:38 浏览: 114
以下是 Python 代码实现:
```python
year1 = input().split() # 第一年销量排行前5的品牌列表
year2 = input().split() # 第二年销量排行前5的品牌列表
# 2年都上榜的品牌
both_years = sorted(list(set(year1) & set(year2)))
print(both_years)
# 2年上榜的所有品牌
all_years = sorted(list(set(year1) | set(year2)))
print(all_years)
# 第2年新上榜品牌
new_year2 = sorted(list(set(year2) - set(year1)))
print(new_year2)
# 第2年较第1年落榜品牌
not_year2 = sorted(list(set(year1) - set(year2)))
print(not_year2)
```
输入样例:
```
小米 apple 华为 魅族 三星
apple 三星 vivo oppo 中兴
```
输出样例:
```
['apple', '三星']
['apple', 'oppo', 'vivo', '三星', '中兴', '华为', '小米', '魅族']
['oppo', 'vivo', '中兴']
['华为', '小米', '魅族']
```
相关问题
python计算手机销量年增长率_数据分析小案例(四):销售额下滑(python)
好的,我可以帮你解决这个问题。首先,我们需要收集手机销售额的数据,可以从公司内部的销售系统或者公开数据来源中获取。假设我们已经获得了每年手机销售额的数据,存储在一个列表中,比如:
```python
sales = [1000000, 900000, 800000, 700000, 600000]
```
其中,列表中的每个元素表示每年的销售额,从左到右依次为最近五年的数据。
接下来,我们可以使用以下公式来计算销售额的年增长率:
```python
growth_rate = (sales[-1] - sales[0]) / sales[0] * 100
```
其中,`sales[-1]` 表示最近一年的销售额,`sales[0]` 表示第一年的销售额。公式中的乘以 100 是为了将结果转换为百分比。
最后,我们可以输出计算出的年增长率:
```python
print("销售额年增长率为:%.2f%%" % growth_rate)
```
完整的代码如下:
```python
sales = [1000000, 900000, 800000, 700000, 600000]
growth_rate = (sales[-1] - sales[0]) / sales[0] * 100
print("销售额年增长率为:%.2f%%" % growth_rate)
```
输出结果为:
```
销售额年增长率为:-40.00%
```
这表示销售额在最近五年中下降了 40%。
1、编写程序,在当前文件夹中生成饭店营业额文件data.csv,包括“日期”和“销量”两个字段一年的数据; 2、使用pandas读取文件data.csv中的数据,删除缺失值; 3、使用matplotlib生成折线图,反映饭店的营业情况,按月份进行统计,找出相领两个月的最大涨幅,最后按季度统计一年营业数据,使用matplotlib生成饼状图。
好的,以下是针对你的问题的解答:
1. 生成 data.csv 文件的 Python 代码如下:
```python
import random
import csv
# 生成年份数据
year_data = []
for month in range(1, 13):
for day in range(1, 29):
date = f'2022-{month:02d}-{day:02d}'
sales = random.randint(10000, 50000)
year_data.append((date, sales))
# 写入 CSV 文件
with open('data.csv', 'w', newline='') as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['日期', '销量'])
writer.writerows(year_data)
```
2. 使用 pandas 读取 data.csv 文件,并删除缺失值的代码如下:
```python
import pandas as pd
# 读取 CSV 文件
df = pd.read_csv('data.csv')
# 删除缺失值
df = df.dropna()
```
3. 使用 matplotlib 生成折线图,并找出相邻两个月的最大涨幅的代码如下:
```python
import matplotlib.pyplot as plt
import numpy as np
# 按月份统计销售额
df['月份'] = pd.to_datetime(df['日期']).dt.strftime('%m')
month_sales = df.groupby(['月份'])['销量'].sum()
# 生成折线图
x = np.arange(len(month_sales))
plt.plot(x, month_sales)
plt.xticks(x, month_sales.index)
plt.xlabel('月份')
plt.ylabel('销售额')
# 找出相邻两个月的最大涨幅
max_increase = 0
for i in range(1, len(month_sales)):
increase = month_sales.iloc[i] - month_sales.iloc[i-1]
if increase > max_increase:
max_increase = increase
print('相邻两个月的最大涨幅为:', max_increase)
```
最后,使用 matplotlib 生成饼状图,并按季度统计一年营业数据的代码如下:
```python
# 按季度统计销售额
df['季度'] = pd.to_datetime(df['日期']).dt.quarter
quarter_sales = df.groupby(['季度'])['销量'].sum()
# 生成饼状图
labels = ['第一季度', '第二季度', '第三季度', '第四季度']
plt.pie(quarter_sales, labels=labels, autopct='%1.1f%%')
plt.title('一年营业数据按季度统计')
plt.show()
```
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)