施工企业安全培训心得体会100字_电子商务网站模版_兰州正规seo整站优化_百度数据中心

import pandas as pd
import numpy  as np
from  matplotlib import pyplot  as plt
data = pd.read_pickle("jian_shu.pkl")
one_list=[]
two_list=[]
for one,two in data:two_list+=twoone=one.split("\n")one=[[b]+[float(i[:-1]) * 1000 if 'k' in i else float(i) for i in c[2:-2].split("字 ·")] for _, b, c in np.array(one).reshape([-1, 3])]one=pd.DataFrame(data=one, columns=["name", "strs", "like"])one_list.append(one)
one=pd.concat(one_list)
one["url"]=two_list
one=one.drop_duplicates("name")
one=one.sort_values("like")
one["one_str_price"]=one["like"]/(one["strs"]+1)
one["get_like_str"]=one["strs"]/(one["like"]+1)
one=one.sort_values("one_str_price")
one=one.sort_values("get_like_str",ascending=False)
# one[["strs","like"]]
plt.plot(one["strs"].tolist())
plt.plot(one["like"].tolist())
plt.plot(one["one_str_price"].tolist())
plt.plot(one["get_like_str"].tolist())
plt.legend(["strs","like","like/strs"])
plt.show()# 用字最少最讨喜的 进行分析
# like 要大于0
# one=one.fill_na(0)
one=one[one["like"]>0]
one=one[one["strs"]>0]
# 每个字价值要大
one=one.sort_values("one_str_price")
one=one[one["one_str_price"]>one["one_str_price"].median()]
pd.to_pickle(one,"jian_fen.pkl")

这段代码的目的是处理和分析一个名为 “jian_shu.pkl” 的 pandas pickle 文件，该文件中包含了从简书网站抓取的数据。以下是对代码的逐行解释：

1. 引入所需的库:
   • pandas as pd：用于数据处理和分析。
   • numpy as np：用于数值计算。
   • matplotlib.pyplot as plt：用于绘制图表。
2. 读取数据:
   • 使用 pd.read_pickle("jian_shu.pkl") 读取之前保存的 pickle 文件。
3. 初始化列表:
   • one_list 和 two_list 被初始化为空列表，用于存储处理后的数据。
4. 处理数据:
   • 对于 data 中的每一对 one 和 two：
     • 将 two（URL 列表）添加到 two_list。
     • 将 one（文章信息）分割成多行，并处理每一行以提取文章的名称、字数和喜欢数。
     • 将处理后的数据转换成 DataFrame，并添加到 one_list。
5. 合并数据:
   • 使用 pd.concat(one_list) 将所有处理后的 DataFrame 合并成一个大的 DataFrame。
6. 清理数据:
   • 删除重复的条目，基于文章名称。
   • 按照喜欢数对数据进行排序。
   • 计算每个字获得的喜欢数（one_str_price）和获得一个喜欢的字数（get_like_str）。
7. 绘制图表:
   • 使用 plt.plot 绘制文章字数、喜欢数、每个字获得的喜欢数和获得一个喜欢的字数的图表。
   • 使用 plt.legend 添加图例。
   • 使用 plt.show 显示图表。
8. 筛选数据:
   • 保留喜欢数大于 0 的文章。
   • 保留字数大于 0 的文章。
   • 按照每个字获得的喜欢数对数据进行排序。
   • 保留每个字获得的喜欢数大于中位数的文章。
9. 保存处理后的数据:
   • 使用 pd.to_pickle 将筛选和排序后的数据保存到 “jian_fen.pkl” 文件。
     代码中的一些潜在问题或需要注意的点：

• one=one.sort_values("one_str_price") 和 one=one.sort_values("get_like_str",ascending=False) 被调用两次，但第二次调用会被第一次调用的结果覆盖。
• one=one.fill_na(0) 这行代码被注释掉了，但如果数据中确实存在 NaN 值，那么这行代码应该是用来填充 NaN 值的。
• 在处理文章信息时，代码假设每行数据都有特定的格式，如果实际数据格式不同，这段代码可能无法正确处理。
• one["url"]=two_list 这行代码将所有的 URL 添加到 DataFrame 中，但没有考虑到每篇文章可能有多个 URL，这可能需要进一步处理。
• 在绘制图表时，plt.plot 被调用四次，但只有最后一次调用会被显示，因为之前的调用结果被覆盖了。正确的做法应该是使用不同的变量来存储每次调用的结果，然后在 plt.legend 中引用这些变量。