### 使用Python进行旅游网数据清洗和绘制图表的实战项目 #### 1. 数据清洗 在实际的数据分析过程中，原始数据通常存在许多不一致性和错误。因此，在数据分析之前需要对数据进行清理。以下是基于Python实现的一个典型数据清洗过程： ```python import pandas as pd import numpy as np import re # 导入数据 data = pd.read_csv('Travel.csv') # 查看数据基本信息 print(data.info()) # 处理缺失值 data.dropna(subset=['price', 'location'], inplace=True) # 清洗价格字段（假设价格字段可能含有非数字字符） def clean_price(price): if isinstance(price, str): # 如果是字符串类型，则去除特殊字符并转换为浮点数 price_cleaned = re.sub(r'[^\d.]', '', price) return float(price_cleaned) if price_cleaned else None elif isinstance(price, (int, float)): # 已经是数值类型的保持不变 return price else: return None data['price'] = data['price'].apply(clean_price) # 对重复记录去重 data.drop_duplicates(inplace=True) # 转换日期格式（如果存在时间戳列） if 'date' in data.columns: data['date'] = pd.to_datetime(data['date'], errors='coerce') ``` 上述代码实现了以下几个功能： - 删除关键字段中的缺失值[^3]。 - 定义了一个`clean_price`函数用于清除价格字段中的非法字符，并将其转换为浮点型。 - 去除数据集中的重复项以确保唯一性[^3]。 #### 2. 数据可视化 完成数据清洗之后，可以通过绘图进一步探索数据特征。下面是一个简单的例子展示如何利用Matplotlib和PyEcharts创建不同类型的图表。 ##### （1）折线图表示随时间变化的价格趋势 ```python from pyecharts.charts import Line from pyecharts import options as opts # 创建Line对象 line_chart = ( Line() .add_xaxis(list(data['date'])) .add_yaxis("Price", list(data['price'])) .set_global_opts(title_opts=opts.TitleOpts(title="Price Trend Over Time")) ) # 显示图表 line_chart.render_notebook() ``` ##### （2）词云显示热门目的地 ```python import stylecloud from collections import Counter # 提取地点信息并统计频率 locations = data['location'] word_counts = dict(Counter(locations)) # 利用stylecloud生成词云图片文件 stylecloud.gen_stylecloud(text=str(word_counts), font_path='/path/to/simhei.ttf', output_name='destination_word_cloud.png') Image(filename='destination_word_cloud.png') # 展示生成的词云图像 ``` 以上两段脚本分别展示了如何通过折线图观察价格变动情况以及借助词云技术突出显示游客偏爱的目的地。 --- ### 相关问题