---

👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

---

python全国数据人均消费数据分析（代码+报告+数据）

---

目录

• python全国数据人均消费数据分析（代码+报告+数据）
• 1. 导入模块
• 2. 读取csv文件
• 3. 分析数据
• • 3.1 计算出2023年4月全国的平均消费值
  • 3.2计算出2023年3月消费前十名的省
  • 3.3 计算算各省市的2022年4月到2023年4月消费均值
  • 3.4 显示北京从2022年4月到2023年4月消费
  • 3.5 2023年4月全国平均消费折线图
  • 3.6 绘制2023年3月消费前十名的省份柱状图
  • 3.7 饼状图显示北京从2022年4月到2023年4月消费
  • 3.8 折线图显示各省市的2022年4月到2023年4月消费均值
  • 4 结语
• 👇👇👇关注公众号，回复 “python全国数据人均消费数据分析” 获取源码👇👇👇

---

1. 导入模块

将下载好的csv文件保存至C盘，导入该模块。

2. 读取csv文件

导入待处理的数据，并显示所有行。从文件系统中读取名为’data.csv’的CSV文件并将其内容载入一个Pandas DataFrame。这个DataFrame（df）是后续所有数据分析的基础。

代码如下：

import pandas as pd
import matplotlib.pyplot as plt

# 读取CSV文件
df = pd.read_csv('居民人均消费分省月度数据.csv', encoding='gbk')
# 2. 计算出2023年4月全国的平均消费值
avg_national_consumption_2023_Apr = df['2023年4月'].mean()
print(f"2023年4月全国平均消费值为：{avg_national_consumption_2023_Apr}")

---

3. 分析数据

3.1 计算出2023年4月全国的平均消费值

调用DataFrame的mean()函数来计算2023年4月全国的平均消费值，并将结果打印出来。

3.2计算出2023年3月消费前十名的省

DataFrame的nlargest()函数找出了2023年3月消费前十名的省份，并将这些省份打印出来。

3.3 计算算各省市的2022年4月到2023年4月消费均值

3.4 显示北京从2022年4月到2023年4月消费

这段代码首先计算了DataFrame中每一行（即每个省市）的平均值，得出了各省市从2022年4月到2023年4月的消费均值。然后将这个平均消费值作为新的一列添加到原始的DataFrame中，最后打印出了包含各省市及其消费均值的数据。

3.5 2023年4月全国平均消费折线图

3.6 绘制2023年3月消费前十名的省份柱状图

3.7 饼状图显示北京从2022年4月到2023年4月消费

3.8 折线图显示各省市的2022年4月到2023年4月消费均值

4 结语

该代码主要基于Python语言，借助于Pandas和Matplotlib库来处理和分析从2022年到2023年各省市的人均消费数据，并以图形的方式可视化结果。
首先，代码通过Pandas的read_csv()函数读取了包含各省市人均消费数据的CSV文件。然后，对’2023年4月’列的数据进行平均计算，得出全国2023年4月的平均消费值，利用Matplotlib将这部分数据绘制成折线图，清晰地展现了各地区在这个月份的消费水平。(部分)

👇👇👇关注公众号，回复 “python全国数据人均消费数据分析” 获取源码👇👇👇