该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
贡献代码
同步代码
Vicky mid 68e2acf 5年前
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README
<script src="https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.1/MathJax.js?config=TeX-AMS_HTML"></script>
<!-- MathJax configuration -->
<script type="text/x-mathjax-config">
MathJax.Hub.Config({
    tex2jax: {
        inlineMath: [ ['$','$'], ["\\(","\\)"] ],
        displayMath: [ ['$$','$$'], ["\\[","\\]"] ],
        processEscapes: true,
        processEnvironments: true
    },
    // Center justify equations in code and markdown cells. Elsewhere
    // we use CSS to left justify single line equations in code cells.
    displayAlign: 'center',
    "HTML-CSS": {
        styles: {'.MathJax_Display': {"margin": 0}},
        linebreaks: { automatic: true }
    }
});
</script>
<!-- End of mathjax configuration --></head>

探究我国各省的电子阅览室终端和图书机构及藏书量的发展情况

公共图书馆电子阅览室终端

In [63]:
import pandas as pd
df=pd.read_csv("dianzizhongduanshu.csv",encoding="gbk")
df
Out[63]:
地区 y_2017 y_2016 y_2015 y_2014 y_2013 y_2012 y_2011
0 北京 2179 1967 1748 1920 1725 1489 1314
1 天津 2834 2010 1972 1806 1522 1556 1434
2 河北 5585 5087 4673 4473 4171 3160 2982
3 山西 4810 4653 4213 4264 3976 3618 3083
4 内蒙古 4943 4468 4195 4079 3885 3169 2639
5 辽宁 5945 5154 4259 3908 3508 2813 2486
6 吉林 2912 2744 2549 2668 2146 2015 1783
7 黑龙江 4189 3837 3821 3923 3834 3333 3369
8 上海 3029 2758 2348 2129 3121 1816 1613
9 江苏 6769 6009 5810 5279 5300 4509 4337
10 浙江 7551 7063 6599 5755 5396 4905 4746
11 安徽 5792 5514 5603 5376 5003 3859 3669
12 福建 4585 4390 3902 3650 3372 3018 2423
13 江西 5035 4780 4609 4542 4234 4362 4135
14 山东 7951 7664 7364 6839 6780 5960 5546
15 河南 6582 6327 6204 6095 5625 4699 4101
16 湖北 5025 4935 4660 4762 4621 4354 3568
17 湖南 4887 4736 4399 4361 4414 4104 3877
18 广东 10928 9723 9034 8412 7875 6648 6331
19 广西 4334 4344 4098 3957 3887 3667 3336
20 海南 976 949 1047 994 952 846 749
21 重庆 3474 3306 2899 2767 2530 2210 1906
22 四川 7966 7438 6936 6545 6600 5550 4332
23 贵州 3666 3406 3232 3166 2941 2552 2390
24 云南 5390 5336 5235 5246 5029 4738 4733
25 西藏 1010 1047 1005 847 581 224 164
26 陕西 4202 4129 3920 3685 3498 3164 3021
27 甘肃 3505 3320 3164 3084 2818 2746 2801
28 青海 1379 1417 1424 1295 1353 1419 1340
29 宁夏 1784 1553 1515 1655 1571 1328 1229
30 新疆 4338 4124 3865 3717 3638 3234 2976
In [64]:
电子=list(zip(list(df.地区),list(df.y_2017.fillna(0))))
print(电子)
[('北京', 2179), ('天津', 2834), ('河北', 5585), ('山西', 4810), ('内蒙古', 4943), ('辽宁', 5945), ('吉林', 2912), ('黑龙江', 4189), ('上海', 3029), ('江苏', 6769), ('浙江', 7551), ('安徽', 5792), ('福建', 4585), ('江西', 5035), ('山东', 7951), ('河南', 6582), ('湖北', 5025), ('湖南', 4887), ('广东', 10928), ('广西', 4334), ('海南', 976), ('重庆', 3474), ('四川', 7966), ('贵州', 3666), ('云南', 5390), ('西藏', 1010), ('陕西', 4202), ('甘肃', 3505), ('青海', 1379), ('宁夏', 1784), ('新疆', 4338)]
In [65]:
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType

def geo_电子() -> Geo: c = ( Geo() .add_schema(maptype="china") .add("电子阅览室终端数(台)",电子) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( visualmap_opts=opts.VisualMapOpts(min_=976.00, max_=10928.00), title_opts=opts.TitleOpts(title="2017年中国各省的公共图书馆电子阅览室终端"),

    <span class="p">)</span>
<span class="p">)</span>

<span class="k">return</span> <span class="n">c</span>

地理图 = geo_电子() 地理图.render_notebook()

Out[65]:
    <div id="3d5b0d104e734ac98df6ad1bfbc5c0ed" style="width:900px; height:500px;"></div>

从地图的可视化看出电子阅读量最多的是广东、江苏、上海、浙江。最少的是海南、西藏、青海、内蒙古。

公共图书馆总藏量

In [66]:
import pandas as pd
df=pd.read_csv("tushuguanshoucangliang.csv",encoding="gbk")
df
Out[66]:
地区 y_2017 y_2016 y_2015 y_2014 y_2013 y_2012 y_2011 y_2010 y_2009
0 北京 2759.15 2594.38 2424.50 2223.34 2071.99 2083.25 1911.69 1715.45 1588.78
1 天津 1662.14 1806.09 1696.93 1598.09 1473.79 1469.22 1353.95 1258.33 1158.72
2 河北 2546.89 2339.93 2199.83 2104.78 1937.40 1934.53 1738.63 1610.92 1549.21
3 山西 1751.19 1727.14 1548.46 1471.75 1465.68 1461.92 1320.16 1207.85 1176.42
4 内蒙古 1786.86 1703.87 1513.38 1448.66 1324.81 1209.76 1097.86 940.04 870.40
5 辽宁 3964.01 3928.70 3736.29 3562.95 3355.42 3470.59 3092.59 2953.25 2784.86
6 吉林 1972.76 1861.74 1768.03 1662.20 1597.04 1709.56 1575.47 1380.19 1338.41
7 黑龙江 2158.41 1926.02 1827.26 1720.61 1843.47 1823.07 1770.45 1643.95 1571.62
8 上海 7773.08 7676.41 7568.18 7362.61 7239.00 7202.43 6893.19 6808.73 6593.43
9 江苏 8597.62 7601.50 6846.93 6279.68 5769.83 6489.71 5381.85 4369.97 4070.96
10 浙江 7812.91 6969.15 6249.79 5634.08 5164.79 5344.34 4464.40 3761.21 3551.67
11 安徽 2537.10 2162.48 1942.36 1753.37 1776.49 2264.41 1375.42 1235.80 1136.22
12 福建 3322.26 3051.02 2821.13 2660.20 2466.74 2894.02 2042.61 1681.66 1542.35
13 江西 2428.77 2177.81 2158.88 2127.47 1989.68 1822.40 1664.72 1520.12 1473.57
14 山东 5539.31 5065.12 4727.38 4480.34 4422.05 4237.26 3890.00 3635.84 3515.32
15 河南 2874.06 2645.81 2472.30 2312.33 2218.19 2257.22 2121.92 1837.21 1724.46
16 湖北 3596.76 3317.93 3002.53 2821.56 2648.27 2521.19 2410.78 2361.07 2181.25
17 湖南 3050.16 2833.19 2555.25 2422.19 2282.20 2524.78 2362.32 1961.35 1839.40
18 广东 8708.30 7899.85 7007.74 6366.81 6100.67 6567.24 5889.74 4615.50 4367.37
19 广西 2785.98 2719.55 2606.27 2481.52 2109.84 2126.70 1996.51 1880.88 1759.71
20 海南 489.85 458.41 423.62 411.87 377.13 897.93 516.02 285.01 340.75
21 重庆 1671.79 1441.83 1303.80 1242.25 1128.85 1521.92 1148.74 1030.77 987.99
22 四川 3792.88 3517.57 3327.76 3162.14 3048.14 3362.80 3135.62 2599.12 2480.36
23 贵州 1385.60 1258.02 1220.58 1217.32 1156.13 1387.37 1194.27 812.06 800.34
24 云南 2110.63 2091.23 1944.22 1864.24 1765.46 1879.35 1699.13 1566.00 1507.91
25 西藏 195.14 177.32 162.09 125.24 100.33 68.57 56.50 53.49 50.01
26 陕西 1733.22 1626.01 1506.35 1514.06 1377.12 1399.65 1223.20 1127.15 1058.76
27 甘肃 1496.03 1393.95 1339.57 1306.64 1226.22 1212.49 1159.62 1041.82 950.98
28 青海 458.53 450.64 414.76 393.70 378.77 379.49 367.73 357.77 402.33
29 宁夏 721.28 687.46 706.23 689.60 594.70 532.54 516.51 462.33 435.01
30 新疆 1501.68 1417.63 1303.39 1292.23 1241.60 1322.80 1210.03 1113.39 933.76
In [67]:
藏书=list(zip(list(df.地区),list(df.y_2017.fillna(0))))
print(藏书)
[('北京', 2759.15), ('天津', 1662.14), ('河北', 2546.89), ('山西', 1751.19), ('内蒙古', 1786.86), ('辽宁', 3964.01), ('吉林', 1972.76), ('黑龙江', 2158.41), ('上海', 7773.08), ('江苏', 8597.62), ('浙江', 7812.91), ('安徽', 2537.1), ('福建', 3322.26), ('江西', 2428.77), ('山东', 5539.31), ('河南', 2874.06), ('湖北', 3596.76), ('湖南', 3050.16), ('广东', 8708.3), ('广西', 2785.98), ('海南', 489.85), ('重庆', 1671.79), ('四川', 3792.88), ('贵州', 1385.6), ('云南', 2110.63), ('西藏', 195.14), ('陕西', 1733.22), ('甘肃', 1496.03), ('青海', 458.53), ('宁夏', 721.28), ('新疆', 1501.68)]
In [68]:
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.globals import ChartType, SymbolType

def map_藏书() -> Map: c = ( Map() .add("图书馆藏书量(万册)", 藏书, "china") .set_global_opts( title_opts=opts.TitleOpts(title="2017年中国各省公共图书馆总藏量"), visualmap_opts=opts.VisualMapOpts(max_=8708.3), ) ) return c 地理图 = map_藏书() 地理图.render_notebook()

Out[68]:
    <div id="3f66f670575a4de1bb199292957dd1c8" style="width:900px; height:500px;"></div>

从地图看出图书馆藏书量最多的是广东、江苏、浙江、上海。最少的是西藏、青海、宁夏、海南。

公共图书馆业机构数

In [69]:
import pandas as pd
df=pd.read_csv("tushuguanshuliang.csv",encoding="gbk")
df
Out[69]:
地区 y_2017 y_2016 y_2015年 y_2014 y_2013 y_2012 y_2011 y_2010 y_2009
0 北京 23 24 24 24 24 24 24 24 24
1 天津 32 31 31 31 31 31 31 31 31
2 河北 173 172 172 172 173 172 166 165 164
3 山西 128 127 126 126 127 126 126 126 126
4 内蒙古 117 117 117 116 116 114 114 113 113
5 辽宁 130 130 129 129 129 129 128 128 128
6 吉林 66 66 66 66 66 66 65 65 66
7 黑龙江 109 108 107 107 107 106 107 107 100
8 上海 24 24 25 25 25 25 25 28 29
9 江苏 115 114 114 114 113 112 112 111 109
10 浙江 101 102 100 98 98 97 97 97 96
11 安徽 124 123 122 113 107 102 100 88 89
12 福建 90 90 90 88 91 87 86 86 85
13 江西 113 113 114 114 114 114 114 108 108
14 山东 154 154 154 153 153 150 150 149 150
15 河南 158 158 158 157 157 156 152 142 142
16 湖北 116 112 112 112 112 111 109 107 107
17 湖南 139 137 137 136 136 136 130 124 120
18 广东 143 142 140 138 137 137 134 132 133
19 广西 115 114 112 112 112 112 108 108 100
20 海南 23 23 21 21 21 20 20 20 20
21 重庆 43 43 43 43 43 43 43 43 43
22 四川 204 203 203 198 197 188 169 161 156
23 贵州 98 98 96 95 94 93 94 93 93
24 云南 151 151 151 151 152 152 152 150 150
25 西藏 81 81 79 78 78 77 4 4 4
26 陕西 110 110 110 114 114 112 112 112 112
27 甘肃 103 103 103 103 103 103 100 94 93
28 青海 49 49 49 49 49 49 49 44 44
29 宁夏 26 26 26 26 26 26 27 20 20
30 新疆 107 107 107 107 106 105 103 103 94
In [70]:
书量=list(zip(list(df.地区),list(df.y_2017.fillna(0))))
print(书量)
[('北京', 23), ('天津', 32), ('河北', 173), ('山西', 128), ('内蒙古', 117), ('辽宁', 130), ('吉林', 66), ('黑龙江', 109), ('上海', 24), ('江苏', 115), ('浙江', 101), ('安徽', 124), ('福建', 90), ('江西', 113), ('山东', 154), ('河南', 158), ('湖北', 116), ('湖南', 139), ('广东', 143), ('广西', 115), ('海南', 23), ('重庆', 43), ('四川', 204), ('贵州', 98), ('云南', 151), ('西藏', 81), ('陕西', 110), ('甘肃', 103), ('青海', 49), ('宁夏', 26), ('新疆', 107)]
In [71]:
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType

def geo_书量() -> Geo: c = ( Geo() .add_schema(maptype="china") .add("机构数(个)",书量) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( visualmap_opts=opts.VisualMapOpts(min_=0, max_=204), title_opts=opts.TitleOpts(title="2017年中国各省公共图书馆业机构数"),

    <span class="p">)</span>
<span class="p">)</span>

<span class="k">return</span> <span class="n">c</span>

地理图 = geo_书量() 地理图.render_notebook()

Out[71]:
    <div id="588eda79be4e43bcb9287bd35cf6caeb" style="width:900px; height:500px;"></div>

从地图看出,2017年各省书量最多的是四川省,图书馆书量最少的是海南,宁夏,北京。

从电子阅览室终端数、公共图书馆总藏量和公共图书馆业机构数三个数据的最多和最少分析比较其原因。

In [72]:
from pyecharts.charts import Scatter
from pyecharts import options as opts
from pyecharts.charts import Scatter

def scatter_base()-> Scatter: c=( Scatter() .add_xaxis(["广东", "江苏", "浙江", "上海","四川"]) .add_yaxis("电子阅读",[10928, 6769, 7551, 3029, 7966]) .add_yaxis("藏书量",[8708.30, 8597.62, 7812.91, 7773.08, 3792.88]) .add_yaxis("机构",[143, 115, 191, 24, 204]) .set_global_opts(title_opts=opts.TitleOpts(title="电子阅览终端-藏书量-图书馆机构最多比较")) ) return c scatter_base().render_notebook()

Out[72]:
    <div id="9923a5a1befe4fbd989e75d552393674" style="width:900px; height:500px;"></div>

从上面三个中国地图的综合数据分析,发现电子阅览室终端数、公共图书馆总藏量和公共图书馆业机构数相对省份最多的是,广东、江苏、浙江、上海、四川三个省份。通过散点图,直观清晰地看出广东相对来说是最多地。比较图书馆机构和图书馆藏书量来说,上海的平均藏书量是最多的。广东的电子阅览终端是所有省份最多的。

In [73]:
from pyecharts.charts import Line

line = ( Line() .add_xaxis(["西藏", "青海", "宁夏", "海南"]) .add_yaxis("电子阅读", [1010, 1379, 1784, 976]) .add_yaxis("藏书量", [195.14, 458.53, 721.28, 489.85]) .add_yaxis("机构数", [107, 49, 26, 23]) .set_global_opts(title_opts=opts.TitleOpts(title="电子阅览终端-藏书量-图书馆机构最少比较")) )

line.render_notebook()

Out[73]:
    <div id="0fc16ee2f0214ccab948ff081ea5b51f" style="width:900px; height:500px;"></div>

从上面三个中国地图的综合数据分析,发现电子阅览室终端数、公共图书馆总藏量和公共图书馆业机构数相对省份最少的是海南,值得注意的是西藏位于偏远山区虽然图书机构相比其他省份是多的,但是图书馆藏书量是最少的,且电子终端阅读也不高,很值得我们注意。海南的图书馆机构是最少的,图书馆藏书量不多,电子端阅读最少。更值得我们注意其原因。

总结

通过最上面的地图,可以了解2017年各个省份的电子阅览室终端数、公共图书馆总藏量和公共图书馆业机构数三个数据,通过颜色了解较多和较少的数据地区,通过散点图和折现图将展示了最多、最少的电子阅览室终端数、公共图书馆总藏量和公共图书馆业机构数的几个省份。通过数据的侧面显示,较为发达的地区电子阅读量和图书藏书量是最多的,而大部分偏远的高海拔地区阅读量和藏书量相对其他省份来说是最少的。但值得注意的是海南地区是一个沿海地区,但是在电子阅读和图书馆藏书却是偏低的省份,这是一个很值得注意的问题,海南相对的旅游业发展不错,但是文化方面还是要注重的。另外也要加强偏远山区的文化提升,可以通过图书捐赠等方式为该地区增加书籍。

空文件

简介

取消

发行版

暂无发行版

贡献者

全部

近期动态

不能加载更多了
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化