最近，诺贝奖得主引起了大家的热议，我用数据分析了一下历年的诺贝尔奖得主情况，分享给大家~

注：图片取自B站

“

诺贝尔奖（瑞典语：Nobel priset，英语：Nobel Prize）：是指根据诺贝尔1895年的遗嘱而设立的五个奖项，包括：物理学奖、化学奖、和平奖、生理学或医学奖和文学奖。旨在表彰在物理学、化学、和平、生理学或医学以及文学上对社会做出卓越贡献，或做出杰出研究、发明以及实验的人士。以及瑞典中央银行1968年设立的诺贝尔经济学奖，用于表彰在经济学领域杰出贡献的人。 诺贝尔奖历经百年，时至今日，诺贝尔奖一直都被视为各领域最重要的荣誉之一。

”

历年诺贝尔奖得主统计分析

一、导入数据

二、获奖人性别分布统计

三、各国获奖人数统计

四、各领域获奖人数比例统计

五、各领域获奖人数统计-国家排名

1. 生理学奖获奖人数top10国家

2. 物理学奖获奖人数top10国家

3. 化学奖获奖人数top10国家

4. 文学奖获奖人数top10国家

5. 经济学奖获奖人数top10国家

6. 和平奖获奖人数top10国家

六、获奖者平均年龄统计

一、导入数据

#获取获奖信息数据
import pandas as pddata_date   = pd.read_csv('nobel_prizes_by_date.csv',encoding = 'ISO-8859-1')
data_winner = pd.read_csv('nobel_prize_by_winner.csv',encoding = 'ISO-8859-1')
data_winner.head()

二、获奖人性别分布统计

#去重后获奖者总人数data.id.nunique()

输出：901

def make_autopct(values):def my_autopct(pct):total = sum(values)val = int(round(pct*total/100.0))# 同时显示数值和占比的饼图return '{p:.2f}%  ({v:d}人)'.format(p=pct,v=val)return my_autopct# 长8英寸 宽6英寸，该窗口的分辨率为80
plt.figure(figsize=(8,6), dpi= 80)labels = '男','女','组织'
explode = (0,0,0)                              #将某一块分割出来，值越大分割出的间隙越大
colors = ['yellowgreen','lightskyblue','yellow'] patches,text1,text2 = plt.pie([male,female,org],explode=explode,labels=labels,colors=colors,labeldistance = 1.1,                       #标签距圆心半径倍距离autopct = make_autopct([male,female,org]), shadow = True,                             #阴影设置startangle =30,                            #逆时针起始角度设置pctdistance = 0.7)  plt.title('获奖者男女比例',fontsize=19)
plt.legend()
plt.show()

三、各国获奖人数统计

#实例化Pie类
pie = Pie(init_opts=opts.InitOpts(width='800px',height='550px'))#添加数据，设置饼图半径
pie.add('',[list(z) for z in zip(data_cou.head(15).index.tolist(), data_cou.head(15).values.tolist())],radius=['40%','65%'],rosetype='radius')
#设置全局配置项
pie.set_global_opts(title_opts=opts.TitleOpts(title=''),legend_opts=opts.LegendOpts(is_show=True))#玫瑰图展示
pie.render_notebook()

四、各领域获奖人数比例统计

# 长16英寸 宽8英寸，该窗口的分辨率为80
plt.figure(figsize=(16,8), dpi= 80)def make_autopct(values):def my_autopct(pct):total = sum(values)val = int(round(pct*total/100.0))# 同时显示数值和占比的饼图return '{p:.2f}%  ({v:d}人)'.format(p=pct,v=val)return my_autopctpatches,l_text,p_text = plt.pie(data_cate.values,labeldistance = 1.1,labels=data_cate.index,startangle = 60,pctdistance = 0.7,autopct=make_autopct(data_cate.values))for t in l_text:t.set_size(12)
for t in p_text:t.set_size(12)plt.title('各领域获奖人数',fontsize=15)
plt.legend(loc=2)
plt.show()

五、各领域获奖人数统计-国家排名

1. 生理学奖获奖人数top10国家

#实例化Pie类
pie = Pie(init_opts=opts.InitOpts(width='800px',height='550px'))#添加数据，设置饼图半径
pie.add('',[list(z) for z in zip(data_med.head(10).index.tolist(), data_med.head(10).values.tolist())],radius=['30%','60%'],rosetype='radius')
#设置全局配置项
pie.set_global_opts(title_opts=opts.TitleOpts(title=''),legend_opts=opts.LegendOpts(is_show=True))#玫瑰图展示
pie.render_notebook()

2. 物理学奖获奖人数top10国家

#实例化Pie类
pie = Pie(init_opts=opts.InitOpts(width='800px',height='550px'))#添加数据，设置饼图半径
pie.add('',[list(z) for z in zip(data_phy.head(10).index.tolist(), data_phy.head(10).values.tolist())],radius=['30%','60%'],rosetype='radius')
#设置全局配置项
pie.set_global_opts(title_opts=opts.TitleOpts(title=''),legend_opts=opts.LegendOpts(is_show=True))#玫瑰图展示
pie.render_notebook()

3. 化学奖获奖人数top10国家

#实例化Pie类
pie = Pie(init_opts=opts.InitOpts(width='800px',height='550px'))#添加数据，设置饼图半径
pie.add('',[list(z) for z in zip(data_che.head(10).index.tolist(), data_che.head(10).values.tolist())],radius=['30%','60%'],rosetype='radius')
#设置全局配置项
pie.set_global_opts(title_opts=opts.TitleOpts(title=''),legend_opts=opts.LegendOpts(is_show=True))#玫瑰图展示
pie.render_notebook()

4. 文学奖获奖人数top10国家

#实例化Pie类
pie = Pie(init_opts=opts.InitOpts(width='800px',height='550px'))#添加数据，设置饼图半径
pie.add('',[list(z) for z in zip(data_lit.head(10).index.tolist(), data_lit.head(10).values.tolist())],radius=['30%','60%'],rosetype='radius')
#设置全局配置项
pie.set_global_opts(title_opts=opts.TitleOpts(title=''),legend_opts=opts.LegendOpts(is_show=True))#玫瑰图展示
pie.render_notebook()

5. 经济学奖获奖人数top10国家

#实例化Pie类
pie = Pie(init_opts=opts.InitOpts(width='800px',height='550px'))#添加数据，设置饼图半径
pie.add('',[list(z) for z in zip(data_eco.head(10).index.tolist(), data_eco.head(10).values.tolist())],radius=['45%','75%'],rosetype='radius')
#设置全局配置项
pie.set_global_opts(title_opts=opts.TitleOpts(title=''),legend_opts=opts.LegendOpts(is_show=True))#玫瑰图展示
pie.render_notebook()

6. 和平奖获奖人数top10国家

#实例化Pie类
pie = Pie(init_opts=opts.InitOpts(width='800px',height='550px'))#添加数据，设置饼图半径
pie.add('',[list(z) for z in zip(data_pea.head(10).index.tolist(), data_pea.head(10).values.tolist())],radius=['30%','60%'],rosetype='radius')
#设置全局配置项
pie.set_global_opts(title_opts=opts.TitleOpts(title=''),legend_opts=opts.LegendOpts(is_show=True))#玫瑰图展示
pie.render_notebook()

六、获奖者平均年龄统计

df.plot(kind='bar',figsize=(10,6))plt.title('各领域获奖者获奖年龄分布',fontsize=17)
plt.ylabel('获奖年龄',fontsize=14)
plt.xlabel('获奖领域',fontsize=14)
plt.xticks(rotation=45,fontsize=14)plt.legend(loc=9,bbox_to_anchor=(0.86,0.96))

推荐阅读:

入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python | 实战项目 |学Python就是这条捷径

量化: 定投基金到底能赚多少钱？  | 我用Python对去年800只基金的数据分析

干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析|   从万众期待到口碑扑街！唐探3令人失望  | 笑看新倚天屠龙记灯谜答题王 ｜用Python做个海量小姐姐素描图碟中谍这么火，我用机器学习做个迷你推荐系统电影

趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!

AI: 会做诗的机器人给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影

小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！|  再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐姐！｜

年度爆款文案

• 1).卧槽！Pdf转Word用Python轻松搞定！

• 2).学Python真香！我用100行代码做了个网站，帮人PS旅行图片，赚个鸡腿吃

• 3).首播过亿，火爆全网，我分析了《乘风破浪的姐姐》，发现了这些秘密

• 4).80行代码！用Python做一个哆来A梦分身

• 5).你必须掌握的20个python代码，短小精悍，用处无穷

• 6).30个Python奇淫技巧集

• 7).我总结的80页《菜鸟学Python精选干货.pdf》,都是干货

• 8).再见Python！我要学Go了！2500字深度分析

• 9).发现一个舔狗福利！这个Python爬虫神器太爽了，自动下载妹子图片

点阅读原文,领AI全套资料！