- 写在前面

　　本篇博客继续对中国大学MOOC课程信息进行数据分析，主要是利用pyecharts针对MOOC上开课的大学信息的分析。
　　前两次博客内容：
　　　　1. 中国大学MOOC课程信息爬取与数据存储
　　　　2. 中国大学MOOC课程信息之数据分析可视化一

- 环境配置安装

　　运行环境：Python3.6、Spyder
　　依赖的模块：pyecharts以及一些地图模块

- 开始工作

1. 获取数据

　　首先从网上下载大学信息数据，我找了好久，也花费了不少积分，才找到比较不错的数据。下面是下载链接：最新全国高校数据库信息（包含2854所高校）。
　　接下来打开mysql，新建数据库univ_info，再将下载的MS EXCEL数据导入到该数据库中。
　　导入后的结果如下：
　　　
　　编写代码获取MOOC上的大学列表

'''获得MOOC上开课大学信息'''
universities=[]
for kc in kc_info[0]:if kc[2] not in universities: universities.append(kc[2])

　　便可以得到MOOC上已开课的大学名称的列表，我们可以根据这个查询数据库相应字段的数据，从而得到所需要的大学信息了。
　　这里值得注意的是先前得到的大学名称中含有“微软”、”爱课程“等非院校单位，在数据库查询时会出现空值，此时应将其去除掉。

def mysql_univ_info(univs):results=[]db = pymysql.connect(host='localhost',user='root',passwd='root',db='univ_info',charset='utf8')cur = db.cursor()for univ in univs:cur.execute("select * from univ_info where 院校名称='%s'"% univ)  result=cur.fetchall()if result!=():result=result[0]          results.append(result)return results

　　调用前面函数，便可以得到所需要的院校信息了。

![](https://i.imgur.com/9WjTmy9.png)

2. 大学所在城市

　　由于数据库表中所在城市有些为空，观察可知其为直辖市，因此不妨用所在地区替代。

'''大学城市'''
univ_cities=[]
for univ_info in univ_infos:if univ_info[4]==None:univ_cities.append((univ_info[1],univ_info[3]))else:univ_cities.append((univ_info[1],univ_info[4]))
univ_city_num={}
for univ_city in univ_cities:univ_city_num[univ_city[1]]=univ_city_num.get(univ_city[1],0)+1
univ_city_items = list(univ_city_num.items())
univ_city_items.sort(key=lambda x:x[1], reverse=True)

　　参考pyecharts官网提供的示例，便可以根据需求做出自己想要的图表，链接：图表详情
　　代码如下：

def pyecharts_geo_city(datas):geo = Geo("中国城市所拥有的已在MOOC开课的大学数",title_color="#fff",title_pos="center",width=1200,height=600,background_color="#404a59")attr, value = geo.cast(datas)geo.add("",attr,value,visual_range=[0, 30],visual_text_color="#fff",symbol_size=15,is_visualmap=True)geo.render("中国城市所拥有的已在MOOC开课的大学数.html")

　　打开生成的网页，可以看到：

　　在网页上你可以滑动左下角的标签，查看大学数量的某些区间下城市分布，比如：

　　这个是大学数在８以上的城市，这在一定程度上也反映出城市的大学教育的发展情况。

３.大学所在省份

　　同上，可以做类似的分析。

'''大学省份'''
univ_provinces=[]
for univ_info in univ_infos:if univ_info[2]==None:univ_provinces.append((univ_info[1],univ_info[3][0:2]))else:univ_provinces.append((univ_info[1],univ_info[2]))
univ_province_num={}
for univ_province in univ_provinces:univ_province_num[univ_province[1]]=univ_province_num.get(univ_province[1],0)+1
univ_province_items = list(univ_province_num.items())
univ_province_items.sort(key=lambda x:x[1], reverse=True)

　　调用的函数为：

def pyecharts_geo_province(datas):maps = Map("中国省份所拥有的已在MOOC开课的大学数", width=1200, height=600)labels,sizes=[],[]labels,sizes= maps.cast(datas)maps.add("",labels,sizes,maptype="china",visual_range=[0, 30],is_visualmap=True,visual_text_color="#000")maps.render("中国省份所拥有的已在MOOC开课的大学数.html")

　　运行结果如下：

４.大学等级

　　这里主要是简单统计MOOC上开课的大学院校中有多少985或者211或者其它之类的。

'''大学等级'''
univ_rating=[]
_985,_211,_others=0,0,0
for univ_info in univ_infos:univ_rating.append((univ_info[1],univ_info[5],univ_info[6]))if univ_info[5]=='211':_211+=1if univ_info[6]=='985':_985+=1else:_others+=1
univ_rating_num=[('985',_985),('211',_211),('others',_others)]
pyecharts_rosepie_rating(univ_rating_num)

　　用圆饼－玫瑰图绘出结果：

def pyecharts_rosepie_rating(datas):pie = Pie("MOOC开课大学等级", title_pos='center', width=900)attr,v1=pie.cast(datas)pie.add("",attr,v1,center=[25, 50],is_random=True,radius=[30, 75],rosetype="radius",#rosetype="area"is_legend_show=False,is_label_show=True)pie.render("MOOC开课大学等级.html")

　　运行结果：

５.大学类型

　　这里主要是统计的在MOOC上开课的大学类型：

'''大学类型'''
univ_kinds={}
for univ_info in univ_infos:kind=univ_info[8][0:3]univ_kinds[kind]=univ_kinds.get(kind,0)+1
univ_kind_items = list(univ_kinds.items())
univ_kind_items.sort(key=lambda x:x[1], reverse=True)

　　采用条形图绘制：

def pyecharts_bar_kinds(datas): bar = Bar("MOOC开课大学类型")attr,v=bar.cast(datas)bar.add("", attr, v,mark_point=["average"],mark_line=["min", "max"],is_more_utils=True)bar.render("MOOC开课大学类型.html")

　　运行结果：

　　由图知，平均数为10,最大值为48，最小值为1，一共有11种院校类型，综合类大学、工科类大学、远超其他类型的大学，这与当前教育背景密不可分的。

- 结语

　　其实可以做的不仅限于此。如果感兴趣，可以访问：pyecharts官网多多学习。
　　另外，第一次用Markdown写博客，诸多不习惯，如果文章中有错误，请指正哈。

中国大学MOOC课程信息之数据分析可视化二相关推荐

中国大学MOOC课程信息之数据分析可视化一
版权声明:本文为博主原创文章,转载请注明出处:https://blog.csdn.net/sc2079/article/details/82263391 9月2日更:中国大学MOOC课程信息之数据分 ...
中国大学MOOC课程信息爬取与数据存储
版权声明:本文为博主原创文章,转载请注明出处: https://blog.csdn.net/sc2079/article/details/82016583 10月18日更:MOOC课程信息D3.js ...
Python爬取中国大学MOOC课程信息
问题:获取中国大学MOOC平台的课程信息,包括开课学校.课程类别(标签).课程名称.课程评分.评价人数和已参加课程人数. 思路: 1.进入中国大学MOOC首页,点击"学校",进入学 ...
笔记：中国大学MOOC课程《程序设计入门——C语言》编程练习
笔记:中国大学MOOC课程<程序设计入门--C语言>编程练习第7周数组运算 1 多项式加法第8周指针与字符串 2 GPS数据处理第7周数组运算 1 多项式加法题目内容: 一个 ...
中国大学 MOOC 课程Python语言程序设计 (第11期)测试答案（1-5周）
中国大学 MOOC 课程Python语言程序设计 (第11期)测试答案(1-5周) Lan 2020-05-03 14:21 369 人阅读 0 条评论感谢中国大学MOOC提供的学习平台 ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（四）（Python语言基础（2））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(四)(Python语言基础(2)) 第4讲 Python语言基础(2) 4.1 内置数据结构 4.1.1 序列数据结构(sequ ...
中国大学 MOOC 课程《Python 语言程序设计》第六周
中国大学 MOOC 课程 <Python 语言程序设计>第六周一.lambda函数 1,lambda的一般形式是关键字lambda后面跟一个或多个参数,紧跟一个冒号,以后是一个表达式.l ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（十四）（卷积神经网络））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(十四)(卷积神经网络)) 14 卷积神经网络 14.1 深度学习基础 14.1.1 深度学习的基本思想 14.1.2 深度学习三 ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（八）（TensorFlow基础））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(八)(TensorFlow基础)) 8 TensorFlow基础 8.1 TensorFlow2.0特性 8.1.1 Tenso ...

中国大学MOOC课程信息之数据分析可视化二