Ofter数据科学

在制作动态排序动画之前，我们看一下数据的整理情况：a、对第1）种大部分数据的情况，先爬取下来，输出到excel；b、对第2）种小部分数据的情况，也先爬取下来，输出到另一个excel

上篇ofter介绍了运用数据爬虫获取到了历届奥运会的奖牌数据，本篇将从数据处理的基本方法来讲解如何用python进行批量数据处理。

本来想从网上直接下一份历届奥运会的奖牌数据进行动态呈现（包括1896-2021各届、年份、国家/地区、金牌、银牌、铜牌、合计、排名），说来也奇怪，在网上竟然找不到能满足这些条件的。

ofter在为公司起名字的时候，随手写了几个字，感觉不够高大上，然后就越写越多，想试试用排列组合的方式。当文字越来越多的时候，脑子好像不够用了，组合来组合去，摸不着头脑，于是突发奇想搞个小程序。

今天ofter向大家介绍轻松学Python数据分析系列的第4部分：数据可视化图表（1读取数据集->2数据处理->3数据可视化图表）。

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 让我们花2分钟时间给自己充充电，梳理下数据分析流程吧。数据分析包含数据采集->数据存储->数据处理->输出结果。

1、Pandas的数据结构，即基础原理 2、数据读取和生成 3、数据处理（数据的清洗等） 4、数据可视化图表 5、项目实战

学习Python，我们一定要了解Pandas这个数据分析库，生态完整、功能强大。很多人将其称为编程界的Excel，我们已经有了Excel，再用Pandas应该是对Excel的补充和提升。

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 主要内容：数据分析。 适用人群：Python初学者，数据分析师，或有志从事数据分析工作的人员。 准备软件：Anaconda（Spyder：代码编译