Python Bokeh 可视化分析：Lending Rate 3M 与职业关系

使用 Python 的 Bokeh 库对 Lending Rate 3M 数据进行可视化分析，并根据职业分组

from bokeh.plotting import figure, show,output_file
import numpy as np
import pandas as pd
import pandas
df = pd.read_csv(r'/Users/fuchuanruo/Desktop/可视化作业/实践/train.csv')
test = pd.read_csv(r'/Users/fuchuanruo/Desktop/可视化作业/实践/test.csv')

# 筛选数据
data = df[['lending_rate3m', 'job']].groupby('job').mean().reset_index()

# 创建图形
p = figure(x_range=data['job'], plot_height=400, plot_width=800, title='Lending Rate 3M by Job')

# 添加柱状图
p.vbar(x='job', top='lending_rate3m', source=data, width=0.5, color='navy')

# 设置坐标轴标签
p.xaxis.axis_label = 'Job'
p.yaxis.axis_label = 'Lending Rate 3M'

# 设置布局
p.xgrid.grid_line_color = None
p.y_range.start = 0
p.y_range.end = data['lending_rate3m'].max() + 1
p.yaxis.ticker = np.arange(0, data['lending_rate3m'].max() + 1, 0.5)

# 输出图形
output_file('lending_rate3m.html')
show(p)

本示例代码使用 Python 的 Bokeh 库对 Lending Rate 3M 数据进行可视化分析。首先，我们从 train.csv 文件中读取数据，并筛选出 lending_rate3m 和 job 两列。然后，我们根据 job 列对数据进行分组，计算每个职业组别的 lending_rate3m 平均值。

接着，我们使用 Bokeh 库创建了一个柱状图，将每个职业组别的平均 lending_rate3m 值以柱状形式呈现。最后，我们设置了图表的标题、坐标轴标签、网格线、y 轴范围和刻度等，并输出图形到 lending_rate3m.html 文件。

通过这个可视化分析，我们可以直观地了解不同职业的 Lending Rate 3M 平均值，并发现 Lending Rate 3M 与职业之间的关系。