Python Bokeh 可视化分析：lending_rate3m 平均值与工作类型

使用 Python Bokeh 库对 lending_rate3m 平均值和工作类型进行可视化分析

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')

# 数据预处理
df = df.dropna(subset=['lending_rate3m', 'job'])
df_mean = df.groupby('job')['lending_rate3m'].mean().reset_index()

# 可视化分析
output_file('lending_rate3m_job.html')
p = figure(x_range=df_mean['job'], plot_height=350, title='Lending Rate 3m Mean by Job',
           toolbar_location=None, tools='')
p.vbar(x=df_mean['job'], top=df_mean['lending_rate3m'], width=0.9)
p.xgrid.grid_line_color = None
p.y_range.start = 0
show(p)

该代码使用 Python 的 Bokeh 库对 lending_rate3m 平均值与工作类型之间的关系进行可视化分析。

1. 数据预处理: 代码首先读取数据文件，并使用 dropna 函数去除数据集中 lending_rate3m 和 job 列存在缺失值的样本。然后，使用 groupby 函数对不同工作类型进行分组，并计算每个工作类型下 lending_rate3m 的平均值，最后将结果存储在 df_mean 数据框中。

2. 可视化分析: 代码使用 Bokeh 库创建了一个直方图，横坐标表示工作类型，纵坐标表示 lending_rate3m 平均值。通过该直方图可以直观地观察到不同工作类型下 lending_rate3m 平均值的差异。

该代码示例展示了使用 Python Bokeh 库进行数据可视化的基本步骤，以及如何通过可视化分析来洞察数据之间的关系。你可以根据自己的数据情况修改代码，以实现不同的可视化效果。