Ouvrez un fichier Excel en Python et coloriez la carte du Japon

• Ouvrez le fichier Excel en Python
• Colorez la carte du Japon avec Python

Nous allons traiter de ces deux ici. Il fonctionne sur Google Colaboratory.

Colorez la carte du Japon

Installation de la bibliothèque japanmap

!pip install japanmap

Importer les bibliothèques requises

from japanmap import pref_names,pref_code,picture

Nom de la préfecture

print(pref_names)

['_', 'Hokkaido', 'Préfecture d'Aomori', 'Préfecture d'Iwate', 'Préfecture de Miyagi', 'Préfecture d'Akita', 'Préfecture de Yamagata', 'Préfecture de Fukushima', 'Préfecture d'Ibaraki', 'Préfecture de Tochigi', ' Préfecture de Gunma ',' Préfecture de Saitama ',' Préfecture de Chiba ',' Zone métropolitaine de Tokyo ',' Préfecture de Kanagawa ',' Préfecture de Niigata ',' Préfecture de Toyama ',' Préfecture d'Ishikawa ',' Préfecture de Fukui ',' Préfecture de Yamanashi ',' Préfecture de Nagano ',' Préfecture de Gifu ',' Préfecture de Shizuoka ',' Préfecture d'Aichi ',' Préfecture de Mie ',' Préfecture de Shiga ',' Préfecture de Kyoto ',' Préfecture d'Osaka ',' Préfecture de Hyogo ',' Préfecture de Nara ',' Préfecture de Wakayama ',' Préfecture de Tottori ',' Préfecture de Shimane ',' Préfecture d'Okayama ',' Préfecture d'Hiroshima ',' Préfecture de Yamaguchi ',' Préfecture de Tokushima ',' Préfecture de Kagawa ',' Préfecture d'Ehime ',' Préfecture de Kochi ',' Préfecture de Fukuoka »,« Préfecture de Saga »,« Préfecture de Nagasaki »,« Préfecture de Kumamoto »,« Préfecture d'Oita »,« Préfecture de Miyazaki »,« Préfecture de Kagoshima »,« Préfecture d'Okinawa »]

Code préfecture

pref_code('Tokyo')

13

Dessiner une carte blanche

%matplotlib inline
import matplotlib.pyplot as plt
from pylab import rcParams
 
rcParams['figure.figsize'] = 6, 6
plt.imshow(picture())

Coloration de la préfecture spécifiée

plt.imshow(picture({'Tottori':'red','Saga':(0,255,0)}))

Ouvrez le fichier Excel

Comme sujet, j'ai utilisé le fichier Excel des données statistiques par préfecture publié sur le site de Teikoku Shoin.

• https://www.teikokushoin.co.jp/statistics/japan/

Télécharger

urllib est une bibliothèque à télécharger, mais si vous l'utilisez sur Google Colab, vous la téléchargerez sur Google Colab. Dans Google Colab, le fichier téléchargé disparaîtra à la fin de la session, nous allons donc le télécharger à nouveau à ce moment-là.

#Télécharger par urllib
import urllib.request 
url = "URL où se trouve le fichier Excel"
urllib.request.urlretrieve(url, 'Teikoku-Shoin-Japan.xlsx') 

Ouvrez Excel

Pour autant que je sache, il existe deux façons d'ouvrir un fichier Excel en Python.

import pandas as pd
excel = pd.read_excel('Teikoku-Shoin-Japan.xlsx') #Cette méthode peut ne pas fonctionner

import pandas as pd
excel = pd.ExcelFile('Teikoku-Shoin-Japan.xlsx') #Je sens que celui-ci fonctionne mieux

Excel, contrairement à csv, se compose de plusieurs feuilles.

for s in enumerate(excel.sheet_names):
    print(s) #Liste des noms et des numéros de feuille

(0, 'Zone \ u3000 [2017]') (1, 'Population \ u3000 [2018]') (2, 'Densité de la population \ u3000 [2018]') (3, «Taux de croissance démographique \ u3000 [2010-2015]») (4, «Taux de population des personnes âgées (65 ans et plus) \ u3000 [2018]») (5, 'Ratio de population par industrie (2015)') (6, «Espérance de vie moyenne (femmes) \ u3000 [2015]») (7, «Espérance de vie (hommes) \ u3000 [2015]») (8, «Superficie des terres cultivées [2017]») (9, «Ratio des terres cultivées \ u3000 [2017]») (10, «Taux forestier / taux forestier planté [2017]») (11, «Production de blé \ u3000 [2018]») (12, «Production de riz \ u3000 [2017]») (13, «Production de bonbons \ u3000 [2017]») (14, «Produire des pommes de terre \ u3000 [2017]») (15, «Production de soja \ u3000 [2017]») (16, «Production d'arachides \ u3000 [2017]») (17, «Production de Cabetsu \ u3000 [2017]») (18, «Production de concombres \ u3000 [2017]») (19, 'Production de calmars \ u3000 [2017]') (20, «Production Daikon \ u3000 [2017]») (21, «Production de colza [2017]») (22, «Production de carottes \ u3000 [2017]») (23, «Production Negishi \ u3000 [2017]») (24, «Production Hakusai \ u3000 [2017]») (25, «Production Peman \ u3000 [2017]») (26, «Production d'épinards \ u3000 [2017]») (27, «Production de thé (thé brut) \ u3000 [2017]») (28, «Production de fraises \ u3000 [2017]») (29, «Production Ume \ u3000 [2017]») (30, «Production de melon \ u3000 [2017]») (31, «Production de kaki \ u3000 [2017]») (32, «Sakuranbo production \ u3000 [2017]») (33, «Production d'oranges \ u3000 [2017]») (34, 'Momo production \ u3000 [2017]') (35, «Production de pommes \ u3000 [2017]») (36, «Envoi de chrysanthème [2017]») (37, «Expéditions Pansy [2017]») (38, "Expéditions d'orchidées occidentales (fleurs coupées) \ u3000 [2017]") (39, «Nombre d’oiseaux de chair \ u3000 [2018]») (40, «Nombre de porcs élevés \ u3000 [2018]») (41, «Nombre de bovins à viande élevés \ u3000 [2018]») (42, «Nombre de vaches laitières \ u3000 [2018]») (43, «production Mayu [2017]») (44, «Production agricole \ u3000 [2017]») (45, 'Production de riz \ u3000 [2017]') (46, 'Production de blé \ u3000 [2017]') (47, 'Sortie Bean \ u3000 [2017]') (48, «Montant de la production Imo \ u3000 [2017]») (49, "Production de légumes \ u3000 [2017]") (50, 'Sortie de fruits \ u3000 [2017]') (51, 'Production de fleurs \ u3000 [2017]') (52, «Quantité de production de produits agricoles artisanaux \ u3000 [2017]») (53, «Production animale \ u3000 [2017]») (54, «Production de la pêche (pêche / culture) [2016]») (55, 'Squid catch \ u3000 [2016]') (56, «Katsuo's catch \ u3000 [2016]») (57, 'La capture de Sanma \ u3000 [2016]') (58, 'La capture de Maiwashi \ u3000 [2016]') (59, «Prises de thon \ u3000 [2016]») (60, «Kaki pas de culture \ u3000 [2016]») (61, «Culture de pétoncles \ u3000 [2016]») (62, «Culture de Wakame \ u3000 [2016]») (63, «Production de matière (bois brut) \ u3000 [2016]») (64, «Valeur des expéditions industrielles \ u3000 [2016]») (65, «Production de liqueur de fruits [2016]») (66, «Production de Yakichu [2016]») (67, 'Production de saké (y compris de saké boueux) \ u3000 [2016]' ') (68, «Production de bière \ u3000 [2016]») (69, «Production de produits pétroliers et houillers [2016]») (70, «Production de semi-conducteurs \ u3000 [2016]») (71, «Production de robots industriels \ u3000 [2016]») (72, «Production d'automobiles (y compris de motocyclettes) \ u3000 [2016]») (73, «Production de fibres \ u3000 [2016]») (74, «Production d'acier \ u3000 [2016]») (75, «Production de circuits intégrés \ u3000 [2016]») (76, «Revenu préfectoral par habitant \ u3000 [2015]») (77, «superficie du parc de la ville par personne \ u3000 [fin mars 2017]») (78, «Demande d'électricité par personne \ u3000 [2015]») (79, «émissions de déchets quotidiennes par personne \ u3000 [2016]») (80, «Taux de pénétration des égouts \ u3000 [2018]») (81, «Nombre de voitures particulières par ménage \ u3000 [2018]») (82, «Ventes au détail annuelles \ u3000 2015») (83, «Nombre de plaintes pour pollution \ u3000 [2017]»)

Je vais sélectionner une feuille appropriée

sheet_index = 2
print(excel.sheet_names[sheet_index])
sheet = excel.parse(excel.sheet_names[sheet_index], header=None) #Transformez le contenu de la deuxième feuille au format pandas

Densité de la population [2018]

sheet.head() #Vérifiez la forme des données