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课程信息之数据分析可视化二

• 写在前面

上一篇我的博客：中国大学MOOC课程信息爬取与数据存储于8月24日爬取并存储了中国大学MOOC的各个学科的课程信息。如下：

今天我就来简单做一哈MOOC课程信息的数据分析及可视化。

PS:初入茅庐，参考了网上很多大佬的文章，特别感谢！

Python数据可视化-seaborn

6 种 Python 数据可视化工具

『数据可视化』基于Python的数据可视化工具

Python数据分析可视化Seaborn实例讲解

Python数据可视化：饼状图

• 环境配置与安装

运行环境：Python3.6 Spyder

依赖模块：scipy、matplotlib、pymysql、 jieba、re、collections、wordcloud 、pandas、seaborn、numpy、PIL、pyecharts等

注：部分模块的安装比较麻烦，可以网上查询相关方法。

• 开始工作

1、从Mysql 中获取数据

比较简单，我就直接贴代码了。

def get_mysql(): 
    kc_info=[]
    db = pymysql.connect(host='localhost',user='root',passwd='root',db='mooc_courses_info',charset='utf8')
    cur = db.cursor()
    sql = '''SHOW TABLES'''
    cur.execute(sql)
    tables= cur.fetchall()
    for subject in tables:
        cur.execute("select * from %s"% subject)  
        results=cur.fetchall()
        kc_info.append(results)
    return tables,kc_info
tables,kc_info=get_mysql()

2、课程名做词云

我现将全部的课程名提取出来并连接在一起。

courses_text=''
for kc in kc_info[0]:
    course_text=kc[1]
    courses_text=courses_text+' '+course_text

再用jieba分词，Counter计数，导出前100个高频词汇

courses_jieba = list(jieba.cut(courses_text))
# 使用 counter 做词频统计，选取出现频率前 100 的词汇
c = Counter(courses_jieba)
common_c = c.most_common(100)
print(common_c)

结果是这样的：

显然，“与”、“一”、“上”、标题符号等都不是我们所期待的，必须将其去掉。关于这一点，网上的方法是要利用停用词表去掉这些字词符号，参考这篇：python结巴分词、jieba加载停用词表。由于我所处理的精度以及量不算太多，我直接采用re去除。

courses_text= re.sub("[\“\”\《\》\（\）\，\——\：\、\-\(\)一二三上下与的及之和中 ]", "",courses_text )

处理后的结果是这样的：

看着还算可以吧。

接下来数据可视化论文，就要做词云啦。参考我以前做过的词云，稍微修改一哈就可以啦。特别心酸的是：字体的正确选择，花了我好长时间。

def word_cloud(common_c):
    # 读入词云模板
    bg_pic = imread('D:\\python_data\\词云模板\\29.jpg')  #一张枫叶图片
    # 配置词云参数
    wc = WordCloud(
            # 设置字体  
            font_path ='C:\\windows\\Fonts\\STSONG.TTF',
			  # 设置背景色
            background_color='white',
            # 允许最大词汇
            max_words=200,
            # 词云形状
            mask=bg_pic,
            # 最大号字体
            max_font_size=50,
            random_state=100,
            )
    # 生成词云
    wc.generate_from_frequencies(dict(common_c))
    # 生成图片并显示
    plt.figure()
    plt.imshow(wc)
    plt.axis('off')
    plt.show()
    # 保存图片
    wc.to_file('D:\\python_data\\词云图片\\2.jpg')

3.大学开课数统计

创建一个数组，记录开课数前20个的大学，并用柱形图表示出来。

def bar_plot(datas):   
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体
    plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
    sns.set(font='SimHei')  # 解决Seaborn中文显示问题
    datas=pd.DataFrame(datas[0:20],columns=['大学','开课数'])
    sns.barplot(x=datas['大学'],y=datas['开课数'],palette="muted")
    plt.xticks(rotation=90)
    plt.show()
#大学开课数统计
uni_courses_num={}
for kc in kc_info[0]:
    uni_courses_num[kc[2]] = uni_courses_num.get(kc[2],0) + 1
items = list(uni_courses_num.items())
items.sort(key=lambda x:x[1], reverse=True)
bar_plot(items)

得到的结果如下：

可以看出，哈工以巨大优势问鼎，电科、东北大学紧追其后。开心的是，母校也榜上有名！母校加油！

4.课程热度分析

这里我是在全部课程里统计课程热度的，如果有兴趣的话，你也可以选取你感兴趣的学科进行热度统计。

def bar_plot2(datas):
    f, ax=plt.subplots(figsize=(8,12))
    datas=pd.DataFrame(datas[0:20],columns=['课程名称','热度'])    
    #orient='h'表示是水平展示的，alpha表示颜色的深浅程度
    sns.barplot(y=datas['课程名称'], x=datas['热度'],orient='h', alpha=0.8, color='red')
    #sns.barplot(y=datas['课程名称'], x=datas['热度'],palette="muted")
    #设置X轴的各列下标字体是水平的
    plt.xticks(rotation='horizontal')
    #设置Y轴下标的字体大小
    plt.yticks(fontsize=10)
    plt.show()
#课程热度统计
courses_hot=[]
for kc in kc_info[0]:
    courses_hot.append((kc[1],kc[5]))
courses_hot.sort(key=lambda x:x[1], reverse=True)
bar_plot2(courses_hot)

运行结果如下：

可以看出，财务管理最受欢迎，达到18万之多。另外，高数、编程类、英语口语类、财务类受欢迎度远超其他学科门类。

5、学科开课数统计

先统计各个学科的课程数量，为了绘图更简洁美观，有些课程少的我打包放进了“其它”。

num=5
subject_courses=[]
for i in range(1,len(tables)):
    subject_courses.append((tables[i][0],len(kc_info[i])))
subject_courses.sort(key=lambda x:x[1], reverse=True)
left_courses=0
for i in range(num):
    print(subject_courses[-i-1][1])
    left_courses+=subject_courses[-i-1][1]
deal_subject_courses=subject_courses[0:len(subject_courses)-num]
deal_subject_courses.append(('others',left_courses))

参考了网上一些代码，做了一些修改，如下：

def pie_plot(datas):
    # # 饼状图
    labels,sizes=

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！