用python数据可视化判断谁是全面战争罗马最优秀民兵

简介: 在古典时代,民兵可以驻守城镇,维持区域稳定,对疆域的维持非常重要。我们用python可视化技术,进行统计,比较和分析。一共比较这些主流古典时代阵营,罗马 希腊城邦 马其顿 埃及 塞琉古 迦太基 帕提亚 日耳曼 西徐亚 高卢 燕国 齐国 赵国 楚国 秦国 匈奴 印度。

在古典时代,民兵可以驻守城镇,维持区域稳定,对疆域的维持非常重要。我们用python可视化技术,进行统计,比较和分析。
一共比较这些主流古典时代阵营,罗马 希腊城邦 马其顿 埃及 塞琉古 迦太基 帕提亚 日耳曼 西徐亚 高卢 燕国 齐国 赵国 楚国 秦国 匈奴 印度。
先说结论,性价比最高的是秦国,罗马和迦太基,性价比最低的是赵国。
数据如下,开始处理:
民兵.png
保存成为excel,绘制直方图。
民兵2.png
用python打开excel:

from openpyxl import load_workbook

# 1.打开 Excel 表格并获取表格名称

# 打开当前py程序路径下excelDemo文件夹下的qiyuan.xlsx文件
workbook = load_workbook(filename='C:/Users/zhuyingyang/Desktop/贸/文明/古典时代.xlsx')
print(workbook.sheetnames)

获取表格 只有一张表格的时候,可以直接 active:

print(workbook.sheetnames)

sheet1 = workbook.active
print(sheet1)
# 输出结果 <Worksheet "Sheet1">

获取一系列格子 sheet[]方式:

cells = sheet1["A1:C2"]
print(cells)
# 输出结果:((<Cell 'Sheet1'.A1>, <Cell 'Sheet1'.B1>, <Cell 'Sheet1'.C1>),
# (<Cell 'Sheet1'.A2>, <Cell 'Sheet1'.B2>, <Cell 'Sheet1'.C2>))

# 先行后列
for cell_rows in cells:
    for cell_columns in cell_rows:
        print(cell_columns.value)

计算单位资金性价比:
在这里插入图片描述
计算对手情况智能程序:

chengshishu=int(input())
# chengshishu是城市数 a是防御单位资金,b是近战单位资金
u=0
v=0
for j in range(0,chengshishu):
    a,p,b,q=map(int,input().split())
    w=a+b
    if(p==w and q!=w):
        u=u+1
    if(q==w and p!=w):
        v=v+1
print("{} {}".format(v,u),end="")

比较u,v大小就可以比较在古典时代,谁驻守的城镇更稳定。

相关文章
|
11天前
|
数据挖掘 PyTorch TensorFlow
|
5天前
|
机器学习/深度学习 数据采集 算法
数据稀缺条件下的时间序列微分:符号回归(Symbolic Regression)方法介绍与Python示例
有多种方法可以处理时间序列数据中的噪声。本文将介绍一种在我们的研究项目中表现良好的方法,特别适用于时间序列概况中数据点较少的情况。
20 1
数据稀缺条件下的时间序列微分:符号回归(Symbolic Regression)方法介绍与Python示例
|
1天前
|
数据可视化 Python
Python编程中的数据可视化技术
【9月更文挑战第19天】在数据驱动的时代,将复杂的数据集转化为直观易懂的视觉表达至关重要。本文将深入探索Python中的数据可视化库,如Matplotlib和Seaborn,并指导读者如何运用这些工具来揭示数据背后的模式和趋势。文章不仅会介绍基础图表的绘制方法,还将讨论高级技巧以提升图表的信息丰富度和吸引力。
|
9天前
|
数据可视化 Python
Python中的数据可视化:使用Matplotlib绘制图表
【9月更文挑战第11天】在这篇文章中,我们将探索如何使用Python的Matplotlib库来创建各种数据可视化。我们将从基本的折线图开始,然后逐步介绍如何添加更多的功能和样式,以使您的图表更具吸引力和信息量。无论您是数据科学家、分析师还是任何需要将数据转化为视觉形式的专业人士,这篇文章都将为您提供一个坚实的起点。让我们一起潜入数据的海洋,用视觉的力量揭示其背后的故事。
33 16
|
1天前
|
数据可视化 数据挖掘 API
使用Python进行数据可视化:探索Matplotlib和Seaborn库
【9月更文挑战第19天】在数据科学领域,将复杂的数据集转换成直观、易懂的图形是一项基本而关键的技能。本文旨在通过Python编程语言介绍两个强大的数据可视化库——Matplotlib和Seaborn,以及它们如何帮助数据分析师和研究人员揭示数据背后的故事。我们将从基础概念讲起,逐步深入到高级技巧,确保无论读者的背景如何,都能获得必要的知识和启发,以在自己的项目中实现有效的数据可视化。
|
1天前
|
数据可视化 数据挖掘 Python
惊呆了!Python数据分析师如何用Matplotlib、Seaborn秒变数据可视化大师?
在数据驱动时代,分析师们像侦探一样在数字海洋中寻找线索,揭示隐藏的故事。数据可视化则是他们的“魔法棒”,将复杂数据转化为直观图形。本文将带你探索Python数据分析师如何利用Matplotlib与Seaborn这两大神器,成为数据可视化大师。Matplotlib提供基础绘图功能,而Seaborn在此基础上增强了统计图表的绘制能力,两者结合使数据呈现更高效、美观。无论是折线图还是箱形图,这两个库都能助你一臂之力。
12 4
|
1天前
|
数据可视化 数据挖掘 Python
告别枯燥数字,拥抱视觉盛宴!Python 数据分析中的数据可视化艺术,你 get 了吗?
在数据驱动时代,数据分析至关重要,但单纯依赖数据表格难以揭示其背后的洞见。这时,数据可视化便彰显出其重要性,尤其借助 Python 的强大工具如 Matplotlib、Seaborn 和 Plotly 等,可将数据转化为直观的图形。Matplotlib 提供高度定制的图表,Seaborn 则简化了图表美化过程。通过折线图、散点图、箱线图、小提琴图及热力图等多种图表形式,我们可以更深入地理解数据分布与关系,有效传达信息并支持决策制定。数据可视化不仅是一门技术,更是讲述数据故事的艺术。
14 3
|
7天前
|
数据可视化 数据挖掘 API
Python中的数据可视化:从基础到进阶
【9月更文挑战第13天】在数字世界中,数据可视化是连接复杂信息与人类直觉的桥梁。本文将通过Python语言,探索如何从零开始构建数据可视化技能,逐步深入到高级技巧,让你能够将抽象的数字转化为直观的故事。我们将一起学习如何使用Matplotlib、Seaborn等库来绘制图表,并最终掌握如何利用Pandas对数据集进行深度分析与可视化展示。
|
15天前
|
数据可视化 数据挖掘 数据处理
Python中数据可视化的魔法——使用Matplotlib和Pandas
【9月更文挑战第5天】在Python的世界里,数据可视化是连接复杂数据与人类直觉的桥梁。本篇文章将带领读者探索如何使用Matplotlib和Pandas这两个强大的库来揭示数据背后的故事。我们将从基础概念开始,逐步深入到高级技巧,让每一位读者都能轻松创建引人入胜的数据可视化图表,使数据分析变得既直观又有趣。
58 14
|
8天前
|
算法 Python
揭秘!Python数据魔术师如何玩转线性回归,让你的预测精准到不可思议
【9月更文挑战第13天】在数据科学领域,线性回归以其优雅而强大的特性,将复杂的数据关系转化为精准的预测模型。本文将揭秘Python数据魔术师如何利用这一统计方法,实现令人惊叹的预测精度。线性回归假设自变量与因变量间存在线性关系,通过拟合直线或超平面进行预测。Python的scikit-learn库提供了简便的LinearRegression类,使模型构建、训练和预测变得简单直接。
23 5