【大数据实训】python石油大数据可视化(八)

2014到2020年石油加工产品产量数据处理分析

一、任务描述

石油是工业的命脉。

一直到2020年，我国原油产量基本处于平稳的状态，大部分原油来自国外进口；中国原油加工产量在华东、东北地区占比较大，华南地区相对较少。原油的加工企业对原油的加工有很大的影响，中国石油营业收入及净利润也十分可观。

本课题的目标是用python编程，抓取有关网站的数据，并将获取数据保存到csv文件和excel文件中，然后使用python对数据进行清洗及处理，利用python可视化，结合数据处理与分析，获得数据的统计分析结果。

图1 2014-2020年中国原油加工产量信息

**二、**数据获取与清洗

1、数据描述

数据来源：2020年中国原油加工产业现状分析、2019年中国原油加工量产量及格局分析（当前网络上暂无2020年数据，故爬取了2019年数据）

数据获取：2014-2020年中国原油产量统计、中国各地区原油加工比例。

2、使用工具

python是一种功能丰富的语言，它拥有一个强大的基本类库和数量众多的第三方扩展。本次报告，使用到的库有：

1）requests库

2）BeautifulSoup4库

3）csv库

4）pandas库

3、数据获取步骤

第一步：从网页上获取HTML内容。

第二步：分析网页内容并提取有用数据

第三步：将获得的数据写入Excel文件。

4、程序代码

1. 获取数据代码如下

文件夹名称：报告

文件名称: 石油加工产品产量分析

图2 爬虫程序及运行结果

2. 将获得各省原油加工产量以及各种油产量放入csv文件中，使用的函数代码如下：

图3 存储函数

5 数据清洗后保存到Excel和csv文件，使用的函数、Excel文件截图，存储位置如图4、5、6、7所示：

图4 数据清洗并存储函数

图5 各种油的产量的excel文件截图

图6 各省油产量的excel文件截图

图7 存储位置截图

（默认存储到与py文件同目录的位置）

三**、**数据处理和分析

1、数据可视化工具

python是一种功能丰富的语言，它拥有一个强大的基本类库和数量众多的第三方扩展。报告中使用Matplotlib库以及pyecharts库的Map库实现了数据可视化。

2、先用python 对2014-2020年各种油产量以及2019年各省油产量数据进行可视化处理，所用的函数代码以及柱状图如图8、9所示。

图8 使用函数代码截图

图9 各种油加工产量以及各省份加工原油产量

3、统计各种加工油产量以及各省市油产量数据，可视化后，画出折线图、饼状图如图10所示使用的代码如图11所示：

注明：代码本将七种油逐年产量数据均画出饼状图、折线图，因图数量过多，不全予以展示。

图10 各种油加工产量以及各省份加工原油产量

图11 使用的函数代码

4、特别地，我们安装pyecharts库将2019年各省油的产量在整个中国地图中呈现出来，观看时只需要将鼠标移到对应的省份，这样观看更加直观和方便。（其中山西、重庆、贵州、西藏、台湾暂无数据）代码及成果如下，结果如图

四**、**关键问题及对策

1、*爬取时的问题*

问题描述：找到要爬取的网站，找到网站上目标表格。于是参考了第二次大作业所用的爬取数据的代码，但是出现了爬取数据不完整的问题：

图13 用爬虫抓取数据

解决方法：

通过查询网上资料，我发现了问题主要出在fillUnivlist函数中，把tds增加到可以容纳整个列表后问题就可以解决，并且将string改为text以加强函数的稳定性，如图14 ：

图14

2**、** 实际编写代码时遇到代码过长问题

问题描述：在我编写到输出折线图和饼状图的代码时，由于要输出的图过多，导致代码过长，输出一张图至少需要10行，加上在绘制饼状图时要计算出百分数，计算一系列百分数最少需要5行，那么七个系列至少需要180行含有大量重复的绘图代码，这极易导致错误出现，于是我将绘图代码编成函数，使用函数输出，然而这样还会存在以下重复代码：

依然存在大量重复代码，但是通过观察发现里面依然存在重复部分，此时我突然想起来“+”还可以链接字符串，于是我立刻拿出了课本，通过查阅课本发现的确可以，于是通过改写就有下列代码：

之后根据同样可以将重复部分改编成函数重复调用的方法，我经过压缩，将成品代码压缩到193行，其中函数部分有157行，主体部分有36行，如果将中间用于分割的空行删除，则可以进一步压缩，压缩过的代码不但整洁，还可以迅速发现并改正错误的、需要改正的地方。

五、数据处理与分析结果分析

综合以上分析，自2014-2020年各种油产量数据可以看出：

（1）各种加工油产量中柴油稳居第一，润滑基础油产量最低，表明我国在柴油方面需求较大，汽油相对较少，润滑基础油需求不高。

（2）七种加工油产量中柴油产量在2014年到2017年发展平稳，从2017年到2020年逐年下降；石脑油、润滑基础油、石油沥青的产量逐年上升；汽油在2014到2019年产量逐年上升，但在2020年突然下降，可能受到了疫情的影响；燃料油近些年来产量上下浮动较大，但在2018年到2020年产量一直上升，推测下一年产量还会上升；总体来看，未来除柴油和汽油外，其他油下一年产量可能还会升高，柴油和汽油在经历疫情影响后可能会积极恢复，再次实现增长。

（3）2019年中国原油加工产量65198.1万吨，其中：位于第一的是山东省，原油加工量产量11342.2万吨；第二的是辽宁省，原油加工量产量8186.5万吨；广东省进入第三，原油加工量产量4665.6万吨；其中值得注意的是在其他地区加工的原油占大多数，产量达到10574.8万吨，这些产量有可能来自暂无数据的山西、重庆、贵州、台湾，还有可能是从国外进口的成品油。

（4）最近一年，2020年中国原油加工产量为67440.8万吨，同比增长3.4%，表明虽然我国经历了新冠疫情的影响，但是我国在疫情得到控制后积极恢复，原油加工产量不降反增，原油加工产业受到疫情影响不大。

（5）原油加工产品中，2020年中国石脑油产量为4232万吨，同比增长8.6%；中国润滑基础油产量为875万吨，同比增长14.3%；中国柴油产量为15904.9万吨，同比下降4.4%；中国煤油产量为4049.4万吨，同比下降23.2%；中国汽油产量为13171.7万吨，同比下降6.7%；中国燃料油产量为3406.3万吨，同比增长37.9%；中国石油沥青产量为6279.6万吨，同比增长24.6%；总体来看我国原油加工产业正不断发展。

六、程序代码

略

七**、**学习总结与反思

略

?