最近k老板正好要我处理关于2014-2020某网站的商标数据，现在直播如何处理。
需求
根据申请公司的地址分析国内各地区商标需求
一家公司最多申请多少个商标
近三年的增幅
画出个图
选择工具与库
当然是pandas
画图选pyecharts，matplotlib也可以，但细节设置比较麻烦，图也没echarts多
打开数据，分析需求
- 我惊了，好家伙，10万条数据，这excel打开都得十几秒，这不得用python？
需求一：只要整出公司地址然后计个数
打开pycharm（jupyter也可以，但几万条数据中间调试反而是浪费我时间，直接pycharm开干）
#导入相应模块
import pandas as pd
import xlrd
from pyecharts.charts import Bar,Line,Tab
import pyecharts.options as opts
df = pd.read_excel('./data.xlsx') #读取数据
现在有个问题，申请人地址是公司具体地址，但是我需要看每个省的数量。但数据很规范，都是xx省xx市的形式，我们取前三个字符即可。
说明：数据里还有泰国、韩国啥的，但我要这些干什么，我只要国内的注册数量前15就够了，这些不用管。
df["申请人地址"] = df["申请人地址"].apply(lambda x:x[:3]) # 选择地址列，切片前三个字符，lambda相当于一个小def
然后计数排序
data = df["申请人地址"].value_counts().sort_values(ascending=False) # 降序方式
画图开始
直接pyecharts官方文档复制
bar = (
Bar()
.add_xaxis(data.head(15).index.tolist()) # x轴取索引
.add_yaxis("", data.head(15).tolist()) # y轴取上面得到的值
.set_global_opts(
title_opts=opts.TitleOpts(title="各地域需求量(前15)")
).render()
)
领导要的肯定远远不是这些，还不知道他这B？他肯定要的是全部数据，导出一下
data = pd.DataFrame({'省份':data.index.tolist(),"数量":data.tolist()}) # 新建dDateFrame
data.to_excel('地域需求量.xlsx',sheet_name='1') #写入excel
右键运行，倒杯卡布奇诺
结果如下：
需求二：一家公司最多申请多少个商标
啥也别分析了，先打开pycharm导库和读数据，这是必须要的，就跟写数学你得先写个解字。
import pandas as pd
import xlrd
from pyecharts import options as opts
from pyecharts.charts import Bar,Pie
df = pd.read_excel('./data.xlsx')
现在有点麻烦，申请人地址就是公司，我根据申请人地址就能看到这个公司有多少个商标，但是你知道吗，同一个名称的商标里面还有分类，现在要统计的是这个公司有多少个不同名的商标。
也就是说，这波分析需要三个考虑三个东西：申请人地址、商标名、商标分类，按上面那个需求的操作只能统计出一个公司下面有多少个商标（含名称和分类）。
各位，看我操作：
data = df.groupby('申请人地址')['商标名'].nunique().sort_values(ascending=False)
一行代码直接搞定，我不会excel，不知道excel得怎么做。这行代码做的事情如下：
1.按申请人地址进行整个数据的分组
2.在分组里取商标名这一列
3.在商标名里取唯一值并计数
4.排序
这个nunique方法是我在各大教程从来没有见过的，其实for遍历也可以实现这个需求，但我很清楚pandas的存在最大意义就是减少for循环，而且这不够帅，所以我翻遍网络找到这个东西。
下面是和上一个需求最后相同操作：
df = data.head(15) #数据只要排名靠前的
c = (
Bar()
.add_xaxis(df['申请人地址'].tolist())
.add_yaxis("", df['商标个数'].tolist())
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)),
title_opts=opts.TitleOpts(title="各公司申请数量", subtitle=""),
)
.render("bar_rotate_xaxis_label.html")
)
data = pd.DataFrame({'申请人地址':data.index.tolist(),"商标个数":data.tolist()})
data.to_excel('每家公司的商标个数.xlsx',sheet_name='商标个数') #写入excel
结果展示：
