导入多CSV文件分析挪威居民购买力年际变化的技术实现

初始代码 #

import pandas as pd

# 使用正确分隔符读取数据文件
data = pd.read_csv('Inntekt, 1995-2023.csv', delimiter="\t", quotechar='"')

# 移除列名中的多余引号
data.columns = [col.replace('"', '') for col in data.columns]

# 输出所有列以检查是否读取正确
print(data.columns)

# 若存在'year'列，则将其设为索引
if 'year' in data.columns:
    data['year'] = data['year'].astype(int)
    data.set_index('year', inplace=True)
else:
    print('未找到名为year的列。')

更新代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 导入数据
kpi_data = pd.read_csv('KPI-JEL, 1995-2023.csv')
income_data = pd.read_csv('Inntekt, 1995-2023.csv')

# 为两个数据集设置year列为索引
kpi_data.set_index('year', inplace=True)
income_data.set_index('year', inplace=True)

# 将列转换为数值类型
kpi_data['KPI-JEL (2015=100) årlig'] = pd.to_numeric(kpi_data['KPI-JEL (2015=100) årlig'], errors='coerce')
income_data['Indeks, faste prisar'] = pd.to_numeric(income_data['Indeks, faste prisar'], errors='coerce')

# 以基准年（2015年）的数值对数据进行归一化
kpi_data = kpi_data / kpi_data.loc[2015]
income_data = income_data / income_data.loc[2015]

# 计算购买力
purchasing_power = income_data / kpi_data

# 绘制KPI、收入及购买力随时间的变化趋势
plt.figure(figsize=(10,6))
plt.plot(kpi_data['KPI-JEL (2015=100) årlig'], label='KPI')
plt.plot(income_data['Indeks, faste prisar'], label='Income')
plt.plot(purchasing_power['Indeks, faste prisar'], label='Purchasing Power')
plt.legend()
plt.xlabel('Year')
plt.ylabel('Index (2015=100)')
plt.title('Change in KPI, Income, and Purchasing Power over Time')
plt.show()

数据说明 #

平均收入数据文件（Inntekt, 1995-2023.csv） #

• hushaldningstype：家庭类型
• year：年份
• Indeks, faste prisar：固定价格指数

样例数据：

"hushaldningstype","year","Indeks, faste prisar"
"Alle hushald","1995",99
"Alle hushald","1996",99
"Alle hushald","1997",103
"Alle hushald","1998",110

剔除电力的消费者价格指数（KPI-JEL）数据文件（KPI-JEL, 1995-2023.csv） #

• konsumgruppe：消费群体
• year：年份
• KPI-JEL (2015=100) årlig：剔除电力的消费者价格指数（以2015年为基准值100）

样例数据：

"konsumgruppe","year","KPI-JEL (2015=100) årlig"
"KPI-JEL Totalindeks","1995",67.8
"KPI-JEL Totalindeks","1996",68.7
"KPI-JEL Totalindeks","1997",70.2
"KPI-JEL Totalindeks","1998",72.0
"KPI-JEL Totalindeks","1999",73.8

内容的提问来源于stack exchange，提问作者Edward Bruer