可视化老师布置的作业，要求可视化世界人口数据
所给数据
给出了六大洲20年的人口数据
分析数据
因为要分析的是全世界的数据，而所给数据是六个大洲的数据，而且每个大洲的数据又被分隔成了各个国家的数据。所以数据的整合是必须的。
步骤
导入数据
有很多的方法可以读入csv文件，这里选用了pandas库，借助了pandas中read_csv的一些良好特性
1
2
pd.read_csv(f,delimiter=",",error_bad_lines=False,skiprows=3)#逗号为分隔符，跳过前三行
data = data.dropna(how='any')#去掉缺失值
得到了整齐的数据
整合数据
将每个洲所有国家的数据整合到一起
1
2
3
4
5
6
7
8
9
10
11
12
years = data.columns.tolist()
years.remove(years[0]) #去掉第一个值
pop = []
years.reverse() #链表逆序，年份从小到大排列
for i in years:
pop.append(data[i].tolist())
tot = 0
total = []
for i in pop:
for j in i:
tot += j
total.append(tot)
total 里包含的是每个大洲20年的数据
然后分别导入六个大洲的csv即可
1
2
3
4
5
6
NA = readcsv('../世界人口数据/人口_北美洲.csv')
EU = readcsv('../世界人口数据/人口_欧洲.csv')
AS = readcsv('../世界人口数据/人口_亚洲.csv')
DY = readcsv('../世界人口数据/人口_大洋洲.csv')
AF = readcsv('../世界人口数据/人口_非洲.csv')
LA = readcsv('../世界人口数据/人口_拉丁美洲.csv')
可视化数据
这里使用的是pyechart库来进行数据可视化，比较方便
1996-2015全世界总人数条形图
1
2
3
4
bar.add("人口",
years,
pop_total)
bar.render('bar01.html')
#1996年和2015年世界人口分布饼图
1
2
3
4
5
6
7
8
9
10
11
12
page = Page()
x = ['北美洲','欧洲','亚洲','大洋洲','非洲','拉丁美洲']
y1 = [pop['NA'][0], pop['EU'][0] , pop['AS'][0] , pop['DY'][0] , pop['AF'][0] , pop['LA'][0]]
y2 = [pop['NA'][-1], pop['EU'][-1] , pop['AS'][-1] , pop['DY'][-1] , pop['AF'][-1] , pop['LA'][-1]]
pie = Pie("1996年界人口分布")
pie.add("",x, y1,is_label_show = True)
page.add(pie)
pie = Pie("2015年界人口分布")
pie.add("",x, y2,is_label_show = True)
page.add(pie)
page.render('pie01.html')
page
还有各种图按照需求添加即可
全部代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
#encoding:utf-8
import pyecharts
import pandas as pd
from pyecharts import Bar
from pyecharts import Line
from pyecharts import Pie
from pyecharts import Page
#读取csv文件，返回包含20年数据的list
def readcsv(path):
f = open(path)
data = pd.read_csv(f,delimiter=",",error_bad_lines=False,skiprows=3)#逗号为分隔符，跳过前三行
data = data.dropna(how='any')#去掉缺失值
years = data.columns.tolist()
years.remove(years[0]) #去掉第一个值
pop = []
years.reverse() #链表逆序，年份从小到大排列
for i in years:
pop.append(data[i].tolist())
tot = 0
total = []
for i in pop:
for j in i:
tot += j
total.append(tot)
return total
years = ['1996年', '1997年', '1998年', '1999年', '2000年', '2001年', '2002年', '2003年', '2004年', '2005年', '2006年', '2007年', '2008年', '2009年', '2010年', '2011年', '2012年', '2013年', '2014年', '2015年']
pop = {}
NA = readcsv('../世界人口数据/人口_北美洲.csv')
EU = readcsv('../世界人口数据/人口_欧洲.csv')
AS = readcsv('../世界人口数据/人口_亚洲.csv')
DY = readcsv('../世界人口数据/人口_大洋洲.csv')
AF = readcsv('../世界人口数据/人口_非洲.csv')
LA = readcsv('../世界人口数据/人口_拉丁美洲.csv')
#将各个洲的数据存放在字典里
pop = {'NA':NA,'EU':EU,'AS':AS,'DY':DY,'AF':AF,'LA':LA}
#1996-2015全世界总人数
pop_total = []
for i in range(0, 20):
#print(pop['NA'][i] + pop['EU'][i] + pop['AS'][i] + pop['DY'][i] + pop['AF'][i] + pop['LA'][i])
#pop_total[i] = pop['NA'][i] + pop['EU'][i] + pop['AS'][i] + pop['DY'][i] + pop['AF'][i] + pop['LA'][i]
pop_total.append(pop['NA'][i] + pop['EU'][i] + pop['AS'][i] + pop['DY'][i] + pop['AF'][i] + pop['LA'][i])
#1996-2015全世界总人数条形图
bar = Bar("20年世界人口总数")
bar.add("人口",
years,
pop_total)
bar.render('bar01.html')
#各个洲人口条形图
print()
bar = Bar("各个洲人口",width=1400,height=700)
bar.add("欧洲",years,pop['EU'])
bar.add("亚洲",years,pop['AS'])
bar.add("拉丁",years,pop['LA'])
bar.add("北美洲",years,pop['NA'])
bar.add("大洋洲",years,pop['DY'])
bar.add("非洲",years,pop['AF'])
bar.render('bar02.html')
bar
#1996-2015各个洲总人数折线图
line = Line("各个洲人口",width=1400,height=700)
line.add("欧洲",years,pop['EU'])
line.add("亚洲",years,pop['AS'])
line.add("拉丁",years,pop['LA'])
line.add("北美洲",years,pop['NA'])
line.add("大洋洲",years,pop['DY'])
line.add("非洲",years,pop['AF'])
line.render('line01.html')
line
#1996年和2015年世界人口分布饼图
page = Page()
x = ['北美洲','欧洲','亚洲','大洋洲','非洲','拉丁美洲']
y1 = [pop['NA'][0], pop['EU'][0] , pop['AS'][0] , pop['DY'][0] , pop['AF'][0] , pop['LA'][0]]
y2 = [pop['NA'][-1], pop['EU'][-1] , pop['AS'][-1] , pop['DY'][-1] , pop['AF'][-1] , pop['LA'][-1]]
pie = Pie("1996年界人口分布")
pie.add("",x, y1,is_label_show = True)
page.add(pie)
pie = Pie("2015年界人口分布")
pie.add("",x, y2,is_label_show = True)
page.add(pie)
page.render('pie01.html')
page