【39 Pandas+Pyecharts | 第七次人口普查数据分析可视化】

news2024/11/20 18:21:12

文章目录

  • 🏳️‍🌈 1. 导入模块
  • 🏳️‍🌈 2. Pandas数据处理
    • 2.1 读取数据
    • 2.2 数据预览
  • 🏳️‍🌈 3. Pyecharts数据可视化
    • 3.1 全国各省人口统计三维地图
    • 3.2 全国各地区人口数量分布地图
    • 3.3 全国人口性别比例
    • 3.4 全国总人口性别和地区分布桑基图
    • 3.5 全国各地区人口年龄构成
    • 3.6 全国年龄人口占比饼图
    • 3.7 全国各地区每10万人口中拥有的各类受教育程度人数占比
    • 3.8 第六_第七次人口普查各地区15岁及以上人口平均受教育年限
  • 🏳️‍🌈 4. 可视化项目源码+数据

大家好，我是 👉【Python当打之年(点击跳转)】

本期利用 python 分析一下「第七次全国人口普查数据」 ，看看我国各地区分口分布、年龄构成、性别构成以及各地区搜教育程度情况 等等，希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。

概要：

  • 第七次全国人口普查结果：全国人口共141178万人，与2010年的133972万人相比，增加了7206万人，增长5.38%；年平均增长率为0.53%，比2000年到2010年的年平均增长率0.57%下降0.04个百分点。
  • 全国人口中，男性人口为723339956人，占51.24%；女性人口为688438768人，占48.76%。总人口性别比为1.0507。
  • 0—14岁人口占17.95%，15—59岁人口占比63.35%，60岁及以上人口占18.7%，65岁及以上人口占13.5%。

涉及到的库：

  • Pandas — 数据处理
  • Pyecharts — 数据可视化

🏳️‍🌈 1. 导入模块

import pandas as pd
from pyecharts.charts import Line
from pyecharts.charts import Bar
from pyecharts.charts import Pie
from pyecharts.charts import Map
from pyecharts.charts import PictorialBar
from pyecharts.charts import Sankey
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType
from pyecharts.commons.utils import JsCode
from pyecharts import options as opts
import warnings
warnings.filterwarnings('ignore')

🏳️‍🌈 2. Pandas数据处理

2.1 读取数据

df1 = pd.read_excel('./data/各地区15岁及以上人口平均受教育年限.xlsx')
df2 = pd.read_excel('./data/各地区每10万人口中拥有的各类受教育程度人数.xlsx')
df3 = pd.read_excel('./data/各地区人口.xlsx')
df4 = pd.read_excel('./data/各地区人口年龄构成.xlsx')
df5 = pd.read_excel('./data/各地区性别构成.xlsx')
df6 = pd.read_excel('./data/全国人口年龄构成.xlsx')

2.2 数据预览

各地区15岁及以上人口平均受教育年限：
在这里插入图片描述

各地区每10万人口中拥有的各类受教育程度人数：

在这里插入图片描述

各地区人口：

在这里插入图片描述

各地区人口年龄构成：

在这里插入图片描述

各地区性别构成：

在这里插入图片描述
全国人口年龄构成：
在这里插入图片描述

🏳️‍🌈 3. Pyecharts数据可视化

3.1 全国各省人口统计三维地图

def get_map3d():
    map3d = (
        Map3D()
        .add_schema(
            map3d_label=opts.Map3DLabelOpts(
                is_show=False
            ),
            emphasis_label_opts=opts.LabelOpts(is_show=False),
            light_opts=opts.Map3DLightOpts(
                main_shadow_quality='high',
                is_main_shadow=True,
                main_intensity=1,
                main_alpha=30,
            ),
            post_effect_opts=opts.Map3DPostEffectOpts(
                is_enable=True,
                is_ssao_enable=True,
                ssao_radius=1,
                ssao_intensity=1
            )
        )
        .add(
            series_name="",
            data_pair=new_area_data,
            type_=ChartType.BAR3D,
            shading="lambert",
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='1-全国各省人口统计三维地图',
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                pos_left='10%',
                pos_bottom='10%',
                range_color=range_color
            ),
        )
    )
    return map3d

在这里插入图片描述

3.2 全国各地区人口数量分布地图

def get_map():
    m = (
        Map()
        .add('',
             data,
             'china',
            )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='2-全国各地区人口数量分布地图',
            ),
            legend_opts=opts.LegendOpts(is_show=False),
            visualmap_opts=opts.VisualMapOpts(
                range_color=range_color,
                pos_bottom='10%',
                pos_left='20%'
            ),
            
        )
    )
    return m

在这里插入图片描述

3.3 全国人口性别比例

在这里插入图片描述

3.4 全国总人口性别和地区分布桑基图

def get_sankey():
    sankey = (
        Sankey()
        .add(
            "sankey",
            nodes,
            links,
            pos_top='10%',
            node_width=50,
            node_gap=10,
            node_align='justify',
            focus_node_adjacency=True,
            linestyle_opt=opts.LineStyleOpts(opacity=0.6, curve=0.5, color="source"),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='4-全国总人口性别和地区分布'
            )
        )
    )
    return sankey

在这里插入图片描述

3.5 全国各地区人口年龄构成

def get_bar():
    bar = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis("销量",y_data1)
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='5-奥迪全系销量及裸车价格',
                pos_top='1%',
                pos_left="center",
                title_textstyle_opts=opts.TextStyleOpts(color='#00838F',font_size=25),
            ),
        )
    )
    return bar

在这里插入图片描述

3.6 全国年龄人口占比饼图

def get_pie():
    pie = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(x_data, y_data)],
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='6-全国年龄人口占比饼图',
            ),
            visualmap_opts=opts.VisualMapOpts(
                pos_bottom='10%',
                pos_left='10%',
                is_show=False,
                range_color=range_color
            )
        )
    )
    return pie

在这里插入图片描述

3.7 全国各地区每10万人口中拥有的各类受教育程度人数占比

def get_radar():
    radar = (
        Radar(init_opts=opts.InitOpts(width='1000px', height='600px',bg_color='#CFD8DC')chema(
            schema=schemas,
            splitarea_opt=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
            textstyle_opts=opts.TextStyleOpts(color="#263238"),
        )
        .add(
            series_name="",
            data=[datas],
            linestyle_opts=opts.LineStyleOpts(color="#CD0000"),
        )
        .set_global_opts(
             title_opts=opts.TitleOpts(
                title='7-各项指标平均评分雷达图',
                pos_top='1%',
                pos_left="center",
                title_textstyle_opts=opts.TextStyleOpts(color='#00838F',font_size=25),
            ),
        )
    )
    return radar

在这里插入图片描述

3.8 第六_第七次人口普查各地区15岁及以上人口平均受教育年限

在这里插入图片描述

🏳️‍🌈 4. 可视化项目源码+数据

点击跳转：【全部可视化项目源码+数据】

以上就是本期为大家整理的全部内容了，赶快练习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1370876.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Make自动化构建程序工具介绍

Make自动化构建程序工具介绍

Makefile是一种用来自动化构建程序的工具于，主要在UNIX和类UNIX系统上使用。它使用一种简单的语法来定义目标和依赖关系，从而实现自动化构建和管理项目的过程。 一个Makefile由一系列规则组成，每个规则包含一个目标和一组依赖文件。目标是要…
阅读更多...
数十位大咖共话AI大模型落地，2024 AI 科技峰会前瞻 | 光锥智能

数十位大咖共话AI大模型落地，2024 AI 科技峰会前瞻 | 光锥智能

在ChatGPT带起的AI浪潮中，我们进入了一个科技狂奔的时代。 2023年，风云变幻中，我们见证了中国数百个大模型如雨后春笋般冒出，在多个重要版本的优化下，我们见证了大模型以光速迭代，在参数量、长文本、多模态…
阅读更多...
Rancher2部署MySQL无法挂载Longhorn创建的pvc，怎么办？

Rancher2部署MySQL无法挂载Longhorn创建的pvc，怎么办？

转载说明：如果您喜欢这篇文章并打算转载它，请私信作者取得授权。感谢您喜爱本文，请文明转载，谢谢。 环境描述： rancher版本：v2.5.7 Longhorn版本：v1.1.1 MySQL版本：v5.7.26 问题描述…
阅读更多...
基于Spring Boot框架的音乐平台

基于Spring Boot框架的音乐平台

如今，互联网上的管理系统种类越来越多，人们思考将网站的使用运用到生活的方方面面，所以我联想到的是设计一个音乐平台，由于音乐平台的发展以及业务的提升，对音乐平台管理的要求越来越高，而一个稳定的音乐平…
阅读更多...
AI人工智能虚拟现实行业发展分析

AI人工智能虚拟现实行业发展分析

AI人工智能和虚拟现实是当今科技领域最受关注和研究的两个领域。这两项技术的迅速发展给各行各业带来了巨大的变革和机遇。在过去的几年里，AI和虚拟现实已经取得了显著的进展，并且有着广阔的发展前景。 AI人工智能作为一种模拟人类智能的技术&#xff0…
阅读更多...
C#，数值计算，高斯消元法与列主元消元法的源代码及数据动态可视化

C#，数值计算，高斯消元法与列主元消元法的源代码及数据动态可视化

高斯消元法！ 一、高斯消元法 Gaussian Elimination 高斯消元法（或译：高斯消去法），是线性代数中的一个常用算法，常用于求解线性方程组和矩阵的逆。 本程序的运行效果： 1、高斯消元法的动画演示…
阅读更多...
成功解决使用git clone下载失败的问题： fatal: 过早的文件结束符（EOF） fatal: index-pack 失败

成功解决使用git clone下载失败的问题： fatal: 过早的文件结束符（EOF） fatal: index-pack 失败

一.使用 http 可能出现的问题和解决 1.问题描述 ~$ git clone https://github.com/oKermorgant/ecn_baxter_vs.git 正克隆到 ecn_baxter_vs... remote: Enumerating objects: 13, done. remote: Counting objects: 100% (13/13), done. remote: Compressing objects: 100% (…
阅读更多...
免费分享一套微信小程序扫码点餐(订餐)系统(uni-app+SpringBoot后端+Vue管理端技术实现) ，帅呆了~~

免费分享一套微信小程序扫码点餐(订餐)系统(uni-app+SpringBoot后端+Vue管理端技术实现) ，帅呆了~~

大家好，我是java1234_小锋老师，看到一个不错的微信小程序扫码点餐(订餐)系统(uni-appSpringBoot后端Vue管理端技术实现) ，分享下哈。 项目视频演示 【免费】微信小程序扫码点餐(订餐)系统(uni-appSpringBoot后端Vue管理端技术实现) Java毕…
阅读更多...
etcd跨主机通信与Flannel

etcd跨主机通信与Flannel

跨主机通信 Docker 默认的网络环境下 , 单台主机上的 Docker 容器可以通过 docker0 网桥直接通信 , 而不同主机上的 Docker 容器之间只能通过在主机上做端口映射进行通信。 这种端口映射方式对很多集群应用来说极不方便。 如果能让 Docker 容器之间直接使用自己的 IP 地址进…
阅读更多...
如何通过UMC进行产品升级

如何通过UMC进行产品升级

随着互联网、云计算技术的深入发展，为降低企业大规模云应用建设的难度和成本，支持云应用开发、运行与运维一体化的云应用平台软件应运而生。在数通家族中对公司集成套件的云平台开发、部署、管理、运维进行统一管理，实现数据集成和共享的平台…
阅读更多...
FFmpeg获取音视频流信息

FFmpeg获取音视频流信息

文章目录 前言一、需求二、源码三、运行结果 前言 本文记录用 FFmpeg 获取视频流音频流的信息（编码格式、分辨率、帧率、播放时长…），所用的工程基于上个博客编译成功的工程：使用FFmpeg4.3.1的SDK官方开发包编译ffmpeg.c 一、需求…
阅读更多...
HTML5网站小游戏源码系统：各种各样小游戏集合，你想要的这里都有+完整的安装代码包以及搭建教程

HTML5网站小游戏源码系统：各种各样小游戏集合，你想要的这里都有+完整的安装代码包以及搭建教程

现如今，科技的不断发展，HTML5技术逐渐成为网页游戏开发的主流。为了满足广大游戏爱好者的需求，罗峰给大家推荐一款基于HTML5的网站小游戏源码系统。这款系统集成了众多经典小游戏，涵盖了各种类型，无论您是寻找休闲益智…
阅读更多...
centos7安装ES

centos7安装ES

1.JDK安装 因为我这里安装的ES版本是7.9.3 因为项目用的1.8的JDK, 7.9.3又兼容1.8，我在这装了1.8的JDK 支持一览表的IP 支持一览表 | Elastic 先将jdk的tar.gz 文件拷入系统 tar -zxvf jdk-8u351-linux-x64.tar.gz 解压压缩包 配置环境变量 vim /etc/profile …
阅读更多...
Burp Suite拦截信息或返回数据中文乱码，解决不显示中文

Burp Suite拦截信息或返回数据中文乱码，解决不显示中文

1.点击User options->Display。 2.点击change font，选择宋体。Charater sets选择UTF-8（如果还是乱码，看一下请求或响应字符集 charserxxx）。
阅读更多...
美信科技盘古信息智能车间项目成功验收，打造电子元器件数字化工厂标杆

美信科技盘古信息智能车间项目成功验收，打造电子元器件数字化工厂标杆

作为一家深耕于磁性元器件领域近二十年的制造企业，广东美信科技股份有限公司（以下简称“美信科技”）始终秉承着“为电磁赋能，创工业至美”的企业使命，为中国制造卓越发展贡献力量。在当今数字化时代，制造企…
阅读更多...
orangepi 4lts 无线网卡wlan0隔几个小时自动掉线解决

orangepi 4lts 无线网卡wlan0隔几个小时自动掉线解决

发现问题：最近使用orangepi 4lts有线(内网）和无线（外网），同时连接，无线都是隔半天就掉线，不能自动重连 无线网卡关闭节能模式 1、查看无线网卡的运行状态 sudo iwconfig wlan0 状态说明&…
阅读更多...
063：vue中一维数组与三维数组联动，类似购物车增减

063：vue中一维数组与三维数组联动，类似购物车增减

第063个 查看专栏目录: VUE ------ element UI javascript 一维数组与三维数组联动，一维数组转换为三为数组，源文件下载 .zip 专栏目标 在vue和element UI联合技术栈的操控下，本专栏提供行之有效的源代码示例和信息点介绍，做到灵活运用。 （1）提供vue2的一些基本操作：安…
阅读更多...
常见的http状态码及其含义，以及状态码的分类

常见的http状态码及其含义，以及状态码的分类

常见状态码及其含义： 状态码分类： HTTP状态码由三个十进制数字组成，第一个十进制数字定义了状态码的类型，后两个数字没有分类的作用。HTTP状态码共分为5种类型： 200：表示请求成功，服务器响应正…
阅读更多...
适用于 Windows 的 4 个最佳免费数据恢复软件

适用于 Windows 的 4 个最佳免费数据恢复软件

计算机最重要的是用户数据。除了您的数据之外，关于计算机的其他一切都是可替换的。这三个是数据丢失的最常见原因： 文件/文件夹删除 丢失分区 损坏的分区 文件/文件夹删除是最常见的数据丢失类型。大多数时候，由于不小心删除文件/文件夹而…
阅读更多...
大数据Doris（五十三）：SQL函数之日期函数（一）

大数据Doris（五十三）：SQL函数之日期函数（一）

文章目录 SQL函数之日期函数 一、​​​​​​​CONVERT_TZ(DATETIME dt, VARCHAR from_tz, VARCHAR to_tz)
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023