pyecharts各省人口GDP可视化分析

版权声明：本文为博主原创文章，转载 请注明出处：https://blog.csdn.net/sc2079/article/details/82503569

9月9日更：本篇博客数据下载：链接：https://pan.baidu.com/s/1G2_oP6ElxAPh-S2miqE6cw 密码：7bjg

- 写在前面

---

　　上次在中国大学MOOC课程信息之数据分析可视化二中，第一次使用了百度开源的pyecharts。真心说，pyecharts真的好用。因此，我又迫不及待地探索其他有趣的绘图方法。

　　本篇博客所涉及的数据均来源于国家统计局。pyecharts使用参考：pyecharts官网

　　PS：作为一个地图控和数据爱好者，我接下来会不定期更新此博客，感谢大家浏览。

- 环境配置安装

---

　　运行环境：Python3.6、Spyder

　　依赖的模块：numpy,pandas,re,pyecharts以及一些地图模块

- 开始工作

---

1. 获取数据

　　在国家统计局官网上点击数据查询。（需要注册登录！）

　　在地区数据中的分省年度数据中点击左边的指标，如人口，综合，再设置时间（我取的是最近20年）。

　　此次我下载的是各省近20年的GDP以及各省近20年的人口（格式csv）。（时间跨度从1997年到2016年）。如果需要数据的，请留言或私戳。

　　用MS Excel打开下载的csv表格,发现有很多说明文字，如：

　　因此，这里我们需手动删除掉这些说明文字。

2. 数据读取

gdp_path='D://python_data//provinces_gdp.csv'  #各省GDP文件路径
pop_path='D://python_data//provinces_population.csv'  #各省人口文件路径
gdp_data = pd.read_csv(gdp_path)  #pandas读入csv表格
pop_data = pd.read_csv(pop_path)

　　运行之后，发现报错：


　　仔细检查，原来pandas读入含中文的表格时，需要编码成中文的GB2312格式！

gdp_data = pd.read_csv(gdp_path,encoding='GB2312')  #pandas读入csv表格
pop_data = pd.read_csv(pop_path,encoding='GB2312')

　　好了，数据读取成功。现在开始绘图啦！

３. 绘制2016年各省GDP人口条形图

　　由于读入的数据为pandas格式，而pyecharts默认为list格式。因此这里需要进行转换（PS：很久之前学的pandas了，好多知识点都忘了，笑哭）。虽然官网上也有相应例子，但发现并不怎么好用。网上搜了一些方法，这篇博客用pandas中的DataFrame时选取行或列写的不错，可以借鉴。

'''2016年各省GDP人口条形图'''
attr=gdp_data['地区'].values.tolist()  #省份名
v1=gdp_data['2016年'].values.tolist() #2016年各省GDP
v2=pop_data['2016年'].values.tolist() #2016年各省人口
bar = Bar("2016年各省GDP人口条形图",title_color="#fff", title_pos="auto",
      width=1200, height=600,background_color="#404a59")
bar.add("GDP/亿元", attr, v1)
bar.add("人口/万", attr, v2, is_label_show=True,is_datazoom_show=True,
        xaxis_label_textsize=10,xaxis_rotate=30)
bar.render("2016年各省GDP人口条形图.html")

　　说明：各省GDP的数据先取某一列，如2016年的，得到新的Dataframe，再取value值，得到numpy格式的数据，最后将其转换为list格式。

　　下方可滑动，可以看到不同的省份的GDP和人口（红色为GDP/万亿元，蓝色为人口/万，）。

4. 绘制指定省历年GDP与人口变化曲线

　　我这里选的省份是四川（家乡啦），你也可以选择你的家乡或者感兴趣的。

province='四川省'
attr=gdp_data.columns.tolist()[-1:0:-1]  #年份
v1=gdp_data[gdp_data['地区']==province].values.tolist()[0][-1:0:-1]  #历年GDP数据
v2=pop_data[pop_data['地区']==province].values.tolist()[0][-1:0:-1]  #历年人口数据
line = Line(province+"历年GDP与人口变化曲线",title_color="#404a59", title_pos="auto",
    width=1200, height=600)
line.add("GDP/亿元", attr, v1, is_stack=True, is_label_show=True)
line.add("人口/万", attr, v2, is_stack=True, is_label_show=True)
line.render(province+"历年GDP与人口变化曲线.html")

　　需要指出的是获取历年数据时依照前面方法得到的是二维数组、第一个值不是数据且数据是从2016年到1997年的。因此这里取第一维，去掉第一个值，倒序输出。

　　红色为GDP，蓝色为人口，其中人口在前两个为空。可以看出，四川省近20年GDP比人口增长得更快，人民的生活越来越好啦，开心。

5. 绘制2016年全国各省人均GDP地图

　　看看2016年哪个地方最发达，人民最富。

'''2016年全国各省人均GDP地图'''
attr=gdp_data['地区'].values.tolist()  #省份名
attr=[re.sub('[自治区市省回族维吾尔壮族]', '', i) for i in attr]
v1=gdp_data['2016年'].values #2016年各省GDP
v2=pop_data['2016年'].values #2016年各省人口
value=np.round(v1/v2,decimals=2).tolist()   #2016年各省人均GDP，保留两位小数
map = Map("2016年全国各省人均GDP地图",title_color="#404a59", title_pos="auto",
    width=1200, height=600)
map.add("人均/万元",attr,value,visual_range=[0, 12],maptype="china",is_visualmap=True,
    visual_text_color="#000"
)
map.render("2016年全国各省人均GDP地图.html")

　　需要说明的是，由于pyecharts默认的省级行政区不带有“市”，“省”，“自治区”，民族字样，这里需要先将省名预处理，用re去掉多余字符。

　　另外，在求人均GDP时，发现Numpy数组相除相对简单。为了数据看着更简洁，这里保留两位小数。

　　再看看人均上６万的。

　　哎，只有沿海地区外加内蒙古和帝都了。看来西部大开发国家还得继续鼎力支持啊。

６. 绘制近20年全国各省GDP增长率地图

　　上边的图有点来气，我们西部好不发达呀。别生气，我们应该换种角度看待问题，那么从近２０年的发展来看，情况是怎样的呢？

'''近20年全国各省GDP增长率地图'''
_attr=gdp_data['地区'].values.tolist()  #省份名
attr=[re.sub('[自治区市省回族维吾尔壮族]', '', i) for i in _attr]
value=[]
for i in _attr:
    gdp=gdp_data[gdp_data['地区']==i].values.tolist()[0][-1:0:-1]  #历年GDP数据
    rate=round(gdp[-1]/gdp[0],2)
    value.append(rate)
map = Map("近20年全国各省GDP增长率地图",title_color="#404a59", title_pos="auto",
          width=1200, height=600)
map.add("增长率/倍",attr,value,visual_range=[0, 16],maptype="china",is_visualmap=True,
    visual_text_color="#000"
)
map.render("近20年全国各省GDP增长率地图.html")

　　情况是这样的：

　　我国大多省份在近20年都实现了快速发展（东北发展相对有点缓慢）。

　　而看增长大于12倍的省份，好多都是中西部的。看来中西部地区发展速度的比东部沿海地区更快呀。

- 结语

---

　　持续更新中。另外，有需要的话，数据和生成的html网页我会打包放在云盘上共享出来。