手把手教你用 Pandas 绘制全球人口比例可视化交互图表

反转，以赢取加中的的年份。将这个从新的原始数据侧边起名为 df_population_2020 。我们将在所画甜品上图时将再次用于这个原始数据侧边。

df_population_2020 = df_population[df_population.index.isin([2020])]

df_population_2020 = df_population_2020.T

那时候我们可以用 .iplot() 来对从新原始数据侧边完成所画. 在这种情况下，我将用于橙色实例将菱形橙色设置为浅绿色。

df_population_2020.iplot(kind='bar', color='lightgreen',

xTitle='Years', yTitle='Population',

title='Population in 2020')

多个变量一组的菱形上图

那时候让我们想要想要不同年代初期人口统计的变化情况。

# filter years out

df_population_sample = df_population[df_population.index.isin([1980, 1990, 2000, 2010, 2020])]# plotting

df_population_sample.iplot(kind='bar', xTitle='Years',

yTitle='Population')

多年来，这些国家政府的人口统计都在增长，但有些国家政府的经济总量更迟。

木箱形上图

当我们想要查看原始数据的常见于时，木箱相上图就奏效了。木箱相上图将揭示最小值、第一四分个数 (Q1)、中的个数、第三个四分个数 (Q3)以及 最大值。查看这些值的最简单方法有是创始人交互式GIS。

接着让我们看得见新泽西州的人口统计常见于。

df_population['United States'].iplot(kind='box', color='green',

yTitle='Population')

我们还可以看得见其他国家政府或邻近地区的人口统计常见于。

df_population.iplot(kind='box', xTitle='Countries',

yTitle='Population')

如我们所见，我们还可以通过点击右侧的上图例来过滤进去任何国家政府。

控制点

控制点表示数值原始数据的常见于。让我们想要想要新泽西州和不丹尼西亚的人口统计常见于。

df_population[['United States', 'Indonesia']].iplot(kind='hist',

xTitle='Population')

甜品上图

让我们用甜品上图来较为一下 2020 年的人口统计。为此，我们将用于在单个菱形上图部分中的创始人的原始数据侧边 df_population_2020

注意，要制作者甜品上图，我们需要将“国家政府/邻近地区”作为加而不是查找，因此我们用于 .reset_index() 来获取加。然后我们将其 2020 反转为字符串。

# transforming data

df_population_2020 = df_population_2020.reset_index()

df_population_2020 =df_population_2020.rename(columns={2020:'2020'})# plotting

df_population_2020.iplot(kind='pie', labels='country',

values='2020',

title='Population in 2020 (%)')

散点上图

其实人口统计原始数据不适合用散点上图，但借助于于演示的用意，这里还是加举借助于来了。

制作者散点上图类似于折相上图，但我们必须加进 mode 实例。

df_population.iplot(kind='scatter', mode='markers')

以上就是本文的全部下述内容了。不妨下载原始数据来试试，用Pandas来所画文中的提到的交互式GIS吧！

“CDA原始数据交易商”社会大众号于是就无视关键字 “人口统计” ，

方可下载原始数据CSV 档案。

还想要学习哪方面的下述内容，也注目在评论区给我们Twitter哦~

。

南京男科医院哪好
广州白癜风最好医院是哪个
贵阳妇科医院挂号
儿童鼻窦炎用再林阿莫西林颗粒管用吗
重庆前列腺炎治疗哪家好