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：

![](https://i.imgur.com/063qzGj.png)

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。

pyecharts各省人口GDP可视化分析相关推荐

Python+Tableau第七次人口普查可视化分析
Python+Tableau第七次人口普查数据分析,绘制历次人口普查人口数量变化图.第七次人口普查不同省份总人口.同时以广东省为例,研究人口,性别分布情况,城镇人口变化. 文章目录人口普查人口数量变 ...
【Python可视化】使用Pyecharts进行奥运会可视化分析～
项目全部代码 & 数据集都可以访问我的KLab --[Pyecharts]奥运会数据集可视化分析-获取,点击Fork即可- 受疫情影响,2020东京奥运会将延期至2021年举行: 虽然延期,但 ...
数据可视化分析之热门旅游景区数据分析
背景介绍对景区的数据分析可以判断热门景区的走向和趋势,从而帮助更好的决定去哪里游玩,具有一定的指导意义. 景区数据分析这里直接展示数据分析的结果: 首先展示了数据的原始信息,然后,使用了pyech ...
[好文!!!]pyecharts实现星巴克门店分布可视化分析
pyecharts实现星巴克门店分布可视化分析项目介绍使用pyecharts对星巴克门店分布进行可视化分析: 全球门店分布/拥有星巴克门店最多的10个国家或地区: 拥有星巴克门店最多的10个城市: ...
【手把手教你】股票可视化分析之Pyecharts（二）
01 引言 Pyechartss 是基于Echarts 的开源可视化库,可以制作非常精美的图表.公众号推文<[手把手教你]股票可视化分析之Pyecharts(一)>,以股票交易数据为例,为 ...
【Python】pandas获取全省人口数据并作可视化分析
前言目录前言代码实现可视化分析今天我们看看自己所在的省份的人口人数,使用pandas并作可视化分析. 环境使用 python 3.9 pycharm 模块使用 pandas Pandas 是 ...
[Pyhon大数据分析] 二.PyEcharts绘制全国各地区、某省各城市地图及可视化分析
思来想去,虽然很忙,但还是挤时间针对这次YQ写个Python大数据分析系列博客,包括网络爬虫.可视化分析.GIS地图显示.情感分析.舆情分析.主题挖掘.威胁情报溯源.知识图谱.预测预警及AI和NLP应 ...
pyecharts geo_pyechartstableau可视化分析案例+分析思路
大家好,今天的视频是关于广州市的美食数据可视化分析,对美食的整体分布情况做了一个展示,加上一些美食推荐.我们从四个角度展示我们的数据,地理位置,商圈,得分,美食推荐.文章的重点在于(二)部分,该怎么讲 ...
全国24小时降水量pyecharts可视化分析
全国24小时降水量pyecharts可视化分析分享一个小案例,爬虫抓取天气预报网站的降水量数据,并利用pyecharts库进行可视化生成动态的热力图.数据获取网站如下所示. http://www.n ...

pyecharts各省人口GDP可视化分析