近年来，越来越多的生态问题展现在我们眼前，像日本往大海倾倒核废水，全球干旱，热带雨林大面积火灾，全球最高温，温度突变，极端天气，等都将生态问题展现在我们面前。当代生态环境问题，是人类不合理的活动引起的生态要素减少、生态结构瓦解、生态功能损害、环境质量下降、自然灾害频繁,转而又直接危害人的利益，威胁人类生存和发展的一种现象。就其实质而言，它不是天灾,而是人祸;不是单一问题，而是由一系列全球性问题交织在一起而形成的综合性问题。

我们迫不及待地想了解环境地变动，接下来我将通过excel处理经合组织和国家统计局获取的数据，通过帆软finebi对环境基础数据实现可视化图表分析，制作环境基础数据的可视化仪表板。

1.数据来源

1. 数据取自经合组织统计局（OECD Statistics）和国家统计局。

2. 原始数据源文档（7个xlsx文档）：09年气温.xlsx，99年平均气温.xlsx，1980-2016月份气温.xlsx,1980-2022温度异常.xlxs，温室气体排放量.xlsx，主要城市平均气温.xlsx,主要城市相对湿度.xlsx。

3. 数据源处理表（8个xlsx文档）：09年气温.xlsx，99年平均气温.xlsx，1980-2016月份气温.xlsx,1980-2022温度异常.xlxs，温室气体排放量.xlsx，主要城市平均气温.xlsx,主要城市相对湿度.xlsx，温室气体排放量转置.xlsx。

4. 数据处理工具：finebi，excel，OpenRefine。

2.数据处理

2.1 环境基础数字字段

2.2数据加工过程

1. 09年气温.xlsx

使用excl中的数据获取，选择“从网站中获取数据”，输入打开的国家统计局页面网站，将原数据表导入，使用“填充”将源文件中的英文全部转化为汉字、再使用“填充”将数字格式纠正为即可，并将空值的列行删去，即可。

2. 99年平均气温.xlsx

3. 1980-2016月份气温.xlsx

4. 1980-2022温度异常.xlxs

3.仪表板布局设置

4.图表制作

4.1 1880-2022年月平均气温彩虹图

图4.1 1880-2022年月平均气温彩虹图

制作方法：导入数据表“1980-2016年月份气温.xlsx”，图表类型中选择“多系列折线图”，将维度中“月份”拖向横轴，将指标1880-2022年的所有指标拖动到纵轴，为体现重点，我们点击2022，选择“特殊显示”，选择“动画”，确定“2s”，设计颜色样式，按彩虹色排列，删去图例。

数据分析：通过1880-2022年月平均气温彩虹图，经过40年数据统计，发现7月气温为每一年气温峰值，且每一年的平均气温在升高，全年高温日益严重。

4.2 1990温室气体排放地图（co2千吨）

图4.2 1990温室气体排放地图

制作方法：导入数据表温室气体排放量（CO2）.xlsx，右击维度“国家”，选择地理字段，生成地理字段“国家（经度）”，“国家（纬度）”，把两个地理纬度拖至横纵轴，生成地图，将指标1990拖至颜色，标签，生成1990碳排放量区域地图。

数据分析：通过对1990年全球碳排放量地图分析，看见颜色最深的地区是美国，所以1990年温室气体排放量最高的是美国，其次是俄罗斯，那是俄罗斯和美国是属于经济强国，国内的经济蓬勃发展，碳排放量也居于世界前列。美国1990年碳排放量高达6453450.22千吨。

4.3 2020世界温室气体排放地图（CO2千吨）

图4.3 2020世界温室气体排放地图

制作方法：如1990世界温室气体排放地图。

数据分析：通过对2020年全球碳排放了地图分析，看见颜色最深的地区是中国，中国2020世界温室气体排放量最高。制造产业中心在中国，在疫情影响下，中国合理管控，科学引导，使得中国的制造产业居于世界前茅，提供全球大部分的产值。

4.4 1980年-2022年温度的年平均值差异折线图

图4.4 1980年-2022年温度的年平均值差异折线图

制作方法：导入数据源1980-2022温度异常.xlsx，将月份拖至横轴，选择多系列折线图，将1980-2022年的指标依次拖拽到纵轴，设置每条折线的颜色，取消图例，取消数值轴标题，给2022年指标添加注释和动画特殊显示。、

数据分析：1929-1978每年温度年平均值降低，1978年后年平均温度升高；2002年开始每月年平均温度变化波动较大，尤其是1月到5月波动比较明显。可以看出，每一年的温度都在平均上升。

4.5 全球30年碳排放量趋势图

图4.5 全球30年碳排放量趋势图

制作方法：导入数据库表温室气体排放量转置表.xlsx，添加计算字段“合计”，将所有国家求和，将指标合计拖放至纵轴，将年份拖放至横轴，在计算字段“合计”中，添加注释，选择条件或，添加最大的一个和最小的一个的注释，点击添加设置分析线，选择趋势线，指标选择“求和”，出现一条趋势线。

数据分析：近30年里，碳排放量的峰值是2007年。2018年全球碳排放开始下降，2018年11月欧盟通过了《欧盟2050战略性长期愿景》，要求欧盟从能源、建筑、交通、土地利用、农业、工业、循环经济等多方面入手，推动欧盟全面降低碳化发展。2020年全球疫情影响下，碳排放量减少5.9%，碳排放为320.79亿吨。世纪70年代至今，随着全球经济发展，碳排放和人均排放均有大幅增长。

4.6 1990温室气体排放组合图

图4.6 1990温室气体排放组合图

制作方法：导入数据表温室气体排放量.xlsx，图形属性中选择对比柱状图，将纬度中国家拖拽至纵轴，将1990指标拖拽至横轴，将国家拖拽至颜色，将1990拖拽至标签，将1990拖拽至筛选，设置显示前20个国家，在纵轴中选择轴逆序，选择降序排列，按指标“1990”，不显示图例。至1990中添加特殊显示，选择调降“最大的一个”，取消数值轴的标题显示。

再按源数据表，添加一个玫瑰图，设置筛选，只显示前5个数据，显示标签，在图形外，设置只显示最大最小值，将玫瑰图设置悬浮，拖拽至对比柱状图内。

数据分析：欧盟30年碳排放量减少1936864.12千吨，位居碳排放量减少值第一；世界总碳排放量从1990到2020降低了4155110.7千吨；

4.7 2020世界温室气体排放组合图

图4.7 2020世界温室气体排放组合地图

图表制作：制作方法如1990世界温室气体排放组合图。

数据分析：具体到国家碳排放量来看，中国、美国、印度是全球碳排放前三位国家，排放量远超其他国家，但碳排放走势有所不同。中国、印度的碳排放量逐年上升；美国的碳排放呈下降趋势。中国与印度工业发展相较美国起步较晚，目前，美国已经发展成为发达国家，而中国与印度仍是处于发展中国家，因此经济发展仍需要大量的煤炭能源消耗，碳排放量仍在增长。中国碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。印度在格拉斯哥联合国气候峰会上承诺，将在2070年前实现净零碳排放。而美国已逐渐调整能源结构，早在2007年便实现碳达峰，碳排放量已进入下降通道。

5 成果展示

图5.1 模块1成果展示图

6.总结和分享

碳排放：

·建立和实施不同时间尺度上的环境调控政策。控制经济发展过程中的碳排放,应建立实施碳排放法律法规、技术标准、碳交易、碳排放的企业准入门槛、节能减排等政策措施降低碳排放量。

·积极推进产业结构向节能型、高级化发展,并大力发展环保产业。按照/减量化、再利用、资源化原则和走新型工业化道路的要求,采取各种有效措施,进一步改进产业结构和能源结构从而降低碳排放。调整产业结构就要大力发展第三产业和高新技术产业,尤其是要大力发展环保产业。

·推行削减碳排放的技术,提高能源利用效率;发展低碳能源和可再生能源,改善能源结构。

以上就是对excel获取的环境数据的数据可视化分析，通过帆软finebi对环境基础数据实现帆软可视化图表制作，并通过仪表板的布局设置完成对帆软数据分析仪表板的实现，向大家叙述环境数据的语言并讲好故事。

finebi实现对环境基础数据可视化图表分析相关推荐

数据分析可视化04 图表组件：Echarts数据可视化图表基础
本课时是课程的第二个模块,环境部署篇的第一个课时.在第一部分的基础理论篇,我向你介绍了数据可视化分析的概念定义.方法体系和关键技术.接下来,我会带你了解基于开源框架,如何部署数据可视化分析的开发环境, ...
python动态交互图表_Python 调用 matplotlib 实现交互式数据可视化图表案例
交互式的数据可视化图表是 New IT 新技术的一个应用方向,在过去,用户要在网页上查看数据,基本的实现方式就是在页面上显示一个表格出来,的而且确,用表格的方式来展示数据,显示的数据量会比较大,但是, ...
echart 数据视图_关于数据可视化图表的制作，你需要关注的30个小技巧
优秀的数据可视化图表只是罗列.总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者的体验,而非图表制作者个人. 今天就给大 ...
【Python】20个小技巧，让数据可视化图表更专业！
参考 uxdesign Taras Bakusevych 数据可视化是数据展示的常见方式,所谓一图抵千言,好的图表能高效传递信息,让观众一目了然,差的图表往往会不知所云. 人类大脑的一半完全是用于处理 ...
数据可视化图表，你选对了吗？
戳蓝字"CSDN云计算"关注我们哦! Photo by Jason Coudriet on Unsplash 文 | 邻川来源 | 阿里巴巴中间件程序员懂画图,一宝变三宝. 继 ...
layui导入模板数据_数据可视化图表教程echarts，第一讲
1 我们写web项目,展示数据的地方,可能会使用到图表.今天就讲这个玩意. 本教程暂时定为三讲:(随后情况,如果有新的研究,会有所更新!) 第一讲饼图的使用第二讲柱状图的使用第三讲拆 ...
丽水数据可视化设计价格_B端产品设计数据可视化图表选择篇
本文一共6040文字,阅读大概需要15分钟近期在做直播后台内容数字化渠道升级 ,其中有个工作是需要把大量的数据表格转换成为可视化图表,接到需求一脸懵的我,冒出几个问题 1.什么是数据可视化? 2.数 ...
数据可视化图表有哪些类型
数据可视化图表,就是起到这个作用,在当今快节奏的生活工作中,节省人们接受信息的时间,并带来视觉的享受.下面,将介绍几种常见的数据可视化图表,并介绍如何根据需求选择不同类型的图表. 数据可视化基础图表 ...
关于数据可视化图表的制作，你需要关注的30个小技巧
优秀的数据可视化图表只是罗列.总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者的体验,而非图表制作者个人. 今天就给大 ...

finebi实现对环境基础数据可视化图表分析