finebi实现对环境基础数据可视化图表分析
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
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。
3. 1980-2016月份气温.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。
4. 1980-2022温度异常.xlxs
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。
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 ...
最新文章
- 你中招了吗?混不好大学的人,都有这4种表现
- 4、Eternal框架-持有者
- 有关ubuntu16.04进行sudo apt-get update更新时出现:‘。。。N: 无法安全地用该源进行更新,所以默认禁用该源。。。’等问题解决方案
- ML:MLOps系列讲解之《MLOps的State(工具和框架)》解读
- 秒杀系统 mysql_秒杀系统-介绍
- 网站整体流程_企业建设网站流程解析-上海回声网络
- 论文阅读(XiangBai——【AAAI2017】TextBoxes_A Fast Text Detector with a Single Deep Neural Network)...
- 手写 instanceof 方法
- 智能手机上最没有用的功能是什么?
- solidworks中皮带同步轮配合如何做?几张图教会你
- JS打开新的页面(当前页面打开、新的页面打开)
- kms激活win10
- Python实现求二阶行列式
- “出轨照”背后的真相:防骗启示录之相册病毒报告
- python京东注册账号_Python 模拟京东登陆
- JAVA定义一个树形的结构_Java自定义树形结构
- 有哪些靠谱的淘宝代运营公司?
- android 程序中设置默认输入法
- Word2013写CSDN博客
- Java的抽象类和接口机制应用 你get了没