gdp python 变迁动图_用 Python 带你看各国 GDP 变迁
前言
文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者: 周萝卜源自:萝卜大杂烩
PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
数据文件分析
先来看下我们拿到的文件,都有什么数据,哪些是我们可以利用起来的。
1、GDP 总量数据,这是我们研究的重点数据文件,里面囊括了世界各个国家和地区的历史 GDP 数据,我把它命名为“GDP_data.csv”。
2、GDP 增长率数据,这个同样是非常重要的数据文件,记录了各国 GDP 的增长率情况,我把它命名为“growth_data.csv”。
3、国家收入分类数据,该数据文件把各个国家分类成不同等级的收入阶层,比如有“高收入国家”,“低收入国家”等等,我把它命名为“Country_data.csv”。
4、国家 Code 对照表,这是一个国家英文名称和 Country Code 的对照表,我们后面在绘制地图时会使用到。
各个收入等级分析
各个收入等级分布
首先我们先来看下世界各国分布在不同收入等级的情况
可以看到,处于“高等收入”和“低收入”的国家比例差距还是很大的,在二十一世纪的今天,还有太多的人过着食不果腹、衣不保暖的生活。
下面我们再具体看下不同收入等级中各个国家具体的 GDP 总量
高收入国家
首先是高收入国家 top10 的 GDP 总量
我们首先拿到高等收入的国家信息,再与 gdp 信息数据合并,最后得到 top10 数据
# 高收入国家2018年的GDP
high = country_data[country_data['Income_Group'] == '高收入国家']
high_gdp = pd.merge(high, gdp, how='inner')
high_gdp['2018'] = high_gdp['2018'].apply(lambda x: x/1000000000000)
high_gdp_top10 = high_gdp[['Country Name', 'Country Code', '2018']].sort_values(by='2018', ascending=False)[:10]
可以看到,美国是一骑绝尘,排在后面的小弟们,总量加一起也没法和美国相提并论。而在前十名当中,几乎清一色的欧美发达国家。
我们再把榜单扩展到 top20,能看到,欧洲国家还是居多的,而中东的两个土豪也成功上榜了。
最后再来看下美国占据全世界 GDP 总量的百分比情况
看图不说话。
中等收入国家
接下来看看中等收入国家的 top10 情况
基本上都是发展中大国,其中还不乏南非、阿根廷等即将成为发达国家的选手。而我国则以13.6万亿的总量,成为美国之后另一个巨无霸般的存在。
来看看中美两个总体上占据世界 GDP 的比例情况
毫无疑问,这两个 GDP 总量占去世界 GDP 总量40%的国家,绝对是世界经济的命脉,相互合作,携手共赢才是世界经济的未来!
再来看下 top20 的情况
中低等收入国家
下面就是中低等收入的国家了,还是有很多熟悉的面孔啊
在这个级别当中,亚洲国家占据了大多数,但是 GDP 的总量却不是很低,尤其是印度,有2.7万亿的数量。这也能反映出,亚洲作为世界上人口最多的大洲,要走向发达国家的行列,还是任重道远啊!
top20 情况
低收入国家
最后就是低收入国家了,可以看到,在这些国家中,要不就是战乱频仍的国度,要不就是资源匮乏的小国,他们的经济建设之路还很漫长呢。
top20 的情况
GDP 总体排行
2018年 GDP 排行
先来看看2018年 GDP 总体排行的 top10 吧
可以看到,除了欧美诸强之外,中国、印度和巴西也纷纷上榜,发展中大国的实力不容小觑啊。
那么再来看看 GDP 总量倒数的10个国家呢都是一些不大的国家,差距还是太大了!
历年各国 GDP 走势
我们先来看一下 GDP 总量排行前五的国家,历年 GDP 总量的走势情况
美国
中国
日本
德国
英国
可以看出,除了中美两国外,其他的国家 GDP 总量都出现过大幅度的波动情况,而持续增长的中美两国,则一骑绝尘,遥遥领先于世界了!
世界 GDP 地图
下面我们通过世界地图的方式来看看 GDP 的分布情况
我们先进行数据处理,把国家代码和 GDP 数据相结合
country_code = pd.read_json('countries.json')
country_code.rename(columns={'iso3': 'Country Code'}, inplace=True)
conutry_code_name = country_code[['name', 'Country Code']]
country_gdp_code = pd.merge(country_gdp, conutry_code_name, on='Country Code', how='inner')
由此,我们可以做出一张 GDP 总量的地图分布图
在这张 GDP 地图中,可以清晰的看出,美国和中国地盘大,颜色深,非常明显,隐隐有东西两强的趋势。
我们再去掉中美两国,看看剩余国家的 GDP 情况
在这张图中,可以看到日本、西欧和印度是一个级别的存在,而俄罗斯、加拿大、澳大利亚和巴西等是另外的一组,其余大部分的第三世界国家,则是第三组!
GDP 增长率
下面我们再来看看 GDP 增长率的情况,有的国家 GDP 本来总量就高,而且增长率还非常不错,那么未来的经济形式一定前途无量;而有的国家则举步维艰,低 GDP 总量再加上惨淡的增长率,未来的日子很难啊。
增长率 top10
在这份增长率 top10 榜单中,大部分的国家都是 GDP 较低的国家,这还是说明低 GDP 的增长空间是更加大的。
而印度则不一样,它本身的 GDP 总量已经非常高了,竟然还有这么高的 GDP 增长率,其未来的经济一片大好啊!
增长率 bottom10
再来看下增长率排名垫底的10个国家,这就比较闹心了
GDP 负增长就是说经济在后退啊,如何振兴经济应该是这些国家的首要任务了!
中美印对比
在图中可以看出,虽然近些年印度保持着很高的增长率,但是 GDP 总量增长并没有中美两国明显。
而美国的增长率常年在2%和1%之间震荡,好像还蛮有规律的。
对于我国来说,增长率已经从以前恐怖的10%慢慢回落了,但是经济增长的趋势是没法阻挡的!
增长率地图
最后还是在世界地图中整体看看 GDP 增长率的分布情况
总体来说,大部分国家的增长率都处于1%-4%的水平之间,而中亚和东南亚的部分国家可以保持增长率在4%-7%之间,只有极少部分国家能够达到7%以上的增长率,不过对于阿根廷来说,刺眼的负增长还是惊心的,这么多年了,经济还没有复苏的迹象吗?
内容来源于网络如有侵权请私信删除
gdp python 变迁动图_用 Python 带你看各国 GDP 变迁相关推荐
- gdp python 变迁动图_用 Python 带你看各国 GDP 变迁|python3教程|python入门|python教程...
https://www.xin3721.com/eschool/pythonxin3721/ 前言 文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联 ...
- 用python画动图_用Python绘制会动的柱形竞赛图
3.初步处理数据 提取某一年的TOP10城市: 4. 绘制基础柱状图 5. 调整样式(设置颜色.添加标签)重新绘制图片 6. 完善代码,将代码整合进函数 优化内容: 文字:更新字体大小,颜色,方向 轴 ...
- python时间序列动图_手把手教你用Python进行时间序列分解和预测
来源:数据派THU(ID:DatapiTHU) ▔ 作者:Mohit Sharma 翻译:王闯(Chuck) 校对:王可汗 预测是一件复杂的事情,在这方面做得好的企业会在同行业中出类拔萃.时间序列预测 ...
- python制作流动图_利用Python生成GIF动图
一.PIL库 1.PIL库的概括: PIL(Python Image Library)是python的第三方图像处理库,但是由于其强大的功能与众多的使用人数,几乎已经被认为是python官方图像处理库 ...
- python可以p图_用Python来P图!简直耍开PS几条街!
写在前面 PS作为世界四大发明之一可以说被广大网友用到了极致,只有你想不到的没有我P不了的,任何正经的图片在都可以变成搞笑图片(比如下图)当然也可以用ps做一点正经的事情. 作为一个爱折腾的程序猿能用 ...
- 用 Python 带你看各国 GDP 变迁
偶然之间,发现了一个网站,title 是世界银行,很高级的样子,可以下载很多有趣的数据,这对于我们练手数据分析及可视化真的是太好的资源了,不多说,戳下面的链接可以火箭直达哦! https://data ...
- gdp python 变迁动图_卫星动图看西安12年变迁,满满都是泪!
生活在西安 就像一场浓浓的恋爱 每一天都期待着它越变越好 蓦然回首 一晃十二年匆匆过去 不禁为它的蜕变感到无比的自豪 这座城市就是我永远的爱人 悦西安| 文 今天 让我们从高空卫星俯瞰 十二年巨变带给 ...
- python动图转换成字符画动图_基于Python实现图画转换字符画
微信改版,加星标不迷路! 基于Python实现图画转换字符画 作者:阿广 概述 前言 准备工作 识别原理 静态图像处理 动态图像处理 结果 阿广说 群聊交流 福利一刻 推荐阅读 前言 前几天写了基于P ...
- python 动图_【Python】知乎回答下载神器,图片/视频/gif动图均可下载
[Asm] 纯文本查看 复制代码import requests import os import time from threading import Thread import threadpool ...
最新文章
- ReentrantLock中的Condition(等待和唤醒)
- 你什么时候使用git rebase而不是git merge?
- python 语言教程(3)变量之数字类型
- 分享一个测试图片的方式
- Node.js实践第一天
- OpenGL sparsetexture稀疏纹理的实例
- php mysql查询结果_php对mysql查询结果进行分页 - ceil
- jzoj1295-设计【差分约束系统,最短路】
- __asm__ __volatile__ 嵌入式内嵌汇编语法解构
- Java并发编程之CAS和AQS
- ZT“老师说,如果想念一个人,就响两下他/她的手机。”
- Scala深入浅出实战经典---001-Scala开发环境搭建和HelloWorld解析
- GICv3驱动初始化
- 红绿3d眼镜与红蓝3d眼镜区别_佩极定制眼镜青少年3D打印定制系列全新发布
- UnboundLocalError: local variable 'XXX' referenced before assignment
- 设置javadoc模板
- PHP的CI框架接入redis
- 机器学习 —— 联合概率分布
- 计算机网络——网络聊天程序的设计与实现
- 视频教程-区块链技术原理精讲-区块链
热门文章
- buu reverse xor
- 文档预览:在浏览器中预览查看 Office 文档
- 降低数字化转型的“不可控性”:联想智慧服务的解题密码
- 详解shell脚本中的变量
- [PaddleSeg源码阅读] PaddleSeg 导出静态图 export.py 文件中的道道
- 记一次 STM32 ST-Link Utility芯片擦除与程序烧写失败问题
- linux编辑界面退出命令行,教你Linux-vi编辑器的常用命令
- python线上编程-线上的编程课哪家好
- python网络爬虫实战——利用逆向工程爬取动态网页
- http\https的连接过程及数字证书详解