141178万人, pyechart制作第七次人口普查数据动态图

前言
大国点名,没你不行。
官方已经公布了第七次人口普查的数据, 有了这些数据我们可做哪些展示呢, 本节将介绍几种常用的方法.

工具准备
使用python中的pyechart工具包, 下载及安装方法: pyechart官网

1 各地区人口数

1.1 导入工具包

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Map, Bar,Line,Pie

调用pyechart中的中国地图, 柱形图, 线形图, 饼图

2.2 读取数据

data = pd.read_excel('C:/Users/yyz/Desktop/pyechart数据可视化/data/第七次人口普查.xlsx',sheet_name=None)
data1 = data['各地区人口占比']
data1

数据都存放在一个工作簿中, 批量读取设置sheet_name=None

广东、山东人口过亿

1.3 可视化展示

c1 = (Map(init_opts=opts.InitOpts(width="1400px", height="700px",theme='purple-passion')) #westeros.add("省份", # 系列名称[list(z) for z in zip(data1['地区'], data1['数量'])], # 数据"china",  # 地图is_map_symbol_show=False, # 不显示小红点).set_global_opts(title_opts=opts.TitleOpts(title="第七次人口普查各地区人口数",  # 图表标题title_textstyle_opts=opts.TextStyleOpts(font_size=20), #字体大小pos_left='center', # 标题位置pos_top='5%'), tooltip_opts=opts.TooltipOpts(is_show=True),legend_opts=opts.LegendOpts(is_show=False), # 图例是否显示visualmap_opts=opts.VisualMapOpts(max_=15000, # 最大值is_piecewise=True, # 是否为分段型range_text=['万人',''], # 上下显示的文字pos_left='20%',pos_top='60%',pieces=[{"min": 200,"max":1000},{"min": 1000,"max":2000},{"min": 2000,"max":4000},{"min": 4000,"max":6000},{"min": 6000,"max":8000},{"min": 8000,"max":10000},{"min": 10000}]),))
c1.render("./01_各地区人口数.html")

2 历次人口普查年均增长率

data2 = data['历次人口普查年均增长率']
data2

bar = (Bar(init_opts=opts.InitOpts(width="1200px", height="500px",theme='westeros'))  # 设置图表大小.add_xaxis(data2['年份'].tolist())   # 设置柱形图的x轴, 必须写.tolist().add_yaxis(series_name="人口数(亿)",  # y轴系列名称y_axis=data2['人口数'].tolist(),   # 系列数据label_opts=opts.LabelOpts(is_show=True,position='top',formatter="{c}"),# 数字标签显示样式).extend_axis( # 设置次坐标轴yaxis=opts.AxisOpts(name="",type_="value",min_=-5,  # 最小值max_=3,  # 最大值is_show=False,  # 是否显示))    .set_global_opts(title_opts=opts.TitleOpts(title="历次人口普查年均增长率",  # 主标题subtitle="",   #副标题pos_top='5%',title_textstyle_opts=opts.TextStyleOpts(font_size=20),pos_left='center'),  # 位置tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),  # 鼠标交叉十字显示legend_opts=opts.LegendOpts(is_show=False,pos_top="center"),  # 图例yaxis_opts=opts.AxisOpts(                     # 显示y轴网格线is_show=False,max_=25,type_="value",axistick_opts=opts.AxisTickOpts(is_show=False),   # 坐标轴商的刻度是否显示axisline_opts=opts.AxisLineOpts(is_show=False), # y轴线splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线是否显示)))line = (Line(init_opts=opts.InitOpts(width="1200px", height="500px"))  # 设置图表大小.add_xaxis(data2['年份'].tolist())  # 设置线形图的x轴.add_yaxis("",     data2['增长率(%)'],  # 系列数据symbol_size=10, # 标识的大小is_smooth=True,yaxis_index=1,   # 主坐标轴还是次坐标轴label_opts=opts.LabelOpts(is_show=True,position='bottom',formatter="{c}%",color ='#28527a'), # 数据标签linestyle_opts=opts.LineStyleOpts(width=3,color ='#28527a'),  # 线宽度itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color='#28527a', color='#28527a'),  # 标识的颜色和宽度)  #标记重点
)bar.overlap(line) # 图表组合
bar.render('./03_历次人口普查年均增长率.html')

柱形图和曲线图组合, 隐藏坐标轴

3 各地区人口占比

c2 = (Pie(init_opts=opts.InitOpts(width="1200px", height="800px",theme='westeros')).add("",[list(z) for z in zip(data1['地区'], data1['人口占比'])],radius=["20%", "75%"],center=["50%", "50%"],rosetype="radius",label_opts=opts.LabelOpts(is_show=True),).set_global_opts(title_opts=opts.TitleOpts(title="第七次人口普查各地区人口占比",pos_left='center'),legend_opts=opts.LegendOpts(is_show=False)).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c2.render("./02_各地区人口占比.html")

4 男女比、年龄比、地区人口比、城乡人口比

c3 = (Pie(init_opts=opts.InitOpts(theme='westeros')) .add("性别比例",[list(z) for z in zip(["男", "女"], [51.24, 48.76])],center=["30%", "30%"],radius=[50, 80],label_opts=opts.LabelOpts(formatter="{b}: {c}%")).add("年龄结构",[list(z) for z in zip(["0-14岁", "15-59岁","60岁以上"], [25338,89438,26402])],center=["70%", "30%"],radius=[50, 80],label_opts=opts.LabelOpts(position="outside",formatter="{b}: {c} \n\n 百分比: {d}%  ")).add("地区分布",[list(z) for z in zip(["东部地区", "中部地区","东北地区","西部地区"], [39.93, 25.83,6.98,27.12])],center=["30%", "70%"],radius=[50, 80],label_opts=opts.LabelOpts(formatter="{b}: {c}%")).add("城乡人口",[list(z) for z in zip(["乡村人口", "城镇人口"], [50979, 90199])],center=["70%", "70%"],radius=[50, 80],label_opts=opts.LabelOpts(position="outside",formatter="{b}: {c} \n\n 百分比: {d}%  ")).set_global_opts(title_opts=opts.TitleOpts(title=""),legend_opts=opts.LegendOpts(is_show=False))
)
c3.render("./04_其他数据.html")

通过formatter参数设置数据标签不同显示方式

如果对你帮助, 欢迎点赞、关注!

141178万人, pyechart制作第七次人口普查数据动态图相关推荐

基于可视化 BI 工具 DataEase 制作第七次人口普查数据分析大屏
一.制作第七次人口普查数据大屏的背景介绍: 第七次人口普查刚刚结束,想要制作一个大屏,能够直观的看到人口总数.出生人数.死亡人数等的情况: 希望能够直观的看到人口分布的情况.各种比例.年龄结构等有一定 ...
第七次人口普查数据与城镇化
第七次人口普查,既统计人口又统计房屋空置率.城镇化之路进入下半场城市化,差异化发展.房产税马上在一大批城市试点.房地产将何去何从.人口迁移顺序:乡镇->县城->市区->省会城市-&g ...
第七次人口普查数据背后的玄机，你看懂了吗？
5月11日,国务院发布了第七次人口普查数据结果.这次人口普查主要对户别人口.人口地区分布.性别构成.年龄构成.受教育程度人口.城乡人口.流动人口及民族人口九大项目进行了详尽调研.结果显示,男女比例仍然 ...
用Echart完成第七次人口普查
一.普通实现方式 <!DOCTYPE html> <html> <head> <meta charset="utf-8&qu ...
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 ...
第七次人口普查结果：男性比女性多3490万，你知道意味着什么吗？
5月11日,国家统计局.国务院发布第七次全国人口普查的数据结果,全国人口共141178万人(14.1178亿人),其中,男性人口为72334万人,占比51.24%:女性人口为68843万人,占比48. ...
第四次人口普查数据_第七次人口普查预估：单身男性比女性多3000万？你在其中吗？...
据报道,我国单身成年人口2.4亿人,其中超过7700万成年人是独居状态.研究报告现实,到2025年,中国15岁到49岁男性人数将比同龄段女性高出3000万,男性面临所有压力更大. 你是单身吗? 普查漫 ...
人口普查系统_王佐镇全面开展第七次人口普查数据采集处理系统培训暨摸底动员部署会...
人口普查,惠及万家.第七次全国人口普查具有时间紧.任务重.环节多.难度大的特点,为了确保第七次全国人口普查工作能够顺利开展,王佐镇人普办开展数据采集处理系统培训,确保各社区村业务骨干能够熟练掌握使用智 ...
第七次人口普查，浙江县城人口怎么增加那么多？
一,人口增量第七次人口普查显示,2020年浙江常住人口64567588人,现对于2010年,十年间共增加10140697人,增长18.63% 一般来说,人口流动遵循这样的规律:乡镇-->县城- ...
从教育的角度观察第七次人口普查主要情况
2021年5月11日,我国第七次人口普查主要数据公布,由于姗姗来迟,在公布前也引发了很多讨论,但从公布的结果来看,也没有公布前渲染的那么焦虑.具体数据情况可以查看:第七次全国人口普查主要数据情况,以及 ...

141178万人, pyechart制作第七次人口普查数据动态图

目录

1 各地区人口数

2 历次人口普查年均增长率

3 各地区人口占比

4 男女比、年龄比、地区人口比、城乡人口比

141178万人, pyechart制作第七次人口普查数据动态图相关推荐

最新文章

热门文章