【数据可视化】案例一:美国人口与种族变迁史
实验介绍
作为一个移民国家,美国的种族和人口问题全方位地影响着美国各州的政治、经济、文化和司法,本实验通过对美国人口普查局与美国国家卫生统计中心自 1990 以来调查获得的长达 29 年的美国人口和种族数据的分析,研究及可视化了美国在此期间的人口和种族的变迁史。
知识点
- 散点图接口及其参数的使用
- 漏斗图的绘制
- 画布上多子图的绘制
- 散点图的数据拟合
- 颜色条的绘制和应用
- 数据对数变换技巧
输入并执行魔法命令 %matplotlib inline
, 同时将全局字体大小设置为 20 号,设置显示负数,去除图例边框、右侧坐标轴、顶部坐标轴。
import warnings
import matplotlib.pyplot as plt
%matplotlib inline# 屏蔽代码运行过程中出现的警告信息,主要是屏蔽 pandas 的 .loc 警告问题
warnings.filterwarnings("ignore")# 将全局字体大小设置为 20 号
fontsize = 20
plt.rcParams['xtick.labelsize'] = fontsize
plt.rcParams['ytick.labelsize'] = fontsize
plt.rcParams['axes.labelsize'] = fontsize
plt.rcParams['axes.titlesize'] = fontsize
plt.rcParams['legend.fontsize'] = fontsizeplt.rcParams['legend.frameon'] = False # 去除图例边框
plt.rcParams['axes.unicode_minus'] = False # 显示负数
plt.rcParams['axes.spines.right'] = False # 去除右侧坐标轴
plt.rcParams['axes.spines.top'] = False # 去除顶部坐标轴
数据准备
数据集介绍:
本数据集来源于美国人口普查局与美国国家卫生统计中心,该数据集统计了美国自 1990 至 2019 年期间,各年度全美 51 州各年度性别(Gender)、种族(Race)、年龄段(Age Group)的人口数(Population),数据集中的 Mean Age 字段根据 Age Group 求算术平均得到。
导入数据并查看前 5 行。
import pandas as pddf = pd.read_csv('https://labfile.oss.aliyuncs.com/courses/3023/American_Race_Gender_Population.csv')
df.head()
Age Group | State | Gender | Race | Year | Population | Mean Age | |
---|---|---|---|---|---|---|---|
0 | 1-4 | Alabama | Female | American Indian or Alaska Native | 1990 | 419.0 | 2.5 |
1 | 1-4 | Alabama | Female | American Indian or Alaska Native | 1991 | 445.0 | 2.5 |
2 | 1-4 | Alabama | Female | American Indian or Alaska Native | 1992 | 379.0 | 2.5 |
3 | 1-4 | Alabama | Female | American Indian or Alaska Native | 1993 | 344.0 | 2.5 |
4 | 1-4 | Alabama | Female | American Indian or Alaska Native | 1994 | 352.0 | 2.5 |
各州各种族人口数分布
本实验主要用到的可视化对象为散点图,散点图是继条形图后,用作描述性统计、数据挖掘、数据预测的第二大类可视化图形,图元素主要包括点的位置,点的形状和点的大小。
选择 1990 和 2019 两个年份,将数据集按照州(State)、种族(Race)进行人口数(Population)聚合并按照人口数升序排序。聚合后,将聚合数据集中的 State、Race 特征分别映射至散点图 x、y 坐标,将 Population 人口数特征映射至点的颜色(c)和大小(s)。
plt.rcParams['figure.figsize'] = (20, 5) # 图像显示大小for year in [1990, 2019]:data = df.loc[df['Year'] == year] # df.loc() 根据行/列的标签进行查询# 各州按照总人口数升序排序state_order = data.groupby(['State'])[ # 按列State进行分组,按Population数据列的和进行升序排序'Population'].sum().sort_values().index # 取出排序后的序号# 将 State 字段设置为有序字段data['State'] = data['State'].astype( # astype函数用于将数据类型转换成指定类型。pd.api.types.CategoricalDtype(state_order, ordered=True))
# pandas.api.types.CategoricalDtype(categories = None, ordered = None) :该类对于指定独立于数值的分类数据的类型很有用,有类别和顺序。# 获取州、种族的聚合结果,并按州升序排序 data = data.groupby(['State', 'Race'], as_index=False)[ # 按列'State', 'Race'进行分组,求出人口总数,按State数据列的和进行升序排序'Population'].sum().sort_values(['State'])plt.scatter(x=data['State'], # x轴为州y=data['Race'], # y轴为种族c=data['Population'], # 点的颜色,按人口的多少来划分s=data['Population']*0.0001, # 点的大小:根据画出来的图的情况进行调节ec='tab:blue', # cmap=plt.cm.Accent, # cmap相当于多个调色盘的合集。当选取一个色盘(viridis)后,从参数c获取到的数值,映射到色盘对应的颜色上。alpha=0.8) # alpha:散点的透明度([0, 1]之间的数,0表示完全透明,1则表示完全不透明)。ax = plt.gca() # gca()进行坐标轴的移动ax.tick_params(axis='x', rotation=90) # 将x轴刻度标签逆时针旋转90度 ax.set_ylim(-0.5, 3.5) # 调节y轴显示范围plt.title('Population Distribution of States of American in Year %d' % year)plt.show() # 关闭当前图层以绘制下一幅图
从输出结果可以看出:
- 各州人口数。根据 2019 年统计数据,美国人口数最多的三个州分别为 California、Texas、Florida;
- 种族人口数。美国人口种族分布上,白人(White)显著地占据着主体地位,排名第二的种族为 黑人(Black or African American),随后是亚裔(Asian or Pacific Islander);
- 各州人口变迁。对比 1990 年与 2019 年,按照人口数排序后的 x 轴,可以发现 29 年间,美国各州表现出不同速率的人口增长率,1990 年总人数排名第二的 New York 已悄然在 2019 年排名第四。
人口与人口增长率
提取数据集中 1990 和 2019 两年的数据,通过数据透视计算各州人口增长率(Pupulation Changed %),通过数据聚合计算各州 2019 年总人口数(Population),将上述分步计算结果合并并挑选需要的特征后查看前 5 行。
# 取出指定列'Year'的1990和2019数据
data = df.loc[(df['Year'] == 1990) | (df['Year'] == 2019)] # 计算美国各州人口增长率
pop_change = data.pivot_table(index='State', columns='Year', values='Population',aggfunc='sum')
# values:要做计算的数据 ,对谁求和/求均值/计算个数等
# index:确定行参数,可以是多个。单个’‘,多个[’‘,’‘]表示
# columns:确定列参数,可以是多个。单个’‘,多个[’‘,’']
# aggfunc:要计算的函数,mean求均值、sum求和、size计算个数
pop_change['Pupulation Changed/%'] = 100 * \ # 加上一列'Pupulation Changed/%'(pop_change[2019]-pop_change[1990])/pop_change[1990]
pop_change# 计算美国2019年各州总人口数
pop = df.loc[df['Year'] == 2019].groupby(['State'])['Population'].sum()# # 将人口增长率与白人增长率数据合并并筛选需要的特征
data = pd.concat([pop, pop_change], axis=1)[ # 在列上做合并['Population', 'Pupulation Changed/%']]data.head()
State | Population | Pupulation Changed/% |
---|---|---|
Alabama | 4903185.0 | 21.064652 |
Alaska | 731545.0 | 32.217282 |
Arizona | 7278717.0 | 97.571264 |
Arkansas | 3017804.0 | 28.058301 |
California | 39512223.0 | 31.885389 |
将人口总数与人口增长率数据分别映射到散点图 x、y 坐标及点颜色和大小。
plt.rcParams['figure.figsize'] = (14, 7) # # 图像显示大小(长, 宽)x = data['Population'] # x变量
y = data['Pupulation Changed/%'] # y变量plt.scatter(x, y,marker='o', # 点的形状s=data['Population']*0.0001, # 点的大小c=data['Population'], # 点的颜色cmap=plt.cm.Blues_r, # 调色板,与c配合使用edgecolors='gray') # 散点图标记的轮廓及填充颜色plt.xlabel('Population')
plt.ylabel('Pupulation Changed /%')
# 画均值线
plt.axhline(y=y.mean(),color='tab:red',label=f'Avg Changed Ratio:{y.mean():.2f}%')plt.legend() # 添加图例s = data.index # 取出索引for xpos, ypos, text in zip(x, y, s): # 将坐标(x,y)和索引(州)打包然后遍历plt.text(xpos, ypos, text, size=16,va='bottom',ha='left') # 设置文字说明plt.title('Population & Pupulation Changed (Compared to Year 1990) of American') # 设置标题
从输出结果可以看出:
- 全美各州在 1990 - 2019 年间的人口平均增长率为 32.94%;
- 在人口最大的四个州中,Califonia 人口增长率与平均水平相当,Texas 与 Florida 有了超平均数的增长,而 New York 不出意外地没有达到平均增长率;
- 在人口增速方面 Nevada 和 Arizona 两州有着最好的表现。
对于人口数量较少和人口增速不明显的多数州,其数据被压缩至平均线以下的 0 轴附近,可通过将数据进行对数变换(log)的方法,将数据均匀分布。
import numpy as npplt.rcParams['figure.figsize'] = (14, 7)x = np.log(data['Population']) # 将数据进行对数变换(log)
y = np.log(data['Pupulation Changed/%']) # 将数据进行对数变换(log)plt.scatter(x, y,marker='o',s=data['Population']*0.0001,c=data['Population'],cmap=plt.cm.Blues,label='Changed of States of American',edgecolors='gray') # 散点图标记的轮廓及填充颜色plt.xlabel('log (Population)')
plt.ylabel('log (Pupulation Changed /%)')s = data.indexfor xpos, ypos, text in zip(x, y, s):plt.text(xpos, ypos, text, size=16, va='bottom', ha='left')plt.title('Population & Pupulation Changed (Compared to Year 1990) of American')
从输出结果可以看出,数据在对数坐标系下,分散变得十分均匀,各数据点被均匀拉开。
种族及人口变化率
白人
通过以下代码计算各州人口增长率与白人增长率,计算原理与总人口增长率计算原理相同。
# 在原表中指定列'Year'的1990和2019数据
data = df.loc[(df['Year'] == 1990) |(df['Year'] == 2019) ]# 计算美国各州人口增长率
pop_change=data.pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')# 数据透析表:列为年份,1990和2019两列
pop_change['Pupulation Changed/%']=100*(pop_change[2019]-pop_change[1990])/pop_change[1990]# 在原表新增一列人口变化率
pop_change# 计算美国各州白人人口增长率
white_change=data.loc[data['Race']=='White'].pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')
white_change['White Changed/%']=100*(white_change[2019]-white_change[1990])/white_change[1990]
white_change# 将人口增长率与白人增长率数据合并
changed=pd.concat([pop_change,white_change],axis=1) # 将两个表按列合并,共6列# 挑选主要字段
changed=changed[['Pupulation Changed/%','White Changed/%']] # 取出'Pupulation Changed/%'和'White Changed/%'两列# 展示前5行数据
changed.head()
Year | Pupulation Changed/% | White Changed/% |
---|---|---|
State | ||
Alabama | 21.064652 | 15.051925 |
Alaska | 32.217282 | 18.947448 |
Arizona | 97.571264 | 85.805934 |
Arkansas | 28.058301 | 23.990308 |
California | 31.885389 | 19.912456 |
将各州人口增长率与各州白人增长率分别映射到散点图,通过 np.ployfit
拟合其关系并绘制拟合曲线,同时绘制 y = x 曲线,该曲线表示,种族增长率与人口增长率一致。
plt.rcParams['figure.figsize'] = (10, 6)x = changed['Pupulation Changed/%']
y = changed['White Changed/%']# 绘制各州人口及白人增长数据
plt.scatter(x, y,marker='o',s=120,label='Changed of States of American',edgecolors='tab:red',facecolor='white') # 散点图标记的轮廓及填充颜色plt.xlabel('Pupulation Changed /%')
plt.ylabel('White Race Changed /%')# 拟合增长率曲线f_1 = np.polyfit(x, y,deg=1) # 对(x, y)得到拟合多项式系数f_1,自由度为1# 绘制 白人人口增长率 拟合的增长曲线
plt.plot(x,np.polyval(f_1, x), # np.polyval(f_1,x)计算多项式的函数值。返回在x处多项式的值,p为多项式系数lw=2,color='tab:orange',label='Increase Ratio of White Race') # lw:线宽# 绘制平衡增长曲线 y=x
plt.plot(np.linspace(0,150,20), # 等差数列:在0~150之间划分20个点;因为线性为“--”,所以这里只是规定了0~150的范围np.linspace(0,150,20),color='tab:blue',label='Increase Ratio of Balance',ls='--',lw=3)plt.legend() # 添加图例# 添加文字说明
plt.text(25,75,'District of Columbia',fontsize=20,color='tab:red',ha='center',va='bottom')
plt.text(155,120,'Nevada',fontsize=20,color='tab:red',ha='center',va='bottom')plt.title('Population & White Race Changed of States of American')
从输出结果可以看出:
- 种族增长率与人口增长率有很好的线性关系,与 y = x 平衡线对比,白人在各州的增长率斜率小于平衡线斜率(橘色线斜率 < 蓝色线),说明白人增速稍低于平衡增速;
- District of Columbia 州种族增长率显著高于平均水平,白人增速明显。
所有种族
用类似数据处理过程获得全部种族人口增长率与种族增长率数据。
data = df.loc[(df['Year'] == 1990) | (df['Year'] == 2019)]# 计算美国各州人口增长率
changed = data.pivot_table(index='State', columns='Year', values='Population',aggfunc='sum')
changed['Pupulation Changed /%'] = 100 * \(changed[2019]-changed[1990])/changed[1990]race_columns = ['Pupulation Changed /%']
for race in ['American Indian or Alaska Native', 'Asian or Pacific Islander', 'Black or African American', 'White']:# 计算美国各种族人口增长率race_change = data.loc[data['Race'] == race].pivot_table(index='State', columns='Year', values='Population',aggfunc='sum') # 数据透析表:两列1990和2019race_change[race+' Changed /%'] = 100 * \ # 每次新增一列种族人口变化率(race_change[2019]-race_change[1990])/race_change[1990]# 将人口增长率与各族人口增长率数据合并changed = pd.concat([changed, race_change], axis=1) race_columns.append(race+' Changed /%') # 加入各种族人口变化率标签
# race_change加入循环前是3列,每个循环都是3列,所以changed总共是15列
# 挑选主要字段
changed = changed[race_columns] # 取出种族人口变化率标签的那五列# 展示前5行数据
changed.head()
Year | Pupulation Changed /% | American Indian or Alaska Native Changed /% | Asian or Pacific Islander Changed /% | Black or African American Changed /% | White Changed /% |
---|---|---|---|---|---|
State | |||||
Alabama | 21.064652 | 135.798817 | 289.331931 | 31.059229 | 15.051925 |
Alaska | 32.217282 | 47.064691 | 217.124410 | 58.636664 | 18.947448 |
Arizona | 97.571264 | 91.725016 | 436.006760 | 270.124184 | 85.805934 |
Arkansas | 28.058301 | 178.132082 | 442.256511 | 30.806671 | 23.990308 |
California | 31.885389 | 167.208411 | 123.198473 | 22.854617 | 19.912456 |
通过 plt.subplots
接口生成一张画布 fig 和 2 * 2 的子图对象,在每个子图对象分别绘制每个种族的增长率数据。
plt.rcParams['figure.figsize'] = (12, 8)# 生成 2 * 2 的画布,并共享所有子图x,y轴范围
fig, axs = plt.subplots(2, 2, sharex=True, sharey=True)
# fig代表整个图像,ax代表坐标轴和画的子图,通过下标获取需要的子区域。axs = axs.ravel() # 将 2 * 2 的子图对象展平成 1 * 4的子图对象,下面好遍历所有子图x = changed['Pupulation Changed /%'] # x均为总人口变化率for i, race in enumerate(race_columns[1:]): # 取出四个种族的人口变化率(除了总人口变化率之外)ax = axs[i] # 遍历每个子图y = changed[race] # y为对应种族的人口变化率# 绘制各州人口及白人增长数据ax.scatter(x, y,marker='o', s=120, # 散点的形状和大小edgecolors='tab:red', facecolor='white') # 散点图标记的轮廓及填充颜色# 拟合增长率曲线f_1 = np.polyfit(x, y, deg=1) # 对(x, y)得到拟合多项式系数f_1,自由度为1(即多项式次数为1)# 绘制拟合的增长曲线ax.plot(x, np.polyval(f_1, x), # 计算多项式的函数值。返回在x处多项式的值,f_1为多项式系数,元素按多项式降幂排序lw=2, color='tab:orange')# 绘制平衡增长曲线 y=xax.plot(np.linspace(0, 150, 20),np.linspace(0, 150, 20),color='tab:blue',label='Increase Ratio of Balance', ls='--', lw=3)ax.legend(fontsize=17)ax.set_title(race,fontsize=17)# 第一列和最后一行分别显示y坐标轴标题和x坐标轴标题if i in [2, 3]:ax.set_xlabel('Pupulation Changed /%') # 在画第三和第四个图的时候标注x轴标题if i in [0, 2]: ax.set_ylabel('Race Changed /%') # 在画第一和第三个图的时候标注y轴标题# 添加画布标题
fig.suptitle('Population & Race Changed of States of American\n',size=25, va='bottom')# 调整子图间距为紧凑
plt.tight_layout()
从输出结果可以看出:
- American Indian or Alaska Native 本土原著名的种族增长率正逐步放缓,其斜率小于平均线;
- Asian or Pacific Islander 亚裔种族增长率为四个种族中最高;
- Black or African American 黑人虽然在增长率上不及亚裔,但在个别州有较为显著增长(图形上表现出大量的偏离拟合曲线点);
- White 占据人口主要数量的白人与全美总人口增长率大致相当。
通过以下过程,将所有种族人口增长率数据进行纵向拼接。
data = df.loc[(df['Year'] == 1990) |(df['Year'] == 2019) ]# 计算美国各州人口增长率
changed=data.pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')
changed['Pupulation Changed /%']=100*(changed[2019]-changed[1990])/changed[1990]race_changes=pd.DataFrame() # 创建二维数组for race in ['American Indian or Alaska Native', 'Asian or Pacific Islander', 'Black or African American','White']:# 计算美国各州各种族人口增长率race_change=data.loc[data['Race']==race].pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')race_change['Race Changed /%']=100*(race_change[2019]-race_change[1990])/race_change[1990] # 新增一行该种族的人口变化率race_change['Race']=race # 新增一行该种族的名称# 将人口增长率与各种族人口增长率数据合并race_change=pd.concat([changed,race_change],axis=1) # 按列拼接 race_changes=pd.concat([race_changes,race_change],axis=0) # 按列拼接完再进行按行拼接# 挑选主要字段
race_changes=race_changes[['Pupulation Changed /%','Race Changed /%','Race']]# 展示前5行数据
race_changes.head()
Year | Pupulation Changed /% | Race Changed /% | Race |
---|---|---|---|
State | |||
Alabama | 21.064652 | 135.798817 | American Indian or Alaska Native |
Alaska | 32.217282 | 47.064691 | American Indian or Alaska Native |
Arizona | 97.571264 | 91.725016 | American Indian or Alaska Native |
Arkansas | 28.058301 | 178.132082 | American Indian or Alaska Native |
California | 31.885389 | 167.208411 | American Indian or Alaska Native |
通过 seaborn 的 scatterplot 接口绘制所有种族的人口增长率与总人口增长率散点图,从输出结果可以看出,该图是将 2 * 2 的子图进行了合并展示,并通过颜色将各种族进行了区分。
import seaborn as sns
plt.rcParams['figure.figsize'] = (10, 7)sns.scatterplot(x='Pupulation Changed /%',y='Race Changed /%',hue='Race', # 将种族列传入hue,不同种族会输出不同颜色s=200,alpha=0.8,data=race_changes,
)plt.ylim(-80, 800)
ax = plt.gca()# 获取图例对象及图例标签对象
h, l = ax.get_legend_handles_labels()
# 第0个图例对象是图例标题,此处将其删除,不显示
ax.legend(h[1:], l[1:], ncol=2, loc=2, fontsize=18)# 绘制平衡增长曲线 y=x
plt.plot(np.linspace(0, 150, 20),np.linspace(0, 150, 20),color='tab:red',label='Increase Ratio of Balance', ls='--', lw=5)plt.title('Population & Race Changed of States of American\n',size=25, va='bottom')
从输出结果可以看出:
- 白人增长率数据点与平衡线(红色)分布最为一致;
- 少数族裔相比白人有着较高的人口增长率。
黑人与亚裔
黑人和亚裔人口增长率有着较为亮眼地表现,以下数据处理过程获得了各州黑人及亚裔的不同增长率。
data = df.loc[(df['Year'] == 1990) | (df['Year'] == 2019)]# 计算美国各州人口增长率
changed = pd.DataFrame()
race_columns = []
for race in ['Asian or Pacific Islander', 'Black or African American']:# 计算美国各州白人人口增长率race_change = data.loc[data['Race'] == race].pivot_table(index='State', columns='Year', values='Population',aggfunc='sum')race_change[race+' Changed /%'] = 100 * \(race_change[2019]-race_change[1990])/race_change[1990]# 将人口增长率与白人增长率数据合并changed = pd.concat([changed, race_change], axis=1)race_columns.append(race+' Changed /%')# 挑选主要字段
changed = changed[race_columns]# 展示前5行数据
changed.head()
Year | Asian or Pacific Islander Changed /% | Black or African American Changed /% |
---|---|---|
State | ||
Alabama | 289.331931 | 31.059229 |
Alaska | 217.124410 | 58.636664 |
Arizona | 436.006760 | 270.124184 |
Arkansas | 442.256511 | 30.806671 |
California | 123.198473 | 22.854617 |
将各州亚裔和黑人种族人口增长率分别映射到 x、y 将增长率 超 300% 的州用不同颜色进行标记。
plt.rcParams['figure.figsize'] = (15, 8)x = changed['Asian or Pacific Islander Changed /%']
y = changed['Black or African American Changed /%']plt.scatter(x, y,marker='o', s=120,label='Changed of States of American',edgecolors='tab:red', facecolor='white') # 散点图标记的轮廓及填充颜色plt.xlabel('Asian or Pacific Islander Changed /%')
plt.ylabel('Black or African American Changed /%')for i in range(len(changed)):limit_changed = 300# 亚裔增长更快的州if (changed.iloc[i, 0] > limit_changed) & (changed.iloc[i, 1] < limit_changed):color = 'tab:blue'# 黑人增长更快的州elif (changed.iloc[i, 1] > limit_changed) & (changed.iloc[i, 0] < limit_changed):color = 'tab:red'# 亚裔和黑人增长均较快的州elif (changed.iloc[i, 1] > limit_changed) & (changed.iloc[i, 0] > limit_changed):color = 'tab:orange'else:color = 'black'plt.text(changed.iloc[i, 0], changed.iloc[i, 1], changed.index[i],fontsize=20, color=color, ha='center', va='bottom')plt.title('Asian or Pacific Islander & Black or African American Race Changed of States of American')
从运行结果可以看出:
- 亚裔增长主要发生在以 Georgia 为代表的蓝色州;
- 黑人增长主要发生在以 Idaho 为代表的红色州;
- 亚裔和黑人在 North Dakota、South Dakota、Nevada 三个州均有较高的增长;
- 亚裔和黑人的增长,在一定程度下,带有一定的地区性特色。
人口结构
各年龄人数随年份变化
将数据集按年份和平均年龄进行聚合,并将年份、平均年龄、人口数映射到散点图。
plt.rcParams['figure.figsize'] = (18, 8)data = df# # 获取州、种族的聚合结果,并按升序排序
data = data.groupby(['Year','Mean Age'],as_index=False)['Population'].sum().sort_values(['Population'])plt.scatter(x=data['Year'],y=data['Mean Age'],c=data['Population'],s=data['Population']*0.00003,ec='tab:gray',cmap=plt.cm.RdBu_r,alpha=0.8)ax = plt.gca()# 不显示左侧和底部纵坐标轴
ax.spines['left'].set_visible(False)
ax.spines['bottom'].set_visible(False)# 显示 y 轴网格线
ax.grid(b=True,axis='y',lw=1)plt.ylabel('Mean Age')plt.title('Population Distribution of Age Group of American From Year 1990 to Year 2019')
从运行结果可以看出,美国人口结构正趋向于老龄化,表现在:
- 1990 年:人口结构按年龄组分布,呈现出 20 - 40 岁的单峰分布;
- 2019 年:原先的20 - 40 岁已转移至 40-70 岁年龄组,1990 年以来的新生儿逐渐转移至 20-40 年龄组,呈现出双峰分布。
各年龄组构成的人口结构
将平均年龄字段按照 20,40,70 三个节点进行切分,获得 青年、壮年、中年、老年 4 个年龄分组段,聚合各分组段人数后用漏斗图可视化 1990 年的人口结构。
!pip install pyecharts==1.7.1
from pyecharts import options as opts
from pyecharts.charts import Funneldata = df.loc[df['Year'] == 1990]
# 将平均年龄进行数据切分,生成新的组
data['Age Group3'] = pd.cut(data['Mean Age'],bins=[0, 20, 40, 70, 100],labels=['Youth(<20)', 'Prime(20-40)', 'Middle(40-70)', 'Old(>70)'])
data = data.groupby(['Age Group3'], as_index=False)['Population'].sum()
data['Population'] = data['Population']/np.sum(data['Population'])*100funel = Funnel()
funel.add(" ",[list(z) for z in zip(data['Age Group3'], data['Population'])],sort_='none',label_opts=opts.LabelOpts(position="inside"),
)
funel.set_global_opts(title_opts=opts.TitleOpts(title="Population Struction of American Year 1990",),legend_opts=opts.LegendOpts(pos_top='5%', textstyle_opts=opts.TextStyleOpts(font_size=15)),
)
funel.render_notebook()
从输出结果可以看出:1990 年的美国人口结构以 20-40 的壮年为主。
data = df.loc[df['Year'] == 2019]
data['Age Group3'] = pd.cut(data['Mean Age'],bins=[0, 20, 40, 70, 100],labels=['Youth(<20)', 'Prime(20-40)', 'Middle(40-70)', 'Old(>70)'])
data = data.groupby(['Age Group3'], as_index=False)['Population'].sum()
data['Population'] = data['Population']/np.sum(data['Population'])*100funel = Funnel()
funel.add(" ",[list(z) for z in zip(data['Age Group3'], data['Population'])],sort_='none',label_opts=opts.LabelOpts(position="inside"),
)
funel.set_global_opts(title_opts=opts.TitleOpts(title="Population Struction of American Year 2019",),legend_opts=opts.LegendOpts(pos_top='5%', textstyle_opts=opts.TextStyleOpts(font_size=15)),
)
funel.render_notebook()
从运行结果可以看出,时过境迁,2019 年美国人口结构已悄然下移。
新生儿出生率
统计各州 <1 和 1-4 两个年龄组(Age Group)的年度人口增长率,分析各州新生儿出生率,数据处理过程详见代码注释。
data = df# 选出平均年龄小于 3 的样本数据,即对应 <1 和 1-4 两个年龄组
data = data.loc[data['Mean Age'] < 3]# 空 df 对象,装各州处理后数据
state_data = pd.DataFrame()for state in list(set(data['State'])):# 聚合得到每个州总人数tmp = data.loc[data['State'] == state].groupby(['Year'], as_index=False)['Population'].sum()# 将 Population 列移位 1 个周期,获得新的特征列 Population Last Year 即 去年总人口数tmp['Population Last Year'] = tmp.shift()['Population']# 新生儿出生率计算原理为 100*(当年人口数 - 去年人口数) / 去年人口数tmp['Birth Increase Ratio /%'] = 100 * (tmp['Population']-tmp['Population Last Year']) / tmp['Population Last Year']# 由于 1990 年没有上年数据,因此其增长率计算结果为空值,将其增长率填充为 0tmp['Birth Increase Ratio /%'].fillna(value=0, inplace=True)tmp['State'] = state# 将所有州的数据进行列方向上的合并state_data = pd.concat([state_data, tmp])state_data = state_data.sort_values('Population')# 查看前 5 行数据
state_data.head()
Year | Population | Population Last Year | Birth Increase Ratio /% | State | |
---|---|---|---|---|---|
29 | 2019 | 29043.0 | 29625.0 | -1.964557 | Vermont |
28 | 2018 | 29625.0 | 30004.0 | -1.263165 | Vermont |
27 | 2017 | 30004.0 | 30234.0 | -0.760733 | Vermont |
26 | 2016 | 30234.0 | 30539.0 | -0.998723 | Vermont |
25 | 2015 | 30539.0 | 30609.0 | -0.228691 | Vermont |
散点图颜色映射的数据,可通过 plt.colorbar
生成的颜色条做辅助可视化,方便读者阅读每个颜色点对应的绝对数值,其原理是将散点图返回的 mappable 对象传入 plt.colorbar
中,plt.colorbar
生成的颜色条(cbar),其颜色板和显色数据区域通过散点图接口中的 cmap、vmin、vmax等参数控制。
plt.rcParams['figure.figsize'] = (18, 8)# 生成画布并新增子图,111 表示 1行1列第1个子图
ax = plt.figure().add_subplot(111)# ax.scatter 接口返回的 mappable 对象,用以传入 plt.colorbar 接口中,实现颜色与数据在颜色条上的映射
mappable = ax.scatter(x=state_data['State'],y=state_data['Year'],c=state_data['Birth Increase Ratio /%'],s=np.abs(state_data['Birth Increase Ratio /%'])*50, # 将增长率为负值的数据取绝对值ec='gray',vmin=-7, # 颜色条映射数据最小值vmax=7, # 颜色条映射数据最大值cmap=plt.cm.RdBu_r,
)# 将 x 轴刻度标签旋转 90 度
ax.tick_params(axis='x', rotation=90)
ax.spines['left'].set_visible(False)
ax.spines['bottom'].set_visible(False)# 添加 1993、2009 两条水平辅助线
ax.axhline([1993], xmin=0.05, xmax=0.95, color='tab:red')
ax.axhline([2009], xmin=0.05, xmax=0.95, color='tab:blue')# 添加颜色条
cbar=plt.colorbar(mappable=mappable,ax=ax,aspect=40, # 颜色条的长宽比例 =长度/宽度pad=0.005, # 散点图和颜色条的间距fraction=0.02 # 散点图和颜色条在画布上宽度的比例 =颜色条宽度/散点图宽度
)ax.set_title('Birth Increase Ratio of States of American from Year 1990 to 2019')
从输出结果可以看出:
- 人口基数最大的 California, 1993 年以后新生儿出生率一直处于下降阶段;
- 大多数州在 2009 年以后均呈现出新生儿出生率下降状况;
- North Dakota 和 District of Columbia 两州阶段性地出现婴儿潮。
性别分布
选择 1990 、2010、 2019 三个年份,将数据集按照性别(Gender)、种族(Race)进行人口数(Population)聚合并按升序排列。聚合后,将聚合数据集中的 Gender、Race 特征分别映射至散点图 x、y 坐标,将 Population 人口数特征映射至点大小(s),将 Gender 映射至点颜色(c)。
fig, axs = plt.subplots(1, 3, figsize=(15, 6), sharey=True, sharex=True)for i, year in enumerate([1990, 2010, 2019]):ax = axs[i]data = df.loc[df['Year'] == year].groupby(['Gender', 'Race'], as_index=False)['Population'].sum().sort_values('Population')dataax.scatter(x=data['Gender'],y=data['Race'],c=data['Gender'].apply(lambda x: 'tab:red' if x =='Female' else 'tab:blue'),s=data['Population']*0.00007,ec='gray',)ax.set_ylim(-0.5, 4)ax.set_xlim(-1, 1.5)ax.set_title('Year %d' % year)if i > 0:ax.spines['left'].set_visible(False)fig.suptitle('Population Distribution Varies with Gender of USA',size=25, va='bottom')
从输出结果可以看出,各种族在选定的3个年份并未呈现出显著差异,说明美国的人口结构中,性别分布相对均匀。
实验总结
本实验以散点图为主要绘图对象,对美国 1990 - 2019 年期间人口与种族变迁做了研究,通过分析和可视化,得出以下结论:
- 美国是以白人为主体种族的国家,在各大州白人的数量和占比都具有绝对优势;
- 在过去的 29 年间,白人一直保持着与美国国家人口增速相同的增长速率;
- 黑人和亚裔作为仅次于白人排名的种族,在过去 29 年间有了较高的增速,且主要人口增速表现出一定的地域性;
- 美国在人口结构上,正逐渐趋向于老龄化,与此同时,新生儿出生率自 2009 年以后有了较为明显的下降;
- 各种族在统计期内性别比例未出现较明显的失衡。
本次实验中,我们学会了:
- 散点图接口及其参数的使用。
- 漏斗图的绘制。
- 画布上多子图的绘制。
- 散点图的数据拟合。
- 颜色条的绘制和应用。
- 数据对数变换技巧。
【数据可视化】案例一:美国人口与种族变迁史相关推荐
- python爬虫数据可视化_适用于Python入门者的爬虫和数据可视化案例
本篇文章适用于Python小白的教程篇,如果有哪里不足欢迎指出来,希望对你帮助. 本篇文章用到的模块: requests,re,os,jieba,glob,json,lxml,pyecharts,he ...
- 【05】数据可视化:02-ECharts数据可视化案例_立可得智能看板
文章目录 DAY01-可视化项目 01-项目介绍 02-使用技术 03-Echarts-介绍 04-Echarts-体验 初始化echarts实例对象 05-Echarts-基础配置 06-REM适配 ...
- 20180430-A · ACS Census Data (2015) · ggplot2 maps rcstatebin 地图 热图 蜂窝地图 动态图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 ACS Census Data (2015) 欢迎来到`ggplot2`的世界! ggplot2是一个用来绘制统计图 ...
- 企业大数据可视化案例专题分享-入门
一.什么是数据可视化? 基本概念:数据可视化是以图示或图形格式表示的数据.让决策者可以看到以直观方式呈现的分析,以便他们可以掌握困难的概念或识别新的模式.借助交互式可视化,可以使用技术深入挖掘图表和图 ...
- d3中文案例_D3js初探及数据可视化案例设计实战
摘要:本文以本人目前所做项目为基础,从设计的角度探讨数据可视化的设计的方法.过程和结果,起抛砖引玉之效.在技术方案上,我们采用通用web架构和d3js作为主要技术手段:考虑到项目需求,这里所做的可视化 ...
- 数据可视化案例 :球员能力图
数据可视化案例 :球员能力图 如果要在python的py文件里面写中文,则必须要添加一行声明文件编码的注释,否则python会默认使用ASCII编码并且在字体前面+u. #_*_ conding:ut ...
- 大数据可视化案例分析_Tableau数据可视化分析案例
0x00 Tableau简介 Tableau是一款定位于数据可视化敏捷开发和实现的商务智能展现工具,可用来实现交互的.可视化的分析和仪表盘应用. Tableau提供了体验感良好且易用的使用界面,在处理 ...
- 实战!Python常见的几种数据可视化案例
大家好,我是辰哥. 利用可视化探索图表 一.数据可视化与探索图 数据可视化是指用图形或表格的方式来呈现数据.图表能够清楚地呈现数据性质, 以及数据间或属性间的关系,可以轻易地让人看图释义.用户通过探索 ...
- 20180402-D · US Tuition Costs · ggplot2 geofacet 按地理位置分面的数据可视化 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 US Tuition Costs Average Tuition and Educational Attainmen ...
最新文章
- Atitit..css的体系结构
- 输入和输出移位寄存器的同步串行模式
- python内置函数用来返回_Python内置函数用法
- 广东工业大学专项设计_2020年广东工业大学本科招生计划发布!
- dialog像父activity传递参数
- bootstrap file input java,BootStrap-fileinput初识
- WPF Summary:XAML的介绍
- Java日志设计实践(1) - 常见问题
- tomcat配置项目的接种方式
- 柴静自费百万调查雾霾真相
- 手机IMSI号码编码规则表
- [线性代数] 常用定义与公式
- 【Linux】 Ubuntu intel网卡驱动安装
- 在线二进制取余计算机,二进制换算(进制转换计算器)
- 工作记录——本周小结
- 信息系统项目管理师思维导图
- chroom浏览器网页二维码生成功能的方法
- Object.assign 原理及其实现
- be idle sometimes to_帮忙翻译。中文的
- 阿里一员工被判刑,涉及金额66亿,获利千万
热门文章
- Q2业绩走上“快车道”股价却下跌,内卷下的小赢科技难躺赢
- 弱电计算机网络系统系统概述,弱电系统一、计算机网络系统.ppt
- exif.js html图片旋转,exif获取图片旋转角度
- 暴力推荐:MiniTool Partition Wizard Home Edition
- 怎样看计算机主板,怎么看主板型号
- 计算机屏幕变红色,电脑屏幕变红色怎么办 电脑显示器变成红色怎么办 - 云骑士一键重装系统...
- 矩阵左乘和右乘的区别
- 10分钟速通人工智能导论
- 【OpenCV教程】特征工程
- 【win10】win 10 电脑喇叭音频显示红叉的处理方法