作者:俊欣
来源:关于数据分析与可视化
“碳达峰、碳中和”是2021年政府在不断强调与非常重视的事儿,那什么是“碳达峰”、什么又是“碳中和”呢?这里小编来为大家科普一下,所谓的“碳达峰”指的是在某一时间点,二氧化碳的排放不再达到峰值,之后逐步回落。
而“碳中和”也就意味着企业、个体与团体在一定时间内直接或间接产生的温室气体排放总量,通过植树造林、节能减排等形式,抵消自身产生的二氧化碳排放,实现二氧化碳的“零排放”。
今天小编就用Python来制作一张可视化大屏,让大家来感受一下近百年来二氧化碳排放的趋势以及给我们所居住的环境造成了什么样的影响。
本地可视化大屏中引用的数据来自于由英国牛津大学知名教授创办的网站“用数据看世界(Our World in Data”,里面收入了各个学科的数据,包括卫生、食品、收入增长和分配、能源、教育、环境等行业进行了分析与可视化展示,十分地全面,并且当中的元数据开放在Github当中
我们导入需要用到的模块
import streamlit as st import plotly.express as px import pandas as pd
我们这次是用到streamlit模块来制作可视化大屏,该模块是基于Python的可视化工具,最初开发出来的目的是给机器学习和数据科学团队使用的。同时我们用plotly.express模块来绘制各种图表,因此图表是具备交互性的,pandas模块来读取数据
@st.cache def get_data(): url_1 = 'https://raw.githubusercontent.com/owid/owid-datasets/master/datasets/Climate%20change%20impacts/Climate%20change%20impacts.csv' url_2 = "https://github.com/owid/co2-data/raw/master/owid-co2-data.csv" df_1 = pd.read_csv(url_1) df_1_1 = df_1.query("Entity == 'World' and Year <=2021") df_2 = pd.read_csv(url_2) return df_1_1, df_2
然后我们来制作整个可视化大屏,首先我们先确认好可视化大屏的布局,如下图所示
然后我们针对每一篇布局来编写代码,首先看到的是标题部分,我们通过streamlit模块当中的markdown方法来实现即可
st.markdown()
然后根据上面的布局设计,我们这么来编写代码
col2, space2, col3 = st.columns((10,1,10)) with col2: year = st.slider('选择年份',1750,2020) ... with col3: ... selected_countries = st.multiselect('选择国家',countries,default_countries) ... col4, space3, col5, space4, col6 = st.columns((10,1,10,1,10)) with col4: st.markdown("""## 二氧化碳和全球变暖之间的关系""") with col5: st.subheader(" 副标题一 ") ... with col6: st.subheader(" 副标题二 ") ...
我们这里使用columns方法来将页面均匀的分成若干列,并且给定特定的宽度,当然每列之间还需要留一点空隙,从美观程度上来考虑,因此才有了变量space对应的是宽度1的空隙
col2, space2, col3 = st.columns((10,1,10))
然后我们针对分割开来的每个区域进行图表的绘制,例如左上方的世界地图,我们用plotly.express当中的choropleth方法来绘制,另外我们添加了时间轴,通过调用streamlit模块当中的slider方法来实现
with col2: year = st.slider('选择时间', 1750, 2020) fig = px.choropleth(df_co2[df_co2['year'] == year], locations="iso_code", color="co2_per_capita", hover_name="country", range_color=(0, 25), color_continuous_scale=px.colors.sequential.Reds) st.plotly_chart(fig, use_container_width=True)
而例如右上方的折线图,同样也是调用plotly.express模块来实现的,其中多选框则是调用了streamlit模块当中的multiselect方法,代码如下
with col3: default_countries = ['World', 'United States', 'United Kingdom', 'EU-27', 'China', 'Canada'] countries = df_co2['country'].unique() selected_countries = st.multiselect('选择国家或者区域性组织', countries, default_countries) df3 = df_co2.query('country in @selected_countries') fig2 = px.line(df3, "year", "co2_per_capita", color="country") st.plotly_chart(fig2, use_container_width=True)
最后的成品如下图所示:
从上面绘制的图表中我们能够看到的是,美国以及加拿大这两国家二氧化碳的排放量一直都很高,超过了包括欧盟、英国以及中国在内的主要经济体。当然近些年各个国家的政府也对该问题相当的重视,制订了相对应的节能减排的应对措施。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20