做网站需要花多少钱,wordpress宠物主题,赣icp南昌网站建设,360站长工具seo总结
本系列是数据可视化基础与应用的第04篇seaborn#xff0c;是seaborn从入门到精通系列第3篇。本系列主要介绍基于seaborn实现数据可视化。
参考
参考:我分享了一个项目给你《seaborn篇人口普查分析–如何做人口年龄层结构金字塔》#xff0c;快来看看吧
数据集地址 h…总结
本系列是数据可视化基础与应用的第04篇seaborn是seaborn从入门到精通系列第3篇。本系列主要介绍基于seaborn实现数据可视化。
参考
参考:我分享了一个项目给你《seaborn篇人口普查分析–如何做人口年龄层结构金字塔》快来看看吧
数据集地址 https://www.kesci.com/mw/project/5fde03b883e4460030a8dc3d/dataset
数据集介绍
2010年各地区分年龄性别人口数据 背景描述 数据为中国2010年人口普查资料包含2010年各地区分年龄、性别的人口各地区分性别的户籍人口 2010年城市乡村镇各地区分年龄、性别的人口 数据说明 1-7c 各地区分年龄、性别的人口(乡村).csv 1-7b 各地区分年龄、性别的人口(镇).csv 1-7a 各地区分年龄、性别的人口(城市).csv 1-3 各地区分性别的户籍人口.csv 各地区分年龄、性别的人口.csv 数据来源 中国2010年人口普查资料 问题描述 20年来出生男女比例变化 男女找对象的合适年龄假设初婚和再婚 基于以上假设哪个省份的男生以后找女朋友会越来越难 结合结婚率、离婚率、民族、地域等信息进一步猜测00后找女朋友的趋势变化 案例
#导入包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.style.use(fivethirtyeight)from warnings import filterwarnings
filterwarnings(ignore)#读取各地区分年龄、性别的人口
pcount pd.read_csv(/home/kesci/input/GENDER8810/各地区分年龄、性别的人口.csv,skiprows2)2010年各地区分年龄性别人口数据
背景描述数据为中国2010年人口普查资料包含2010年各地区分年龄、性别的人口各地区分性别的户籍人口 2010年城市乡村镇各地区分年龄、性别的人口
数据说明1-7c 各地区分年龄、性别的人口(乡村).csv
1-7b 各地区分年龄、性别的人口(镇).csv
1-7a 各地区分年龄、性别的人口(城市).csv
1-3 各地区分性别的户籍人口.csv
各地区分年龄、性别的人口.csv1. 探索性分析并处理数据
pcount.head()输出为
pcount.info()输出为
1.1 删除多余的列
#删除所有值为na的列
pcountpcount.dropna(axis1,howall) 1.2 处理表头
def rename(frame):for i in range(frame.shape[1]):frame.iloc[1,0]地区if frame.iloc[1,i]小计:frame.iloc[1,i]小计 _str(frame.iloc[0,i])elif frame.iloc[1,i]男:frame.iloc[1,i]男 _ str(frame.iloc[0,i-1])elif frame.iloc[1,i]女:frame.iloc[1,i]女 _ str(frame.iloc[0,i-2])rename(pcount)
pcount.head()输出为
1.3 透视数据
pcount.columns pcount.iloc[1,]
pcount.columns输出为
pcount pcount.iloc[2:,:]
pcount输出为
pcounts pcount.set_index(地区).stack().reset_index()
pcounts输出为
pcounts.columns [地区,类别,统计人数]
pcounts输出为
1.4 处理空格数据量大的话不建议这么做
def replace_r(frame):for i in range(frame.shape[0]):frame.iloc[i,0] frame.iloc[i,0].replace( ,)frame.iloc[i,1] frame.iloc[i,1].replace( ,)replace_r(pcounts)
pcounts输出为
1.5 增加统计列
pcounts[年龄段] pcounts[类别].str.split(_).str[-1]
pcounts[性别] pcounts[类别].str.split(_).str[0]
#将统计人数转换为数值
pcounts[统计人数]pcounts[统计人数].astype(int)2. 可视化部分
2.1 我国人口总数
plt.figure(1,figsize(16,6))
plt.subplot(1,2,1)
sns.barplot(y[全国人口总数,男性人口总数,女性人口总数],x[1337376754,687562046,649814708],colorCadetBlue)
plt.title(全国人口总数,locleft)
plt.xticks(fontsize12)
plt.yticks(fontsize13)plt.subplot(1,2,2)
patches,l_text,p_textplt.pie([687562046,649814708],labels[男性,女性],autopct%.2f%%,colors[CadetBlue,DarkSalmon],explode[0,0.05],startangle90)
plt.title(不同性别占全国人口总数的百分比)
plt.axis(equal)
plt.show()输出为
2.1 人口年龄结构金字塔左边女右边男
result pcounts[(pcounts[性别].isin([男,女]))(pcounts[地区]全国)(pcounts[年龄段]!合计)]
result
输出为
result[人口占比] ( result[统计人数]/result[统计人数].sum()*100).round(2)
result输出为
# 女性占比
-result[result[性别]女][人口占比].values输出为
plt.figure(figsize(12,8))bar_plot sns.barplot(y result[年龄段].unique(), x -result[result[性别]女][人口占比].values, color DarkSalmon, data result,order result[年龄段].unique()[::-1],)
bar_plot sns.barplot(y result[年龄段].unique(), x result[result[性别]男][人口占比].values, color CadetBlue,data result,order result[年龄段].unique()[::-1],)plt.xticks([-5,-3,-1,0,1,3,5])
# plt.rcParams[font.sans-serif] [SimHei]
plt.rcParams[font.sans-serif] [Microsoft YaHei]
plt.rcParams[axes.unicode_minus] True
bar_plot.set(xlabel人口占比%, ylabel年龄层, title 2010中国人口普查年龄结构金字塔)
plt.show()输出为
2.2 差异
data {index: result[年龄段].unique(),男: result[result[性别]男][人口占比].values,女: result[result[性别]女][人口占比].values,}
Data pd.DataFrame(data)
Data[差异]Data[男]-Data[女]
Data输出为
plt.figure(1,figsize(12,8))
sns.lineplot(xData[index],yData[差异],colorDarkSalmon,sortFalse)
plt.xlabel(年龄层)
plt.ylabel(人口占比(%))
plt.title(各年龄层的 男 VS 女(占比)的差异)
plt.xticks(rotation35)
plt.show()输出为
2.3 北京、上海、广东地区的人口年龄结构金字塔左边女右边男
plt.figure(1,figsize(18,16))
n 0
for x in [北京,上海,广东]:result pcounts[(pcounts[性别].isin([男,女]))(pcounts[地区] x )(pcounts[年龄段]!合计)]result[人口占比] ( result[统计人数]/result[统计人数].sum()*100).round(2)n 1plt.subplot(2,3,n)bar_plot sns.barplot(y result[年龄段].unique(), x -result[result[性别]女][人口占比].values, color DarkSalmon, data result,order result[年龄段].unique()[::-1],)bar_plot sns.barplot(y result[年龄段].unique(), x result[result[性别]男][人口占比].values, color CadetBlue,data result,order result[年龄段].unique()[::-1],)plt.xticks([-7,-5,-3,-1,0,1,3,5,7],[7,5,3,1,0,1,3,5,7])plt.rcParams[font.sans-serif] [Microsoft YaHei]plt.rcParams[axes.unicode_minus] Truebar_plot.set(xlabel人口占比%, ylabel年龄层, title x )plt.ylabel()
plt.show() 输出为
上图这三个地区还是比较突出的但不容易看出男女差异我们再来一个性别的对比图
plt.figure(1,figsize(18,16))
n 0
for x in [北京,上海,广东]:result pcounts[(pcounts[性别].isin([男,女]))(pcounts[地区] x )(pcounts[年龄段]!合计)]n 1plt.subplot(2,3,n)sns.barplot(x统计人数,y年龄段,hue性别,dataresult,palette[CadetBlue,DarkSalmon],orderresult[年龄段].unique()[::-1])plt.title(x)plt.xticks(rotation35)plt.ylabel()
plt.show()输出为
不难发现这三个地区的男女比例失衡在中青年这个年龄段较为严重
2.4 人口分布地图
result1 pcounts[(pcounts[性别]小计)(pcounts[地区]!全国)(pcounts[年龄段]!合计)]
result1输出为
result2 result1.groupby(地区)[统计人数].sum().reset_index(name统计人数)
result2输出为
# pip install pyecharts
# from pyecharts.globals import CurrentConfig,OnlineHostType
# CurrentConfig.ONLINE_HOST OnlineHostType.NOTEBOOK_HOST
from pyecharts.charts import Map
from pyecharts import options as optsx_data result2[地区].tolist()
y_data result2[统计人数].tolist()
x_data输出为
name_translate {宁夏回族自治区:宁夏,河南省:河南,北京市:北京,河北省:河北,辽宁省:辽宁,江西省:江西,
上海市:上海,安徽省: 安徽,江苏省:江苏,湖南省:湖南,浙江省:浙江,海南省:海南,
广东省:广东,湖北省:湖北, 黑龙江省: 黑龙江,陕西省:陕西,四川省:四川,内蒙古自治区:内蒙古,
重庆市:重庆,广西壮族自治区:广西,云南省:云南,贵州省:贵州,吉林省:吉林,山西省:山西,
山东省:山东,福建省:福建,青海省:青海,天津市:天津,新疆维吾尔自治区:新疆,西藏自治区:西藏,
甘肃省:甘肃,大连市:大连, 东莞市:东莞,宁波市:宁波,青岛市:青岛,厦门市:厦门,台湾省: ,澳门特别行政区: ,
香港特别行政区: ,南海诸岛: }# 地图
map1 Map()
map1.add(, [list(z) for z in zip(x_data, y_data)],china,name_mapname_translate)
map1.set_series_opts(label_optsopts.LabelOpts(is_showTrue))
map1.set_global_opts(title_optsopts.TitleOpts(title全国各地区人口分布),
visualmap_optsopts.VisualMapOpts( max_result2[统计人数].max(),
min_ result2[统计人数].min(),is_piecewiseFalse))
map1.render_notebook() 输出为
2010年的人口普查数据显示广东省、山东省、河南省、四川省、江苏省 是总人口数前 5 的地区
