手把手教你用 Pandas 绘制全球人口可视化交互图像

20 。我们将在素描年糕图时将其后用于这个资料框内。

df_population_2020 = df_population[df_population.index.isin([2020])]

df_population_2020 = df_population_2020.T

过去我们可以用 .iplot() 来对新的资料框内透过素描. 在这种情况下，我将用于颜色表达式将六角形颜色所设为黄色。

df_population_2020.iplot(kind='bar', color='lightgreen',

xTitle='Years', yTitle='Population',

title='Population in 2020')

多个变量分组的六角形图

过去让我们看看各有不同世纪末初期人口比例的改变情况。

# filter years out

df_population_sample = df_population[df_population.index.isin([1980, 1990, 2000, 2010, 2020])]# plotting

df_population_sample.iplot(kind='bar', xTitle='Years',

yTitle='Population')

近十年，这些国内的人口比例都在上升，但有些国内的上升更极快。

箱内形图

当我们不想查看资料的分布区时，箱内1]就派上用场了。箱内1]将看出最小值、第一四分以此类推 (Q1)、中都以此类推、第三个四分以此类推 (Q3)以及 极值。查看这些值的最简单方法是创设交互式资料分析。

接着让我们碰到英国的人口比例分布区。

df_population['United States'].iplot(kind='box', color='green',

yTitle='Population')

我们还可以碰到其他国内或周边地区的人口比例分布区。

df_population.iplot(kind='box', xTitle='Countries',

yTitle='Population')

如我们所见，我们还可以通过浏览者右侧的图例来过滤掉任何国内。

概率分布区

直方粗略示数值资料的分布区。让我们看看英国和印度尼西亚的人口比例分布区。

df_population[['United States', 'Indonesia']].iplot(kind='hist',

xTitle='Population')

年糕图

让我们用年糕图来比较一下 2020 年的人口比例。为此，我们将用于在单个六角形图其余部分中都创设的资料框内 df_population_2020

留意，要制作公司年糕图，我们无需将“国内/周边地区”作为奇科而不是索引，因此我们用于 .reset_index() 来获取奇科。然后我们将其 2020 反转为codice_。

# transforming data

df_population_2020 = df_population_2020.reset_index()

df_population_2020 =df_population_2020.rename(columns={2020:'2020'})# plotting

df_population_2020.iplot(kind='pie', labels='country',

values='2020',

title='Population in 2020 (%)')

散点图

说是人口比例资料不适合用散点图，但出于演示的目的，这里还是奇科举出来了。

制作公司散点图相似折1]，但我们必须添加 mode 表达式。

df_population.iplot(kind='scatter', mode='markers')

以上就是本文的全部主旨了。不妨订阅资料来试试，用Pandas来素描文中都写道的交互式资料分析吧！

“CDA资料高盛”公众号后台为了让语句 “人口比例” ，

才会订阅资料CSV 档案。

还不想修习哪层面的主旨，也欢迎在评论家区给我们留言哦~

。

沈阳肛肠治疗多少钱
肇庆妇科专业医院
贵阳牛皮癣医院哪家好