清明节用python统计死亡人数，并绘制绘饼状图、 长条图、堆积条形图、折线图

清明时节雨纷纷，路上行人欲断魂

人生苦短，我用python

清明节，
又称踏青节、行清节、三月节、祭祖节等，节期在仲春与暮春之交。
清明节源自早期人类的祖先信仰与春祭礼俗，
是中华民族最隆重盛大的祭祖大节。
清明节兼具自然与人文两大内涵，
既是自然节气点，也是传统节日，
扫墓祭祖与踏青郊游是清明节的两大礼俗主题，
这两大传统礼俗主题在中国自古传承，
至今不辍。

本文源码、数据集：点击此处跳转文末名片获取

---

一、数据概览

该数据集包含了超过100多万名已故人的生活、
工作和死亡的结构化信息。

数据集： AgeDatasetV1.csv
一共1223009条数据。

通过全球122万名人的死亡数据，
我们可以了解大部分人的寿命，
在过去哪些年份的死亡人数较多，
哪些年份出生的人死亡人数较多，
以及不同性别的死亡年龄趋势，
不同职业的男性和女性的死亡人数。

在本案例中我们用到pandas,pyplot,seaborn绘饼状图、
长条图、堆积条形图、折线图，

列名	描述
‘Id’,	编号
‘Name’,	名字
‘Short description’,	简述
Gender’,	性别
Country’,	国家
Occupation’,	职业
‘Birth year’,	出生年份
‘Death year’,	逝世年份
‘Manner of death’,	死亡方式
‘Age of death’	去世年龄

---

二、数据预处理

发现有出生年份为负数的，
其实是正常值，
负值表示公元前。

import pandas as pd

df = pd.read_csv('.\data\AgeDatasetV1.csv')
df.info()

df.describe().to_excel(r'.\result\describe.xlsx')
df.isnull().sum().to_excel(r'.\result\nullsum.xlsx')
df[df.duplicated()].to_excel(r'.\result\duplicated.xlsx')

df.rename(columns=lambda x: x.replace(' ', '_').replace('-', '_'), inplace=True)
print(df.columns)
print(df[df['Birth_year'] < 0].to_excel(r'.\result\biryear0.xlsx'))

---

三、数据可视化

0、导入包和数据

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

plt.rcParams['font.sans-serif'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False

df1 = pd.read_csv('./data/AgeDatasetV1.csv')
df1.rename(columns=lambda x: x.replace(' ', '_').replace('-', '_'), inplace=True)
print(df1.columns)

1、按不同年龄范围的死亡率百分比

plt.figure(figsize=(12, 10))
count = [df1[df1['Age_of_death'] > 100].shape[0],
         df1.shape[0] - df1[(df1['Age_of_death'] <= 100) & (df1['Age_of_death'] > 90)].shape[0],
         df1[(df1['Age_of_death'] <= 90) & (df1['Age_of_death'] > 70)].shape[0],
         df1[(df1['Age_of_death'] <= 70) & (df1['Age_of_death'] > 50)].shape[0],
         df1.shape[0] - (df1[df1['Age_of_death'] > 100].shape[0] +
                         df1[(df1['Age_of_death'] <= 100) & (df1['Age_of_death'] > 90)].shape[0]
                         + df1[(df1['Age_of_death'] <= 70) & (df1['Age_of_death'] > 50)].shape[0]
                         + df1[(df1['Age_of_death'] <= 90) & (df1['Age_of_death'] > 70)].shape[0])
         ]

age = ['> 100', '> 90 & <= 100', '> 70 & <= 90', '> 50 & <= 70', '< 50']
explode = [0.1, 0, 0.02, 0, 0]  # 设置各部分突出

palette_color = sns.color_palette('pastel')

plt.rc('font', family='SimHei', size=16)
plt.pie(count, labels=age, colors=palette_color,
        explode=explode, autopct='%.4f%%')
plt.title("按不同年龄范围的死亡率百分比")
plt.savefig(r'.\result\不同年龄范围的死亡率百分比.png')
plt.show()

2、死亡人数前20的职业

Occupation = list(df1['Occupation'].value_counts()[:20].keys())
Occupation_count = list(df1['Occupation'].value_counts()[:20].values)
plt.rc('font', family='SimHei', size=16)
plt.figure(figsize=(14, 8))
# sns.set_theme(style="darkgrid")
p = sns.barplot(x=Occupation_count, y=Occupation)  # 长条图
p.set_xlabel("人数", fontsize=20)
p.set_ylabel("职业", fontsize=20)
plt.title("前20的职业", fontsize=20)
plt.subplots_adjust(left=0.18)
plt.savefig(r'.\result\死亡人数前20的职业.png')
plt.show()

3、死亡人数前10的死因

top_causes = df1.groupby('Manner_of_death').size().reset_index(name='count')
top_causes = top_causes.sort_values(by='count', ascending=False).iloc[:10]
fig = plt.figure(figsize=(10, 6))
plt.barh(top_causes['Manner_of_death'], top_causes['count'], edgecolor='black') # 堆积条形图
plt.title('死亡人数前10的死因.png')
plt.xlabel('人数')
plt.ylabel('死因')
plt.tight_layout()  # 自动调整子图参数,使之填充整个图像区域
plt.savefig(r'.\result\死亡人数前10的死因.png')
plt.show()

4、死亡人数前20的出生年份

birth_year = df1.groupby('Birth_year').size().reset_index(name='count')
birth_year = birth_year.sort_values(by='count', ascending=False).iloc[:20]
fig = plt.figure(figsize=(10, 6))
plt.barh(birth_year['Birth_year'], birth_year['count'])
plt.title('死亡人数前20的出生年份')
plt.xlabel('人数')
plt.ylabel('出生年份')
plt.tight_layout()  # 自动调整子图参数,使之填充整个图像区域
plt.savefig(r'.\result\死亡人数前20的出生年份.png')
plt.show()

5、死亡人数前20的去世年份

death_year = df1.groupby('Death_year').size().reset_index(name='count')
print(death_year)
death_year = death_year.sort_values(by='count', ascending=False).iloc[:20]
fig = plt.figure(figsize=(10, 10))
plt.barh(death_year['Death_year'], death_year['count'])
plt.title('死亡人数前20的去世年份')
plt.xlabel('人数')
plt.ylabel('去世年份')
plt.tight_layout()
plt.savefig(r'.\result\死亡人数前20的去世年份.png')
plt.show()

6、按性别分列的死亡年龄趋势

data = pd.DataFrame(
    df1.groupby(['Gender', 'Age_of_death']).size().reset_index(name='count').sort_values(by='count', ascending=False))

fig = plt.figure(figsize=(10, 10))
sns.lineplot(data=data, x='Age_of_death', y='count', hue='Gender', linewidth=2) 
plt.title('按性别分列的死亡年龄趋势')
plt.xlabel('死亡年龄')
plt.ylabel('人数')
plt.tight_layout()
plt.savefig(r'.\result\死亡人数前20的去世年份.png')
plt.show()

图片转存失败

7、前10的职业中 男性与女性的人数

occupation = pd.DataFrame(df1['Occupation'].value_counts())
top10_occupation = occupation.head(10)
top_index = [i for i in top10_occupation.index]
age_data = df1[df1['Occupation'].isin(top_index)]
age_data = age_data[age_data['Gender'].isin(['Male', 'Female'])]
sns.catplot(data=age_data, x='Occupation', kind='count', hue='Gender', height=10)
plt.xticks(rotation=20)

---

问题解答 · 源码获取 · 技术交流 · 抱团学习请联系