python数据可视化（饼图、世界地图、折线图、柱状图）

一、数据说明

数据有每个国家对应的近20年的对于儿童超重和营养不良占比和人数的三种类型（estimate字段）评估数据，一共四个sheet，就是儿童超重比例、儿童超重人数、儿童营养不良比例、儿童营养不良人数。

二、绘图思路和部分绘图效果

part1

要求：儿童超重情况可视化分析：对各国儿童超重的比例和人数进行划分，根据数值的大小区分超重的程度，绘制图表，统计并对比 2000 年与 2020 年不同程度分布情况；

思路：先提取出表中每个国家超重比例和超重人数，然后再提取对应的2000年与2020年数据，表中数据要从字符串型转为浮点型数据才能画图。查看每年数据的数值分布，确定轻度超重比例小于5.0，重度超重比例大于11.0，中度居中；轻度超重人数小于27万人，重度超重人数大于257万人，中度居中，画出四个饼图

part2

要求：绘制地理图，分析不同国家儿童营养不良的情况；

解决思路：先提取出每个国家重度营养不良的数据，对其所有年份数据求和，根据和还有国家名称绘制世界地图，世界地图生成html文件在同一目录下，打开文件即可在浏览器观察世界地图

part3

要求：根据不同程度，抽取排名前 3 的国家数据，整合数据分析儿童营养不良不同程度数据的差距情况；

解决思路：

根据第二部取出营养不良总和前三的国家，去原表中找到对应的数据，根据数据绘制三个国家轻度营养不良、中度营养不良、重度营养不良的折线图对比

part4：

要求：分析对比 2000 年与 2020 年各国儿童超重的比例和人数变动情况

解决思路：根据第一部处理的数据，提取前30个国家的数据绘制2000年与2020年的超重比例和人数柱状图

三、代码

存一下源码，方便以后用到回来看看

import pandas as pd
data_proportation = pd.read_excel('Country_Estimates_2021.xlsx',sheet_name = 'Overweight Proportion (Model)')
data_numbers = pd.read_excel('Country_Estimates_2021.xlsx',sheet_name = 'Overweight Numb Affected(Model)')

data_proportation_over = data_proportation[data_proportation['Estimate'] == 'Upper Uncertainty Bound']
data_numbers_over = data_numbers[data_numbers['Estimate'] =='Upper Uncertainty Bound']
data_proportation_over['2000'] = pd.to_numeric(data_proportation_over['2000'],errors='coerce')
data_proportation_over['2020 1'] = pd.to_numeric(data_proportation_over['2020 1'],errors='coerce')
data_numbers_over['2000'] = pd.to_numeric(data_numbers_over['2000'],errors='coerce')
data_numbers_over['2020 1'] = pd.to_numeric(data_numbers_over['2020 1'],errors='coerce')

from matplotlib import pyplot as plt
from jupyterthemes import jtplot
jtplot.style(theme='chesterish') #选择一个绘图主题
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
print(data_proportation_over['2000'].describe())
data_proportation_over_2000 = []
data_proportation_over_2000.append(data_proportation_over['2000'][data_proportation_over['2000']<=5.0].count())
data_proportation_over_2000.append(data_proportation_over['2000'][(data_proportation_over['2000']>=5.0) & (data_proportation_over['2000']<=11.0)].count())
data_proportation_over_2000.append(data_proportation_over['2000'][data_proportation_over['2000']>=11.0].count())
label = ['轻度超重', '中度超重', '重度超重']  # 刻度标签
plt.figure(figsize=(6, 6))  # 将画布设定为正方形，则绘制的饼图是正圆
explode = [0.01, 0.01, 0.01]  # 设定各项离心n个半径
plt.pie(data_proportation_over_2000,explode=explode, labels=label, autopct='%1.1f%%')  # 绘制饼图
plt.title('2000年世界超重儿童比例饼图')  # 添加图表标题
# plt.savefig('../tmp/2019年各年龄段年末总人口饼图.png')
plt.show()

print(data_proportation_over['2020 1'].describe())
data_proportation_over_2020 = []
data_proportation_over_2020.append(data_proportation_over['2020 1'][data_proportation_over['2020 1']<=5.0].count())
data_proportation_over_2020.append(data_proportation_over['2020 1'][(data_proportation_over['2020 1']>=5.0) & (data_proportation_over['2020 1']<=11.0)].count())
data_proportation_over_2020.append(data_proportation_over['2020 1'][data_proportation_over['2020 1']>=11.0].count())
label = ['轻度超重', '中度超重', '重度超重']  # 刻度标签
plt.figure(figsize=(6, 6))  # 将画布设定为正方形，则绘制的饼图是正圆
explode = [0.01, 0.01, 0.01]  # 设定各项离心n个半径
plt.pie(data_proportation_over_2020,explode=explode, labels=label, autopct='%1.1f%%')  # 绘制饼图
plt.title('2000年世界超重儿童比例饼图')  # 添加图表标题
# plt.savefig('../tmp/2019年各年龄段年末总人口饼图.png')
plt.show()

print(data_numbers_over['2000'].describe())
data_numbers_over_2000 = []
data_numbers_over_2000.append(data_numbers_over['2000'][data_numbers_over['2000']<=27.0].count())
data_numbers_over_2000.append(data_numbers_over['2000'][(data_numbers_over['2000']>=27.0) & (data_numbers_over['2000']<=257.0)].count())
data_numbers_over_2000.append(data_numbers_over['2000'][data_numbers_over['2000']>=257].count())
label = ['轻度超重', '中度超重', '重度超重']   # 刻度标签
plt.figure(figsize=(6, 6))  # 将画布设定为正方形，则绘制的饼图是正圆
explode = [0.01, 0.01, 0.01]  # 设定各项离心n个半径
plt.pie(data_numbers_over_2000,explode=explode, labels=label, autopct='%1.1f%%')  # 绘制饼图
plt.title('2020年世界超重儿童比例饼图')  # 添加图表标题
# plt.savefig('../tmp/2019年各年龄段年末总人口饼图.png')
plt.show()

print(data_numbers_over['2020 1'].describe())
data_numbers_over_2020 = []
data_numbers_over_2020.append(data_numbers_over['2020 1'][data_numbers_over['2020 1']<=27.0].count())
data_numbers_over_2020.append(data_numbers_over['2020 1'][(data_numbers_over['2020 1']>=27.0) & (data_numbers_over['2020 1']<=257.0)].count())
data_numbers_over_2020.append(data_numbers_over['2020 1'][data_numbers_over['2020 1']>=257].count())
label = ['轻度超重', '中度超重', '重度超重']   # 刻度标签
plt.figure(figsize=(6, 6))  # 将画布设定为正方形，则绘制的饼图是正圆
explode = [0.01, 0.01, 0.01]  # 设定各项离心n个半径
plt.pie(data_numbers_over_2020,explode=explode, labels=label, autopct='%1.1f%%')  # 绘制饼图
plt.title('2020年世界超重儿童比例饼图')  # 添加图表标题
# plt.savefig('../tmp/2019年各年龄段年末总人口饼图.png')
plt.show()

data_proportation_Stunting = pd.read_excel('Country_Estimates_2021.xlsx',sheet_name = 'Stunting Proportion (Model)')
#提取各国严重营养不良的数据
data_proportation_Stunting_over_e = pd.DataFrame()
data_proportation_Stunting_over = data_proportation_Stunting[data_proportation_Stunting['Estimate'] == 'Upper Uncertainty Bound']
for i in ['2000','2001','2002','2003','2004','2005','2006','2007','2008','2009','2010','2011','2012','2013','2014','2015','2016','2017','2018','2019','2020 1']:
    data_proportation_Stunting_over_e[i] = pd.to_numeric(data_proportation_Stunting_over[i],errors='coerce')
data_proportation_Stunting_over_e['行的和'] = data_proportation_Stunting_over_e.sum(axis=1)
print(data_proportation_Stunting_over_e['行的和'])
data_proportation_Stunting_over_e['country'] = data_proportation_Stunting_over['Country and areas']
print(data_proportation_Stunting_over_e.head())

list_data = []
for i in data_proportation_Stunting_over_e.itertuples():
    list_data.append([getattr(i, 'country'),getattr(i, '行的和')])
list_data

from pyecharts import options as opts
from pyecharts.charts import Map
import rando
def create_world_map(data):
    ''' 
     作用：生成世界地图
    '''
    (   # 大小设置
        Map()
        .add(
            series_name="严重营养不良", 
            data_pair=data, 
            maptype="world", 
        )
        # 全局配置项
        .set_global_opts(
            # 设置标题
            title_opts=opts.TitleOpts(title="世界地图"),
            # 设置标准显示
            visualmap_opts=opts.VisualMapOpts(max_=1000, is_piecewise=False),
        )
        # 系列配置项
        .set_series_opts(
            # 标签名称显示，默认为True
            label_opts=opts.LabelOpts(is_show=False, color="blue")
        )
        # 生成本地html文件
        .render("世界地图.html")
    )
create_world_map(list_data)

data_top_3 = data_proportation_Stunting_over_e.sort_values(by="行的和") 
data_top_3 = data_top_3.tail(3)
print(data_top_3)
list_top_3 = list(data_top_3['country'])
print(list_top_3)

data_top_3 =data_proportation_Stunting[(data_proportation_Stunting['Country and areas'] == 'Burundi')|(data_proportation_Stunting['Country and areas'] == 'Eritrea')|(data_proportation_Stunting['Country and areas'] == 'Timor-Leste')]
data_top_3_point = data_top_3[data_top_3['Estimate'] =='Point Estimate']
data_top_3_lower = data_top_3[data_top_3['Estimate'] =='Lower Uncertainty Bound']
data_top_3_upper = data_top_3[data_top_3['Estimate'] =='Upper Uncertainty Bound']
data_top_3_upper
list_columns =['2000','2001','2002','2003','2004','2005','2006','2007','2008','2009','2010','2011','2012','2013','2014','2015','2016','2017','2018','2019','2020 1']

plt.figure(figsize=(15, 10))  # 设置画布
plt.plot(list_columns, data_top_3_point.iloc[0][list_columns], marker='o', c='red')  # 绘制散点图
plt.plot(list_columns, data_top_3_point.iloc[1][list_columns], marker='D', c='blue')  # 绘制散点图
plt.plot(list_columns, data_top_3_point.iloc[2][list_columns], marker='v', c='yellow')  # 绘制散点图'''
plt.xlabel('年份')  # 添加横轴标签
plt.ylabel('轻度营养不良')  # 添加纵轴标签
plt.title('2000-2020年各前三国家轻度营养不良散点图')  # 添加图表标题
plt.legend(['Burundi', 'Eritrea', 'Timor-Leste'])  #添加图例
#plt.savefig('../tmp/2000-2019年各年龄段年末总人口散点图.png')
plt.show()

plt.figure(figsize=(15, 10))  # 设置画布
plt.plot(list_columns, data_top_3_lower.iloc[0][list_columns], marker='o', c='red')  # 绘制散点图
plt.plot(list_columns, data_top_3_lower.iloc[1][list_columns], marker='D', c='orange')  # 绘制散点图
plt.plot(list_columns, data_top_3_lower.iloc[2][list_columns], marker='v', c='yellow')  # 绘制散点图'''
plt.xlabel('年份')  # 添加横轴标签
plt.ylabel('轻度营养不良')  # 添加纵轴标签
plt.title('2000-2020年各前三国家重度营养不良散点图')  # 添加图表标题
plt.legend(['Burundi', 'Eritrea', 'Timor-Leste'])  #添加图例
#plt.savefig('../tmp/2000-2019年各年龄段年末总人口散点图.png')
plt.show()

plt.figure(figsize=(15, 10))  # 设置画布
plt.plot(list_columns, data_top_3_upper.iloc[0][list_columns], marker='o', c='red',linestyle='--')  # 绘制散点图
plt.plot(list_columns, data_top_3_upper.iloc[1][list_columns], marker='D', c='green')  # 绘制散点图
plt.plot(list_columns, data_top_3_upper.iloc[2][list_columns], marker='v', c='yellow')  # 绘制散点图'''
plt.xlabel('年份')  # 添加横轴标签
plt.ylabel('轻度营养不良')  # 添加纵轴标签
plt.title('2000-2020年各前三国家中度营养不良散点图')  # 添加图表标题
plt.legend(['Burundi', 'Eritrea', 'Timor-Leste'])  #添加图例
#plt.savefig('../tmp/2000-2019年各年龄段年末总人口散点图.png')
plt.show()

data_proportation_over = data_proportation_over.head(20)
data_numbers_over = data_numbers_over.head(20)
import numpy as np
length = len(data_proportation_over['2000'])
x = np.arange(length) 
plt.figure()
total_width, n = 0.8, 2   # 柱状图总宽度，有几组数据
width = total_width / n   # 单个柱状图的宽度
x1 = x - width / 2   # 第一组数据柱状图横坐标起始位置
x2 = x1 + width   # 第二组数据柱状图横坐标起始位置
plt.figure(figsize=(30, 10)) 
plt.title("不同国家2000年与2020年超重比例指标对比")   # 柱状图标题
plt.ylabel("超重比例")   # 纵坐标label
plt.bar(x1, data_proportation_over['2000'], width=width, label="2000年")
plt.bar(x2, data_proportation_over['2020 1'], width=width, label="2020年")
plt.xticks(x, data_proportation_over['Country and areas'])   # 用星期几替换横坐标x的值
plt.legend()   # 给出图例
plt.show()

length = len(data_numbers_over['2000'])
x = np.arange(length) 
plt.figure()
total_width, n = 0.8, 2   # 柱状图总宽度，有几组数据
width = total_width / n   # 单个柱状图的宽度
x1 = x - width / 2   # 第一组数据柱状图横坐标起始位置
x2 = x1 + width   # 第二组数据柱状图横坐标起始位置
plt.figure(figsize=(30, 10)) 
plt.title("不同国家2000年与2020年超重人数对比")   # 柱状图标题
plt.ylabel("超重人数")   # 纵坐标label
plt.bar(x1, data_numbers_over['2000'], width=width,color ='yellow' ,label="2000年")
plt.bar(x2, data_numbers_over['2020 1'], width=width,color='red' , label="2020年")
plt.xticks(x, data_numbers_over['Country and areas'])   # 用星期几替换横坐标x的值
plt.legend()   # 给出图例
plt.show()