美国人口与种族变迁史
作为一个移民国家，美国的种族和人口问题全方位地影响着美国各州的政治、经济、文化和司法，本实验通过对美国人口普查局与美国国家卫生统计中心自 1990 以来调查获得的长达 29 年的美国人口和种族数据的分析，研究及可视化了美国在此期间的人口和种族的变迁史。
输入并执行魔法命令 %matplotlib inline， 同时将全局字体大小设置为 20 号，设置显示负数，去除图例边框、右侧坐标轴、顶部坐标轴。
import warnings
import matplotlib.pyplot as plt
%matplotlib inline
# 屏蔽代码运行过程中出现的警告信息，主要是屏蔽 pandas 的 .loc 警告问题
warnings.filterwarnings("ignore")
fontsize = 20
plt.rcParams['xtick.labelsize'] = fontsize
plt.rcParams['ytick.labelsize'] = fontsize
plt.rcParams['axes.labelsize'] = fontsize
plt.rcParams['axes.titlesize'] = fontsize
plt.rcParams['legend.fontsize'] = fontsize
plt.rcParams['legend.frameon'] = False # 去除图例边框
plt.rcParams['axes.unicode_minus'] = False # 显示负数
plt.rcParams['axes.spines.right'] = False # 去除右侧坐标轴
plt.rcParams['axes.spines.top'] = False # 去除顶部坐标轴
数据准备
数据集介绍：
本数据集来源于美国人口普查局与美国国家卫生统计中心，该数据集统计了美国自 1990 至 2019 年期间，各年度全美 51 州各年度性别（Gender）、种族（Race）、年龄段（Age Group）的人口数（Population），数据集中的 Mean Age 字段根据 Age Group 求算术平均得到。
导入数据并查看前 5 行。
import pandas as pd
df = pd.read_csv('https://labfile.oss.aliyuncs.com/courses/3023/American_Race_Gender_Population.csv')
df.head()
各州各种族人口数分布
本实验主要用到的可视化对象为散点图，散点图是继实验一介绍的条形图后，用作描述性统计、数据挖掘、数据预测的第二大类可视化图形，图元素主要包括点的位置，点的形状和点的大小。
选择 1990 和 2019 两个年份，将数据集按照州（State）、种族（Race）进行人口数（Population）聚合并按照人口数升序排序。聚合后，将聚合数据集中的 State、Race 特征分别映射至散点图 x、y 坐标，将 Population 人口数特征映射至点的颜色（c）和大小（s）。
plt.rcParams['figure.figsize'] = (20, 5)
for year in [1990, 2019]:
data = df.loc[df['Year'] == year]
# 各州按照总人口数升序排序
state_order = data.groupby(['State'])[
'Population'].sum().sort_values().index
# 将 State 字段设置为有序字段
data['State'] = data['State'].astype(
pd.api.types.CategoricalDtype(state_order, ordered=True))
# 获取州、种族的聚合结果，并按州升序排序
data = data.groupby(['State', 'Race'], as_index=False)[
'Population'].sum().sort_values(['State'])
plt.scatter(
x=data['State'],
y=data['Race'],
c=data['Population'],
s=data['Population']*0.0001,
ec='tab:blue',
cmap=plt.cm.Accent,
alpha=0.8)
ax = plt.gca()
# 将x轴刻度标签旋转90度
ax.tick_params(axis='x', rotation=90)
# 调节y轴显示范围
ax.set_ylim(-0.5, 3.5)
plt.title('Population Distribution of States of American in Year %d' % year)
plt.show() # 关闭当前图层以绘制下一幅图
从输出结果可以看出：
各州人口数。根据 2019 年统计数据，美国人口数最多的三个州分别为 California、Texas、Florida；
种族人口数。美国人口种族分布上，白人（White）显著地占据着主体地位，排名第二的种族为 黑人（Black or African American），随后是亚裔（Asian or Pacific Islander）；
各州人口变迁。对比 1990 年与 2019 年，按照人口数排序后的 x 轴，可以发现 29 年间，美国各州表现出不同速率的人口增长率，1990 年总人数排名第二的 New York 已悄然在 2019 年排名第四。
人口与人口增长率
提取数据集中 1990 和 2019 两年的数据，通过数据透视计算各州人口增长率（Pupulation Changed %），通过数据聚合计算各州 2019 年总人口数（Population），将上述分步计算结果合并并挑选需要的特征后查看前 5 行。
data = df.loc[(df['Year'] == 1990) | (df['Year'] == 2019)]
# 计算美国各州人口增长率
pop_change = data.pivot_table(
index='State', columns='Year', values='Population',aggfunc='sum')
pop_change['Pupulation Changed/%'] = 100 * \
(pop_change[2019]-pop_change[1990])/pop_change[1990]
pop_change
# 计算美国2019年各州总人口数
pop = df.loc[df['Year'] == 2019].groupby(['State'])['Population'].sum()
# # 将人口增长率与白人增长率数据合并并筛选需要的特征
data = pd.concat([pop, pop_change], axis=1)[
['Population', 'Pupulation Changed/%']]
data.head()
将人口总数与人口增长率数据分别映射到散点图 x、y 坐标及点颜色和大小。
plt.rcParams['figure.figsize'] = (14, 7)
x = data['Population']
y = data['Pupulation Changed/%']
plt.scatter(x, y,
marker='o',
s=data['Population']*0.0001,
c=data['Population'],
cmap=plt.cm.Blues_r,
edgecolors='gray') # 散点图标记的轮廓及填充颜色
plt.xlabel('Population')
plt.ylabel('Pupulation Changed /%')
plt.axhline(y=y.mean(),color='tab:red',label='Avg Changed Ratio: %.2f%%'%(y.mean()))
plt.legend()
s = data.index
for xpos, ypos, text in zip(x, y, s):
plt.text(xpos, ypos, text, size=16,va='bottom',ha='left')
plt.title('Population & Pupulation Changed (Compared to Year 1990) of American')
从输出结果可以看出：
全美各州在 1990 - 2019 年间的人口平均增长率为 32.72%；
在人口最大的四个州中，Califonia 人口增长率与平均水平相当，Texas 与 Florida 有了超平均数的增长，而 New York 不出意外地没有达到平均增长率；
在人口增速方面 Nevada 和 Arizona 两州有着最好的表现。
对于人口数量较少和人口增速不明显的多数州，其数据被压缩至平均线以下的 0 轴附近，可通过将数据进行对数变换（log）的方法，将数据均匀分布。
import numpy as np
plt.rcParams['figure.figsize'] = (14, 7)
x = np.log(data['Population'])
y = np.log(data['Pupulation Changed/%'])
plt.scatter(x, y,
marker='o',
s=data['Population']*0.0001,
c=data['Population'],
cmap=plt.cm.Blues,
label='Changed of States of American',
edgecolors='gray') # 散点图标记的轮廓及填充颜色
plt.xlabel('log (Population)')
plt.ylabel('log (Pupulation Changed /%)')
s = data.index
for xpos, ypos, text in zip(x, y, s):
plt.text(xpos, ypos, text, size=16, va='bottom', ha='left')
plt.title('Population & Pupulation Changed (Compared to Year 1990) of American')
从输出结果可以看出，数据在对数坐标系下，分散变得十分均匀，各数据点被均匀拉开。
种族及人口变化率
白人
通过以下代码计算各州人口增长率与白人增长率，计算原理与总人口增长率计算原理相同。
data = df.loc[(df['Year'] == 1990) |(df['Year'] == 2019) ]
# 计算美国各州人口增长率
pop_change=data.pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')
pop_change['Pupulation Changed/%']=100*(pop_change[2019]-pop_change[1990])/pop_change[1990]
pop_change
# 计算美国各州白人人口增长率
white_change=data.loc[data['Race']=='White'].pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')
white_change['White Changed/%']=100*(white_change[2019]-white_change[1990])/white_change[1990]
white_change
# 将人口增长率与白人增长率数据合并
changed=pd.concat([pop_change,white_change],axis=1)
# 挑选主要字段
changed=changed[['Pupulation Changed/%','White Changed/%']]
# 展示前5行数据
changed.head()
将各州人口增长率与各州白人增长率分别映射到散点图，通过 np.ployfit 拟合其关系并绘制拟合曲线，同时绘制 y = x 曲线，该曲线表示，种族增长率与人口增长率一致。
plt.rcParams['figure.figsize'] = (10, 6)
x = changed['Pupulation Changed/%']
y = changed['White Changed/%']
# 绘制各州人口及白人增长数据
plt.scatter(x, y,
marker='o',s=120,
label='Changed of States of American',
edgecolors='tab:red',facecolor='white') # 散点图标记的轮廓及填充颜色
plt.xlabel('Pupulation Changed /%')
plt.ylabel('White Race Changed /%')
# 拟合增长率曲线
f_1 = np.polyfit(x, y,deg=1)
# 绘制拟合的增长曲线
plt.plot(x,np.polyval(f_1, x),
lw=2,color='tab:orange',label='Increase Ratio of White Race')
# 绘制平衡增长曲线 y=x
plt.plot(np.linspace(0,150,20),
np.linspace(0,150,20),
color='tab:blue',
label='Increase Ratio of Balance',ls='--',lw=3)
plt.legend()
plt.text(25,75,'District of Columbia',fontsize=20,color='tab:red',ha='center',va='bottom')
plt.text(155,120,'Nevada',fontsize=20,color='tab:red',ha='center',va='bottom')
plt.title('Population & White Race Changed of States of American')
从输出结果可以看出：
种族增长率与人口增长率有很好的线性关系，与 y = x 平衡线对比，白人在各州的增长率斜率小于平衡线斜率（橘色线斜率 < 蓝色线），说明白人增速稍低于平衡增速；
District of Columbia 州种族增长率显著高于平均水平，白人增速明显。
所有种族
用类似数据处理过程获得全部种族人口增长率与种族增长率数据。
data = df.loc[(df['Year'] == 1990) | (df['Year'] == 2019)]
# 计算美国各州人口增长率
changed = data.pivot_table(index='State', columns='Year', values='Population',aggfunc='sum')
changed['Pupulation Changed /%'] = 100 * \
(changed[2019]-changed[1990])/changed[1990]
race_columns = ['Pupulation Changed /%']
for race in ['American Indian or Alaska Native', 'Asian or Pacific Islander', 'Black or African American', 'White']:
# 计算美国各州白人人口增长率
race_change = data.loc[data['Race'] == race].pivot_table(
index='State', columns='Year', values='Population',aggfunc='sum')
race_change[race+' Changed /%'] = 100 * \
(race_change[2019]-race_change[1990])/race_change[1990]
# 将人口增长率与白人增长率数据合并
changed = pd.concat([changed, race_change], axis=1)
race_columns.append(race+' Changed /%')
# 挑选主要字段
changed = changed[race_columns]
# 展示前5行数据
changed.head()
通过 plt.subplots 接口生成一张画布 fig 和 2*2 的子图对象，在每个子图对象分别绘制每个种族的增长率数据。
plt.rcParams['figure.figsize'] = (12, 8)
# 生成 2 * 2 的画布，并共享所有子图x，y轴范围
fig, axs = plt.subplots(2, 2, sharex=True, sharey=True)
# 将 2 * 2 的子图对象展平成 1 * 4的子图对象
axs = axs.ravel()
x = changed['Pupulation Changed /%']
for i, race in enumerate(race_columns[1:]):
ax = axs[i]
y = changed[race]
# 绘制各州人口及白人增长数据
ax.scatter(x, y,
marker='o', s=120,
edgecolors='tab:red', facecolor='white') # 散点图标记的轮廓及填充颜色
# 拟合增长率曲线
f_1 = np.polyfit(x, y, deg=1)
# 绘制拟合的增长曲线
ax.plot(x, np.polyval(f_1, x),
lw=2, color='tab:orange')
# 绘制平衡增长曲线 y=x
ax.plot(np.linspace(0, 150, 20),
np.linspace(0, 150, 20),
color='tab:blue',
label='Increase Ratio of Balance', ls='--', lw=3)
ax.legend(fontsize=17)
ax.set_title(race,fontsize=17)
# 第一列和最后一行分别显示y坐标轴标题和x坐标轴标题
if i in [2, 3]:
ax.set_xlabel('Pupulation Changed /%')
if i in [0, 2]:
ax.set_ylabel('Race Changed /%')
# 添加画布标题
fig.suptitle('Population & Race Changed of States of American\n',
size=25, va='bottom')
# 调整子图间距为紧凑
plt.tight_layout()
从输出结果可以看出：
American Indian or Alaska Native 本土原著名的种族增长率正逐步放缓，其斜率小于平均线；
Asian or Pacific Islander 亚裔种族增长率为四个种族中最高；
Black or African American 黑人虽然在增长率上不及亚裔，但在个别州有较为显著增长（图形上表现出大量的偏离拟合曲线点）；
White 占据人口主要数量的白人与全美总人口增长率大致相当。
通过以下过程，将所有种族人口增长率数据进行纵向拼接。
data = df.loc[(df['Year'] == 1990) |(df['Year'] == 2019) ]
# 计算美国各州人口增长率
changed=data.pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')
changed['Pupulation Changed /%']=100*(changed[2019]-changed[1990])/changed[1990]
race_changes=pd.DataFrame()
for race in ['American Indian or Alaska Native', 'Asian or Pacific Islander', 'Black or African American','White']:
# 计算美国各州各种族人口增长率
race_change=data.loc[data['Race']==race].pivot_table(index='State',columns='Year',values='Population',aggfunc='sum')
race_change['Race Changed /%']=100*(race_change[2019]-race_change[1990])/race_change[1990]
race_change['Race']=race
# 将人口增长率与各种族人口增长率数据合并
race_change=pd.concat([changed,race_change],axis=1)
race_changes=pd.concat([race_changes,race_change],axis=0)
# 挑选主要字段
race_changes=race_changes[['Pupulation Changed /%','Race Changed /%','Race']]
# 展示前5行数据
race_changes.head()
通过 seaborn 的 scatterplot 接口绘制所有种族的人口增长率与总人口增长率散点图，从输出结果可以看出，该图是将 2*2 的子图进行了合并展示，并通过颜色将各种族进行了区分。
import seaborn as sns
plt.rcParams['figure.figsize'] = (10, 7)
sns.scatterplot(
x='Pupulation Changed /%',
y='Race Changed /%',
hue='Race', # 将种族列传入hue，不同种族会输出不同颜色
s=200,
alpha=0.8,
data=race_changes,
)
plt.ylim(-80, 800)
ax = plt.gca()
# 获取图例对象及图例标签对象
h, l = ax.get_legend_handles_labels()
# 第0个图例对象是图例标题，此处将其删除，不显示
ax.legend(h[1:], l[1:], ncol=2, loc=2, fontsize=18)
# 绘制平衡增长曲线 y=x
plt.plot(np.linspace(0, 150, 20),
np.linspace(0, 150, 20),
color='tab:red',
label='Increase Ratio of Balance', ls='--', lw=5)
plt.title('Population & Race Changed of States of American\n',
size=25, va='bottom')
从输出结果可以看出：
白人增长率数据点与平衡线（红色）分布最为一致；
少数族裔相比白人有着较高的人口增长率。
黑人与亚裔
黑人和亚裔人口增长率有着较为亮眼地表现，以下数据处理过程获得了各州黑人及亚裔的不同增长率。
data = df.loc[(df['Year'] == 1990) | (df['Year'] == 2019)]
# 计算美国各州人口增长率
changed = pd.DataFrame()
race_columns = []
for race in ['Asian or Pacific Islander', 'Black or African American']:
# 计算美国各州白人人口增长率
race_change = data.loc[data['Race'] == race].pivot_table(
index='State', columns='Year', values='Population',aggfunc='sum')
race_change[race+' Changed /%'] = 100 * \
(race_change[2019]-race_change[1990])/race_change[1990]
# 将人口增长率与白人增长率数据合并
changed = pd.concat([changed, race_change], axis=1)
race_columns.append(race+' Changed /%')
# 挑选主要字段
changed = changed[race_columns]
# 展示前5行数据
changed.head()
将各州亚裔和黑人种族人口增长率分别映射到 x、y 将增长率 超 300% 的州用不同颜色进行标记。
plt.rcParams['figure.figsize'] = (15, 8)
x = changed['Asian or Pacific Islander Changed /%']
y = changed['Black or African American Changed /%']
plt.scatter(x, y,
marker='o', s=120,
label='Changed of States of American',
edgecolors='tab:red', facecolor='white') # 散点图标记的轮廓及填充颜色
plt.xlabel('Asian or Pacific Islander Changed /%')
plt.ylabel('Black or African American Changed /%')
for i in range(len(changed)):
limit_changed = 300
# 亚裔增长更快的州
if (changed.iloc[i, 0] > limit_changed) & (changed.iloc[i, 1] < limit_changed):
color = 'tab:blue'
# 黑人增长更快的州
elif (changed.iloc[i, 1] > limit_changed) & (changed.iloc[i, 0] < limit_changed):
color = 'tab:red'
# 亚裔和黑人增长均较快的州
elif (changed.iloc[i, 1] > limit_changed) & (changed.iloc[i, 0] > limit_changed):
color = 'tab:orange'
else:
color = 'black'
plt.text(changed.iloc[i, 0], changed.iloc[i, 1], changed.index[i],
fontsize=20, color=color, ha='center', va='bottom')
plt.title('Asian or Pacific Islander & Black or African American Race Changed of States of American')
从运行结果可以看出：
亚裔增长主要发生在以 Georgia 为代表的蓝色州；
黑人增长主要发生在以 Idaho 为代表的红色州；
亚裔和黑人在 North Dakota、South Dakota、Nevada 三个州均有较高的增长；
亚裔和黑人的增长，在一定程度下，带有一定的地区性特色。
人口结构
各年龄人数随年份变化
将数据集按年份和平均年龄进行聚合，并将年份、平均年龄、人口数映射到散点图。
plt.rcParams['figure.figsize'] = (18, 8)
data = df
# # 获取州、种族的聚合结果，并按升序排序
data = data.groupby(['Year','Mean Age'],as_index=False)['Population'].sum().sort_values(['Population'])
plt.scatter(
x=data['Year'],
y=data['Mean Age'],
c=data['Population'],
s=data['Population']*0.00003,
ec='tab:gray',
cmap=plt.cm.RdBu_r,
alpha=0.8)
ax = plt.gca()
# 不显示左侧和底部纵坐标轴
ax.spines['left'].set_visible(False)
ax.spines['bottom'].set_visible(False)
# 显示 y 轴网格线
ax.grid(b=True,axis='y',lw=1)
plt.ylabel('Mean Age')
plt.title('Population Distribution of Age Group of American From Year 1990 to Year 2019')
从运行结果可以看出，美国人口结构正趋向于老龄化，表现在：
1990 年：人口结构按年龄组分布，呈现出 20 - 40 岁的单峰分布；
2019 年：原先的20 - 40 岁已转移至 40-70 岁年龄组，1990 年以来的新生儿逐渐转移至 20-40 年龄组，呈现出双峰分布。
各年龄组构成的人口结构
将平均年龄字段按照 20，40，70 三个节点进行切分，获得 青年、壮年、中年、老年 4 个年龄分组段，聚合各分组段人数后用漏斗图可视化 1990 年的人口结构。
!pip install pyecharts==1.7.1
from pyecharts import options as opts
from pyecharts.charts import Funnel
data = df.loc[df['Year'] == 1990]
# 将平均年龄进行数据切分，生成新的组
data['Age Group3'] = pd.cut(
data['Mean Age'],
bins=[0, 20, 40, 70, 100],
labels=['Youth(<20)', 'Prime(20-40)', 'Middle(40-70)', 'Old(>70)'])
data = data.groupby(['Age Group3'], as_index=False)['Population'].sum()
data['Population'] = data['Population']/np.sum(data['Population'])*100
funel = Funnel()
funel.add(
" ",
[list(z) for z in zip(data['Age Group3'], data['Population'])],
sort_='none',
label_opts=opts.LabelOpts(position="inside"),
)
funel.set_global_opts(
title_opts=opts.TitleOpts(
title="Population Struction of American Year 1990",),
legend_opts=opts.LegendOpts(
pos_top='5%', textstyle_opts=opts.TextStyleOpts(font_size=15)),
)
funel.render_notebook()
从输出结果可以看出：1990 年的美国人口结构以 20-40 的壮年为主。
data = df.loc[df['Year'] == 2019]
data['Age Group3'] = pd.cut(
data['Mean Age'],
bins=[0, 20, 40, 70, 100],
labels=['Youth(<20)', 'Prime(20-40)', 'Middle(40-70)', 'Old(>70)'])
data = data.groupby(['Age Group3'], as_index=False)['Population'].sum()
data['Population'] = data['Population']/np.sum(data['Population'])*100
funel = Funnel()
funel.add(
" ",
[list(z) for z in zip(data['Age Group3'], data['Population'])],
sort_='none',
label_opts=opts.LabelOpts(position="inside"),
)
funel.set_global_opts(
title_opts=opts.TitleOpts(
title="Population Struction of American Year 2019",),
legend_opts=opts.LegendOpts(
pos_top='5%', textstyle_opts=opts.TextStyleOpts(font_size=15)),
)
funel.render_notebook()
从运行结果可以看出，时过境迁，2019 年美国人口结构已悄然下移。
新生儿出生率
统计各州 <1 和 1-4 两个年龄组（Age Group）的年度人口增长率，分析各州新生儿出生率，数据处理过程详见代码注释。
data = df
# 选出平均年龄小于 3 的样本数据，即对应 <1 和 1-4 两个年龄组
data = data.loc[data['Mean Age'] < 3]
# 空 df 对象，装各州处理后数据
state_data = pd.DataFrame()
for state in list(set(data['State'])):
# 聚合得到每个州总人数
tmp = data.loc[data['State'] == state].groupby(
['Year'], as_index=False)['Population'].sum()
# 将 Population 列移位 1 个周期，获得新的特征列 Population Last Year 即 去年总人口数
tmp['Population Last Year'] = tmp.shift()['Population']
# 新生儿出生率计算原理为 100*（当年人口数 - 去年人口数） / 去年人口数
tmp['Birth Increase Ratio /%'] = 100 * (tmp['Population']-tmp['Population Last Year']) / tmp['Population Last Year']
# 由于 1990 年没有上年数据，因此其增长率计算结果为空值，将其增长率填充为 0
tmp['Birth Increase Ratio /%'].fillna(value=0, inplace=True)
tmp['State'] = state
# 将所有州的数据进行列方向上的合并
state_data = pd.concat([state_data, tmp])
state_data = state_data.sort_values('Population')
# 查看前 5 行数据
state_data.head()
散点图颜色映射的数据，可通过 plt.colorbar 生成的颜色条做辅助可视化，方便读者阅读每个颜色点对应的绝对数值，其原理是将散点图返回的 mappable 对象传入 plt.colorbar 中，plt.colorbar 生成的颜色条（cbar），其颜色板和显色数据区域通过散点图接口中的 cmap、vmin、vmax等参数控制。
plt.rcParams['figure.figsize'] = (18, 8)
# 生成画布并新增子图，111 表示 1行1列第1个子图
ax = plt.figure().add_subplot(111)
# ax.scatter 接口返回的 mappable 对象，用以传入 plt.colorbar 接口中，实现颜色与数据在颜色条上的映射
mappable = ax.scatter(
x=state_data['State'],
y=state_data['Year'],
c=state_data['Birth Increase Ratio /%'],
s=np.abs(state_data['Birth Increase Ratio /%'])*50, # 将增长率为负值的数据取绝对值
ec='gray',
vmin=-7, # 颜色条映射数据最小值
vmax=7, # 颜色条映射数据最大值
cmap=plt.cm.RdBu_r,
)
# 将 x 轴刻度标签旋转 90 度
ax.tick_params(axis='x', rotation=90)
ax.spines['left'].set_visible(False)
ax.spines['bottom'].set_visible(False)
# 添加 1993、2009 两条水平辅助线
ax.axhline([1993], xmin=0.05, xmax=0.95, color='tab:red')
ax.axhline([2009], xmin=0.05, xmax=0.95, color='tab:blue')
# 添加颜色条
cbar=plt.colorbar(
mappable=mappable,
ax=ax,
aspect=40, # 颜色条的长宽比例 =长度/宽度
pad=0.005, # 散点图和颜色条的间距
fraction=0.02 # 散点图和颜色条在画布上宽度的比例 =颜色条宽度/散点图宽度
)
ax.set_title(
'Birth Increase Ratio of States of American from Year 1990 to 2019')
从输出结果可以看出：
人口基数最大的 California， 1993 年以后新生儿出生率一直处于下降阶段；
大多数州在 2009 年以后均呈现出新生儿出生率下降状况；
North Dakota 和 District of Columbia 两州阶段性地出现婴儿潮。
性别分布
选择 1990 、2010、 2019 三个年份，将数据集按照性别（Gender）、种族（Race）进行人口数（Population）聚合并按升序排列。聚合后，将聚合数据集中的 Gender、Race 特征分别映射至散点图 x、y 坐标，将 Population 人口数特征映射至点大小（s），将 Gender 映射至点颜色（c）。
fig, axs = plt.subplots(1, 3, figsize=(15, 6), sharey=True, sharex=True)
for i, year in enumerate([1990, 2010, 2019]):
ax = axs[i]
data = df.loc[df['Year'] == year].groupby(
['Gender', 'Race'], as_index=False)['Population'].sum().sort_values('Population')
data
ax.scatter(
x=data['Gender'],
y=data['Race'],
c=data['Gender'].apply(lambda x: 'tab:red' if x ==
'Female' else 'tab:blue'),
s=data['Population']*0.00007,
ec='gray',
)
ax.set_ylim(-0.5, 4)
ax.set_xlim(-1, 1.5)
ax.set_title('Year %d' % year)
if i > 0:
ax.spines['left'].set_visible(False)
fig.suptitle('Population Distribution Varies with Gender of USA',
size=25, va='bottom')
从输出结果可以看出，各种族在选定的3个年份并未呈现出显著差异，说明美国的人口结构中，性别分布相对均匀。