最近拿到一份1880-2021年的美国出生人口数据,想看看每个英语名在各年份所使用人数的变化趋势,最好是能动态展示,经过搜索一番发现实现起来也不是很复杂,最终的效果如下:
数据来源及格式
主要用到的字段有name,sex,year和count,分别表示英文名中的FirstName,性别,出生年份和该年份中使用该英文名的人数。
!pip install -q bar_chart_race
import bar_chart_race as bcr
import pandas as pd
df=pd.read_csv('/content/names_ranks_counts.csv', usecols=['name', 'gender', 'year', 'count'])
df.head()
name | gender | year | count |
---|---|---|---|
John | M | 1880 | 9655 |
Mary | F | 1880 | 7065 |
John | M | 1881 | 8769 |
Mary | F | 1881 | 6919 |
John | M | 1882 | 9557 |
Mary | F | 1882 | 8148 |
John | M | 1883 | 8894 |
Mary | F | 1883 | 8012 |
John | M | 1884 | 9388 |
Mary | F | 1884 | 9217 |
df.shape #(2052781, 4)
研究对象
共有205万多条数据,为了简化问题,本文只显示近十年的女孩英文名信息,并且以每年人口数量排名前十的英文名为研究对象。
df=df.query("year > 2010 and year <= 2021 and gender=='F'")[['name', 'year', 'count']]
df = df.set_index('name').groupby("year")['count'].nlargest(10).reset_index()#只取每年数量排名前十的英文名
df
动态条形图的数据转换
!pip install -q bar_chart_race
安装bar_chart_race 用来生成动态条形图,如果是在非jupyter notebook环境下使用,请去掉前面的感叹号。
为了使dataframe的数据结构符合bar_chart_race 的要求,需要先将上图数据中的name行数据通过pandas的pivot_table转化为列显示。
df=pd.pivot_table(df, values = 'count', index=['year'],columns='name', fill_value=0).reset_index()#将"name"的行数据转为列
df
year | Abigail | Amelia | Ava | Charlotte | Chloe | Elizabeth | Emily | Emma | Evelyn | Harper | Isabella | Madison | Mia | Olivia | Sophia |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2011 | 13253 | 0 | 15507 | 0 | 11000 | 0 | 14266 | 18811 | 0 | 0 | 19923 | 12397 | 11533 | 17328 | 21855 |
2012 | 12715 | 0 | 15542 | 0 | 0 | 9719 | 13658 | 20960 | 0 | 0 | 19119 | 11406 | 12030 | 17323 | 22322 |
2013 | 12415 | 0 | 15259 | 0 | 0 | 9461 | 13133 | 20954 | 0 | 0 | 17657 | 10601 | 13161 | 18440 | 21236 |
2014 | 12097 | 0 | 15715 | 10118 | 0 | 0 | 12654 | 20949 | 0 | 0 | 17115 | 10326 | 13521 | 19826 | 18633 |
2015 | 12416 | 0 | 16391 | 11407 | 0 | 0 | 11797 | 20468 | 0 | 10305 | 15641 | 0 | 14915 | 19713 | 17437 |
2016 | 11785 | 0 | 16329 | 13106 | 0 | 0 | 10992 | 19531 | 0 | 10795 | 14837 | 0 | 14447 | 19386 | 16159 |
2017 | 10629 | 11852 | 15998 | 12955 | 0 | 0 | 0 | 19847 | 10737 | 0 | 15222 | 0 | 13496 | 18753 | 14910 |
2018 | 0 | 12373 | 14998 | 13018 | 0 | 0 | 0 | 18786 | 10423 | 10630 | 14538 | 0 | 12713 | 18022 | 13984 |
2019 | 0 | 12914 | 14515 | 13206 | 0 | 0 | 0 | 17176 | 10424 | 10473 | 13360 | 0 | 12471 | 18534 | 13769 |
2020 | 0 | 12767 | 13160 | 13065 | 0 | 0 | 0 | 15656 | 9490 | 8821 | 12158 | 0 | 11217 | 17641 | 13036 |
2021 | 0 | 12952 | 12759 | 13285 | 0 | 0 | 0 | 15433 | 9434 | 8388 | 11201 | 0 | 11096 | 17728 | 12496 |
动态条形图的生成
df = df.set_index('year')
bcr.bar_chart_race(df=df, title='Girl Baby Name Trending in 2011-2021', orientation='h', sort='desc', n_bars=10, steps_per_period=40, period_length=2000,shared_fontdict={'weight': 'bold'})
默认情况下,bar_chart_race生成的是mp4视频,如果需要动态的gif,随手用个视频转动图的在线服务即可完成。关注小程序《英文取名》,用数据可视化揭示好玩有趣的社会现象。