【39 Pandas+Pyecharts | 第七次人口普查数据分析可视化】

大家好，我是 👉【Python当打之年(点击跳转)】

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家，点击【跳转到网站】。

本期利用 python 分析一下「第七次全国人口普查数据」 ，看看我国各地区分口分布、年龄构成、性别构成以及各地区搜教育程度情况 等等，希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。

概要：

• 第七次全国人口普查结果：全国人口共141178万人，与2010年的133972万人相比，增加了7206万人，增长5.38%；年平均增长率为0.53%，比2000年到2010年的年平均增长率0.57%下降0.04个百分点。
• 全国人口中，男性人口为723339956人，占51.24%；女性人口为688438768人，占48.76%。总人口性别比为1.0507。
• 0—14岁人口占17.95%，15—59岁人口占比63.35%，60岁及以上人口占18.7%，65岁及以上人口占13.5%。

涉及到的库：

• Pandas — 数据处理
• Pyecharts — 数据可视化

🏳️‍🌈 1. 导入模块

import pandas as pd
from pyecharts.charts import Line
from pyecharts.charts import Bar
from pyecharts.charts import Pie
from pyecharts.charts import Map
from pyecharts.charts import PictorialBar
from pyecharts.charts import Sankey
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType
from pyecharts.commons.utils import JsCode
from pyecharts import options as opts
import warnings
warnings.filterwarnings('ignore')

🏳️‍🌈 2. Pandas数据处理

2.1 读取数据

df1 = pd.read_excel('./data/各地区15岁及以上人口平均受教育年限.xlsx')
df2 = pd.read_excel('./data/各地区每10万人口中拥有的各类受教育程度人数.xlsx')
df3 = pd.read_excel('./data/各地区人口.xlsx')
df4 = pd.read_excel('./data/各地区人口年龄构成.xlsx')
df5 = pd.read_excel('./data/各地区性别构成.xlsx')
df6 = pd.read_excel('./data/全国人口年龄构成.xlsx')

2.2 数据预览

各地区15岁及以上人口平均受教育年限：

各地区每10万人口中拥有的各类受教育程度人数：

各地区人口：

各地区人口年龄构成：

各地区性别构成：

全国人口年龄构成：

🏳️‍🌈 3. Pyecharts数据可视化

3.1 全国各省人口统计三维地图

def get_map3d():
    map3d = (
        Map3D()
        .add_schema(
            map3d_label=opts.Map3DLabelOpts(
                is_show=False
            ),
            emphasis_label_opts=opts.LabelOpts(is_show=False),
            light_opts=opts.Map3DLightOpts(
                main_shadow_quality='high',
                is_main_shadow=True,
                main_intensity=1,
                main_alpha=30,
            ),
            post_effect_opts=opts.Map3DPostEffectOpts(
                is_enable=True,
                is_ssao_enable=True,
                ssao_radius=1,
                ssao_intensity=1
            )
        )
        .add(
            series_name="",
            data_pair=new_area_data,
            type_=ChartType.BAR3D,
            shading="lambert",
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='1-全国各省人口统计三维地图',
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                pos_left='10%',
                pos_bottom='10%',
                range_color=range_color
            ),
        )
    )
    return map3d

3.2 全国各地区人口数量分布地图

def get_map():
    m = (
        Map()
        .add('',
             data,
             'china',
            )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='2-全国各地区人口数量分布地图',
            ),
            legend_opts=opts.LegendOpts(is_show=False),
            visualmap_opts=opts.VisualMapOpts(
                range_color=range_color,
                pos_bottom='10%',
                pos_left='20%'
            ),
            
        )
    )
    return m

3.3 全国人口性别比例

3.4 全国总人口性别和地区分布桑基图

def get_sankey():
    sankey = (
        Sankey()
        .add(
            "sankey",
            nodes,
            links,
            pos_top='10%',
            node_width=50,
            node_gap=10,
            node_align='justify',
            focus_node_adjacency=True,
            linestyle_opt=opts.LineStyleOpts(opacity=0.6, curve=0.5, color="source"),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='4-全国总人口性别和地区分布'
            )
        )
    )
    return sankey

3.5 全国各地区人口年龄构成

def get_bar():
    bar = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis("销量",y_data1)
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='5-奥迪全系销量及裸车价格',
                pos_top='1%',
                pos_left="center",
                title_textstyle_opts=opts.TextStyleOpts(color='#00838F',font_size=25),
            ),
        )
    )
    return bar

3.6 全国年龄人口占比饼图

def get_pie():
    pie = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(x_data, y_data)],
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='6-全国年龄人口占比饼图',
            ),
            visualmap_opts=opts.VisualMapOpts(
                pos_bottom='10%',
                pos_left='10%',
                is_show=False,
                range_color=range_color
            )
        )
    )
    return pie

3.7 全国各地区每10万人口中拥有的各类受教育程度人数占比

def get_radar():
    radar = (
        Radar(init_opts=opts.InitOpts(width='1000px', height='600px',bg_color='#CFD8DC')chema(
            schema=schemas,
            splitarea_opt=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
            textstyle_opts=opts.TextStyleOpts(color="#263238"),
        )
        .add(
            series_name="",
            data=[datas],
            linestyle_opts=opts.LineStyleOpts(color="#CD0000"),
        )
        .set_global_opts(
             title_opts=opts.TitleOpts(
                title='7-各项指标平均评分雷达图',
                pos_top='1%',
                pos_left="center",
                title_textstyle_opts=opts.TextStyleOpts(color='#00838F',font_size=25),
            ),
        )
    )
    return radar

3.8 第六_第七次人口普查各地区15岁及以上人口平均受教育年限

🏳️‍🌈 4. 可视化项目源码+数据

点击跳转：【全部可视化项目源码+数据】

---

以上就是本期为大家整理的全部内容了，赶快练习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。