该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README
<script src="https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.1/MathJax.js?config=TeX-AMS_HTML"></script>
<!-- MathJax configuration -->
<script type="text/x-mathjax-config">
MathJax.Hub.Config({
    tex2jax: {
        inlineMath: [ ['$','$'], ["\\(","\\)"] ],
        displayMath: [ ['$$','$$'], ["\\[","\\]"] ],
        processEscapes: true,
        processEnvironments: true
    },
    // Center justify equations in code and markdown cells. Elsewhere
    // we use CSS to left justify single line equations in code cells.
    displayAlign: 'center',
    "HTML-CSS": {
        styles: {'.MathJax_Display': {"margin": 0}},
        linebreaks: { automatic: true }
    }
});
</script>
<!-- End of mathjax configuration --></head>
In [28]:
import pandas as pd
df = pd.read_csv("population.csv",encoding="gbk")
df
Out[28]:
地区 year_end_resident_population urban_population rural_population
0 北京市 2171 1878 293
1 天津市 1557 1291 266
2 河北省 7520 4136 3383
3 山西省 3702 2123 1579
4 内蒙古 2529 1568 961
5 辽宁省 4369 2949 1420
6 吉林省 2717 1539 1178
7 黑龙江省 3789 2250 1538
8 上海市 2418 2121 297
9 江苏省 8029 5521 2508
10 浙江省 5657 3847 1810
11 安徽省 6255 3346 2909
12 福建省 3911 2534 1377
13 江西省 4622 2524 2098
14 山东省 10006 6062 3944
15 河南省 9559 4795 4764
16 湖北省 5902 3500 2402
17 湖南省 6860 3747 3113
18 广东省 11169 7802 3367
19 广西省 4885 2404 2481
20 海南省 926 537 389
21 重庆市 3075 1971 1105
22 四川省 8302 4217 4085
23 贵州省 3580 1648 1932
24 云南省 4801 2241 2559
25 西藏 337 104 233
26 陕西省 3835 2178 1657
27 甘肃省 2626 1218 1408
28 青海省 598 317 281
29 宁夏 682 395 287
30 新疆 2445 1207 1238
In [29]:
print(list(df.地区))
['北京市', '天津市', '河北省', '山西省', '内蒙古', '辽宁省', '吉林省', '黑龙江省', '上海市', '江苏省', '浙江省', '安徽省', '福建省', '江西省', '山东省', '河南省', '湖北省', '湖南省', '广东省', '广西省', '海南省', '重庆市', '四川省', '贵州省', '云南省', '西藏', '陕西省', '甘肃省', '青海省', '宁夏', '新疆']
In [30]:
print(list(df.year_end_resident_population))
[2171, 1557, 7520, 3702, 2529, 4369, 2717, 3789, 2418, 8029, 5657, 6255, 3911, 4622, 10006, 9559, 5902, 6860, 11169, 4885, 926, 3075, 8302, 3580, 4801, 337, 3835, 2626, 598, 682, 2445]
In [31]:
人口 = zip(list(df.地区),list(df.year_end_resident_population))
print(人口)
<zip object at 0x00000258F48C8F48>
In [32]:
人口=list(zip(list(df.地区),list(df.year_end_resident_population.fillna(0))))
print(人口)
[('北京市', 2171), ('天津市', 1557), ('河北省', 7520), ('山西省', 3702), ('内蒙古', 2529), ('辽宁省', 4369), ('吉林省', 2717), ('黑龙江省', 3789), ('上海市', 2418), ('江苏省', 8029), ('浙江省', 5657), ('安徽省', 6255), ('福建省', 3911), ('江西省', 4622), ('山东省', 10006), ('河南省', 9559), ('湖北省', 5902), ('湖南省', 6860), ('广东省', 11169), ('广西省', 4885), ('海南省', 926), ('重庆市', 3075), ('四川省', 8302), ('贵州省', 3580), ('云南省', 4801), ('西藏', 337), ('陕西省', 3835), ('甘肃省', 2626), ('青海省', 598), ('宁夏', 682), ('新疆', 2445)]
In [33]:
df.year_end_resident_population.describe()
Out[33]:
count       31.000000
mean      4478.516129
std       2866.817502
min        337.000000
25%       2487.000000
50%       3835.000000
75%       6078.500000
max      11169.000000
Name: year_end_resident_population, dtype: float64
In [36]:
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType

def geo_总人口() -> Geo: c = ( Geo() .add_schema(maptype="china") .add("年末常住人口(万人)",人口) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( visualmap_opts=opts.VisualMapOpts(min_= 337.000000, max_=11169.000000), title_opts=opts.TitleOpts(title="2017年中国分省常住人口数据"),

    <span class="p">)</span>
<span class="p">)</span>

<span class="k">return</span> <span class="n">c</span>

In [37]:
地理图 = geo_总人口()
地理图.render_notebook()
Out[37]:
    <div id="122ae5af9e224398821200136c43d6ae" style="width:900px; height:500px;"></div>

本次调用的是2017年中国分省年度数据的年末常住人口数量,根据图表显示,红色代表年末常住人口数量多地地区,蓝色表示年末常住人口数量低的地区。广东省,山东省和河南省在图表显示的是红色的圈点,表明年末常住人口数量多。地理图显示蓝色区域的是西藏,青海,内蒙古地区。可以直观了解到这三个地区的年末常住人口数量是比较少的。

从年末常住人口数据地图可以看出,发达地区和沿海地区的年末常住人口基数比较大,而偏远地区和高海拔地区的年末常住人口基数相对比较稀少。

空文件

简介

取消

发行版

暂无发行版

贡献者

全部

近期动态

不能加载更多了
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化