作者:俊欣
来源:关于数据分析与可视化
“碳达峰、碳中和”是2021年政府在不断强调与非常重视的事儿,那什么是“碳达峰”、什么又是“碳中和”呢?这里小编来为大家科普一下,所谓的“碳达峰”指的是在某一时间点,二氧化碳的排放不再达到峰值,之后逐步回落。
而“碳中和”也就意味着企业、个体与团体在一定时间内直接或间接产生的温室气体排放总量,通过植树造林、节能减排等形式,抵消自身产生的二氧化碳排放,实现二氧化碳的“零排放”。
今天小编就用Python来制作一张可视化大屏,让大家来感受一下近百年来二氧化碳排放的趋势以及给我们所居住的环境造成了什么样的影响。
本地可视化大屏中引用的数据来自于由英国牛津大学知名教授创办的网站“用数据看世界(Our World in Data”,里面收入了各个学科的数据,包括卫生、食品、收入增长和分配、能源、教育、环境等行业进行了分析与可视化展示,十分地全面,并且当中的元数据开放在Github当中
我们导入需要用到的模块
import streamlit as st import plotly.express as px import pandas as pd
我们这次是用到streamlit模块来制作可视化大屏,该模块是基于Python的可视化工具,最初开发出来的目的是给机器学习和数据科学团队使用的。同时我们用plotly.express模块来绘制各种图表,因此图表是具备交互性的,pandas模块来读取数据
@st.cache def get_data(): url_1 = 'https://raw.githubusercontent.com/owid/owid-datasets/master/datasets/Climate%20change%20impacts/Climate%20change%20impacts.csv' url_2 = "https://github.com/owid/co2-data/raw/master/owid-co2-data.csv" df_1 = pd.read_csv(url_1) df_1_1 = df_1.query("Entity == 'World' and Year <=2021") df_2 = pd.read_csv(url_2) return df_1_1, df_2
然后我们来制作整个可视化大屏,首先我们先确认好可视化大屏的布局,如下图所示
然后我们针对每一篇布局来编写代码,首先看到的是标题部分,我们通过streamlit模块当中的markdown方法来实现即可
st.markdown()
然后根据上面的布局设计,我们这么来编写代码
col2, space2, col3 = st.columns((10,1,10)) with col2: year = st.slider('选择年份',1750,2020) ... with col3: ... selected_countries = st.multiselect('选择国家',countries,default_countries) ... col4, space3, col5, space4, col6 = st.columns((10,1,10,1,10)) with col4: st.markdown("""## 二氧化碳和全球变暖之间的关系""") with col5: st.subheader(" 副标题一 ") ... with col6: st.subheader(" 副标题二 ") ...
我们这里使用columns方法来将页面均匀的分成若干列,并且给定特定的宽度,当然每列之间还需要留一点空隙,从美观程度上来考虑,因此才有了变量space对应的是宽度1的空隙
col2, space2, col3 = st.columns((10,1,10))
然后我们针对分割开来的每个区域进行图表的绘制,例如左上方的世界地图,我们用plotly.express当中的choropleth方法来绘制,另外我们添加了时间轴,通过调用streamlit模块当中的slider方法来实现
with col2: year = st.slider('选择时间', 1750, 2020) fig = px.choropleth(df_co2[df_co2['year'] == year], locations="iso_code", color="co2_per_capita", hover_name="country", range_color=(0, 25), color_continuous_scale=px.colors.sequential.Reds) st.plotly_chart(fig, use_container_width=True)
而例如右上方的折线图,同样也是调用plotly.express模块来实现的,其中多选框则是调用了streamlit模块当中的multiselect方法,代码如下
with col3: default_countries = ['World', 'United States', 'United Kingdom', 'EU-27', 'China', 'Canada'] countries = df_co2['country'].unique() selected_countries = st.multiselect('选择国家或者区域性组织', countries, default_countries) df3 = df_co2.query('country in @selected_countries') fig2 = px.line(df3, "year", "co2_per_capita", color="country") st.plotly_chart(fig2, use_container_width=True)
最后的成品如下图所示:
从上面绘制的图表中我们能够看到的是,美国以及加拿大这两国家二氧化碳的排放量一直都很高,超过了包括欧盟、英国以及中国在内的主要经济体。当然近些年各个国家的政府也对该问题相当的重视,制订了相对应的节能减排的应对措施。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14