手把手教你用 Pandas 绘制全球人口可视化交互图表

2022-01-13

CDA数据分析师出品

作者：Frank Andrade

编译：Mika

作为一名数据工作者，我特别喜欢用Python创建美观且易懂的可视化图表，而且技术难度小，不会花费大量时间。

交互式可视化也是如此，因此我花了很长时间寻找Python中好用的库。能创建交互式可视化图表的库有很多，但当使用Pandas时，很容易遇到各种各样的问题。

今天，我就来手把手教你如何直接使用Pandas创建出交互式可视化效果。

01 安装库

为了轻松创建交互式可视化，我们需要安装Cufflinks。这是一个将Pandas与Plotly连接起来的库，从而我们能够直接从Pandas创建可视化效果。

首先，确保安装Pandas并在终端上运行以下命令：

pip install pandas
pip install plotly

注意，你也可以使用conda安装Plotly

conda install -c plotly

安装 Plotly 后，运行以下命令安装 Cufflinks：

pip install cufflinks

02 导入库

接下来要导入以下库：

import pandas as pd
import cufflinks as cf
from IPython.display import display,HTMLcf.set_config_file(sharing='public',theme='ggplot',offline=True)

在这里，我用的是 ‘ggplot’ 主题，你也可以随意选择任何想要的主题。运行命令 cf.getThemes() 以获取所有可用的主题。

要在以下部分中使用 Pandas 进行交互式可视化，我们只需要使用语法 dataframe.iplot()

03 处理数据

在本文中，我们将使用人口数据框。

“CDA数据分析师”公众号后台回复关键字 “人口” ，

即可下载数据CSV 文件。

下载文件后，移动到 Python 脚本所在的位置，然后在 Pandas 数据框中进行读取，如下所示。

df_population = pd.read_csv('population_total.csv')

数据框中包含了世界上大多数国家多年来的人口数据，如下所示：

在使用之前，我们需要对其进行处理，删除空值，重新调整，然后选择几个国家来测试交互式绘图。

代码如下：

# dropping null values
df_population = df_population.dropna()# reshaping the dataframe
df_population = df_population.pivot(index='year', columns='country',
values='population')# selecting 5 countries
df_population = df_population[['United States', 'India', 'China',
'Indonesia', 'Brazil']]

现在数据框如下图所示，可以进行绘图了。

04 绘制可视化

折线图

下面让我们做一个折线图来，对其中5 个国家在 1955 年到 2020 年的人口增长量进行对比。

如前所述，我们将使用语法 df_population.iplot(kind=‘name_of_plot’) 来进行绘制。如下所示：

df_population.iplot(kind='line',xTitle='Years', yTitle='Population',
title='Population (1955-2020)')

一眼就可以看到，印度的人口增长速度比其他国家快。

条形图

我们可以在按类别分组的条形图上创建单个条形图。

单条形图

让我们创建一个条形图，显示2020年前每个国家的人口。

首先，我们从索引中选择2020年，然后将行与列转换，以获得列中的年份。将这个新的数据框命名为 df_population_2020 。我们将在绘制饼图时将再次使用这个数据框。

df_population_2020 = df_population[df_population.index.isin([2020])]
df_population_2020 = df_population_2020.T

现在我们可以用 .iplot() 来对新数据框进行绘制. 在这种情况下，我将使用颜色参数将条形颜色设置为浅绿色。

df_population_2020.iplot(kind='bar', color='lightgreen',
xTitle='Years', yTitle='Population',
title='Population in 2020')

多个变量分组的条形图

现在让我们看看不同年代初期人口的变化情况。

# filter years out
df_population_sample = df_population[df_population.index.isin([1980, 1990, 2000, 2010, 2020])]# plotting
df_population_sample.iplot(kind='bar', xTitle='Years',
yTitle='Population')

多年来，这些国家的人口都在增长，但有些国家的增长速度更快。

箱形图

当我们想查看数据的分布时，箱线图就派上用场了。箱线图将显示最小值、第一四分位数 (Q1)、中位数、第三个四分位数 (Q3)以及最大值。查看这些值的最简单方法是创建交互式可视化。

接着让我们看到美国的人口分布。

df_population['United States'].iplot(kind='box', color='green',
yTitle='Population')

我们还可以看到其他国家或地区的人口分布。

df_population.iplot(kind='box', xTitle='Countries',
yTitle='Population')

如我们所见，我们还可以通过点击右侧的图例来过滤掉任何国家。

直方图

直方图表示数值数据的分布。让我们看看美国和印度尼西亚的人口分布。

df_population[['United States', 'Indonesia']].iplot(kind='hist',
xTitle='Population')

饼图

让我们用饼图来比较一下 2020 年的人口。为此，我们将使用在单个条形图部分中创建的数据框 df_population_2020

注意，要制作饼图，我们需要将“国家/地区”作为列而不是索引，因此我们使用 .reset_index() 来获取列。然后我们将其 2020 转换为字符串。

# transforming data
df_population_2020 = df_population_2020.reset_index()
df_population_2020 =df_population_2020.rename(columns={2020:'2020'})# plotting
df_population_2020.iplot(kind='pie', labels='country',
values='2020',
title='Population in 2020 (%)')