【運彩分析】不到100行Python代碼樂樂q貝0-1教你做出優美炫酷的可視化大屏

"大眾號后臺答復“圖書“，相識更多號主舊書內容

     作者：俊欣

     泉源：對于數據闡發與可視化

“碳達峰、碳中以及”是2021年當局在賡續夸大與特別很是器重的事兒，那甚么是“碳達峰”、甚么又是“碳中以及”呢？這里小編來為人人科普一下，所謂的“碳達峰”指的是在某一時間點，二氧化碳的排放再也不到達峰值，以后慢慢歸落。

而“碳中以及”也就象征著企業、個別與整體在肯定時間內間接或者直接發生的溫室氣體排放總量，經由過程植樹毀林、節能減排等情勢，對消本身發生的二氧化碳排放，完成二氧化碳的“零排放”。

本日小編就用Python來建造一張可視化大屏，讓人人來感觸感染一下近百年來二氧化碳排放的趨向和給咱們所棲身的情況形成了甚么樣的影響。

先容數據泉源

內地可視化大屏中引用的數據來自于由英國牛津大學著名傳授興辦的網站“用數據望世界(Our World in Data”，內里收入了各個學科的數據，包含衛生、食物、收入增加以及調配、動力、教導、情況等行業進行了闡發與可視化鋪示，十分地周全，而且之中的元數據凋謝在Github之中

導入模塊而且讀取數據

咱們導入必要用到的模塊

import streamlit as st
import plotly.express as px
import pandas as pd

咱們此次是用到streamlit模塊來玩運彩 即時比分建造可視化大屏，該模塊是基于Python的可視化對象，最后開收回來的目的是給機械進修以及數據迷信團隊使用的。同時咱們用plotly.express模塊來繪制種種圖表，是以圖表是具有交互性的，pandas模塊來讀取數據

@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 阿寧實況== 'World' and Year <=2021")

    df_2 = pd.read_csv(url_2)
    return df_1_1, df_2

可視化大屏的建造

然后咱們來建造整個可視化大屏，起首咱們先確認好可視化大屏的結構，以下圖所示

然后咱們針對每一篇結構來編寫代碼，起首望到的是題目部門，咱們經由過程streamlit模塊之中的markdown要領來完成即可

st.markdown()

然后依據下面的結構設計，咱們這么來編寫代碼

col2, space2, col3 = st.columns((10,1,10))

with col2:
    year = st.slider('選擇年份',1750,2020)
    ...

with col3: 
    ...
    selected_countries = st.multiselect('選擇國度',countries,default_countnba 分析ries)
    ...

col4, space3, col5, space4, col6 = st.columns((10,1,10,1,10))
with col4:
    st.markdown("""## 二氧化碳以及環球變熱之間的瓜葛""")

with col5:
    st.sub台灣運彩 足球header(" 副題目一 ")
    ...

with col6:
    st.subheader(" 副題目二 ")
    ...

咱們這里使用columns要領來將頁面平均的分紅多少列，而且給定特定的寬度，當然每列之間還必要留一點清閑，從美觀水平下去思量，是以才有了變量space對應的是寬度1的清閑

col2, space2, col3 = st.columns((10,1,10))

然后咱們針對宰割開來的每個地區進行圖表的繪制，例如左上方的世界輿圖，咱們用plotly.express之中的choropleth要領來繪制，另外咱們增添了時間軸，經由過程挪用streamlit模塊之中的slider要領來完成

with col2:
    year = st.slider('選擇時間', 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)

而例如右上方的折線圖，一樣也是挪用plotly.express模塊來完成的，個中多選框則是挪用了streamlit模塊之中的multiselect要領，代碼以下

with col3:
    default_countries = ['World', 'United States', 'United Kingdom', 'EU-27', 'China', 'Canada']
    countries = df_co2['country'].uniqu運彩分析ptte()
    selected_countries = st.multiselect('選擇國度或者者地區性構造', 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)

最初的制品以下圖所示：

從下面繪制的圖表中咱們可以或許望到的是，美國和加拿大這兩國度二氧化碳的排放量一向都很高，跨越了包含歐盟、英國和中國在內的首要經濟體。當然近些年各個國度的當局也對該成績相稱的器重，制訂了相對于應的節能減排的應答步伐。

◆ ◆ ◆  ◆ ◆
麟哥舊書已經經在當當上架了，我寫了本書：《拿下Offer-數據闡發師求職口試指南》，現在當當正在舉辦運動，人人可以用相稱于原價5折的預購價錢購買，仍是特別很是劃算的：

數據森麟"大眾號的交流群已經經確立，很多小火伴已經經參加個中，謝謝人人的支撐。人人可以在群里交流對于數據闡發&數據發掘的相關內容，尚未參加的小火伴可以掃描下方治理員二維碼，進群前肯定要存眷"大眾號奧，存眷后讓治理員協助拉進群，期待人人的參加。

治理員二維碼：


猜你喜歡

● 臥槽！原來爬取B站彈幕這么簡略
● 厲害了！麟哥舊書登頂京東銷量排行榜！
● 笑逝世人不償命的知乎沙雕成績排行榜

● 用Python扒出B站那些“驚為天人”的阿婆主！
● 你信賴逛B站也能學編程嗎