查看原文
其他

100 行代码制作炫酷可视化大屏

The following article is from 关于数据分析与可视化 Author 俊欣

“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。

介绍数据来源

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

导入模块并且读取数据

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

可视化大屏的制作

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。

- EOF -

推荐阅读  点击标题可跳转

1、用 Python 制作酷炫的可视化大屏,特简单!

2、20个小技巧,让数据可视化图表更专业!

3、精选 30 个炫酷的数据可视化大屏(含源码),拿走就用!


觉得本文对你有帮助?请分享给更多人

推荐关注「Python开发者」,提升Python技能

点赞和在看就是最大的支持❤️

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存