Python+Tableau廣東省人口普查可視化的實(shí)現(xiàn)
人口普查人口數(shù)量變化圖

1 第七次人口普查不同省份總?cè)丝?/h2>
import pandas as pd
from collections import Counter
###畫圖
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar, Pie, Timeline
from pyecharts.faker import Faker
datafile = u'七次人口普查數(shù)據(jù).xlsx'
data = pd.read_excel(datafile)
###第七次不同省份總?cè)丝?
def an1():
name = data['省份'].tolist()[1:]
value = data['2020年第七次人口普查'].tolist()[1:]
provinces = [i.replace("\u3000","") for i in name]
#value = [int(int(i)/10000) for i in value]
print(provinces)
print(value)
c = (
Map()
.add("", [list(z) for z in zip(provinces, value)], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="第七次不同省份總?cè)丝?),
visualmap_opts=opts.VisualMapOpts(max_=130000000, split_number=8, is_piecewise=True),
)
).render(path="第七次不同省份總?cè)丝?html")
import pandas as pd
from collections import Counter
###畫圖
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar, Pie, Timeline
from pyecharts.faker import Faker
datafile = u'七次人口普查數(shù)據(jù).xlsx'
data = pd.read_excel(datafile)
###第七次不同省份總?cè)丝?
def an1():
name = data['省份'].tolist()[1:]
value = data['2020年第七次人口普查'].tolist()[1:]
provinces = [i.replace("\u3000","") for i in name]
#value = [int(int(i)/10000) for i in value]
print(provinces)
print(value)
c = (
Map()
.add("", [list(z) for z in zip(provinces, value)], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="第七次不同省份總?cè)丝?),
visualmap_opts=opts.VisualMapOpts(max_=130000000, split_number=8, is_piecewise=True),
)
).render(path="第七次不同省份總?cè)丝?html")

勢(shì)不可擋珠江潮——廣東改革開放40年回望。地處改革開放前沿的廣東,變化尤為突出,奔騰不息的珠江潮,年復(fù)一年,以不可阻擋之勢(shì),向前奔流,創(chuàng)造了一個(gè)又一個(gè)奇跡。
自此我們選擇廣東省人口變化來進(jìn)行分析
2 廣東省人口增長(zhǎng)率
全省常住人口與 2010 年第六次全國(guó)人口普查的 104303132
人相比,十年共增加 21709378 人,增長(zhǎng) 20.81%,年平均增長(zhǎng)率為 1.91%

根據(jù)《廣東省第七次全國(guó)人口普查數(shù)據(jù)解讀》,廣東省十年人口增長(zhǎng)超兩千萬,總量繼續(xù)穩(wěn)居全國(guó)首位
這樣的人口增長(zhǎng)背后,是廣東在全國(guó)首屈一指的活力、引力。
3 廣東省人口地域分布情況Top15
21 個(gè)市中,人口超過 1000 萬人的市有 3 個(gè),在 500 萬人至1000 萬人之間的市有 6 個(gè),在 300 萬人至 500 萬人之間的市有 5個(gè),少于 300 萬人的市有 7 個(gè)。其中,人口居前五位的市合計(jì)人口占全省常住人口比重為 50.14%。
import pandas as pd
from pyecharts.charts import Pie
from pyecharts import options as opts
import os
os.chdir(r"C:\Users\Administrator\Desktop\廣東省人口分析")
df = pd.read_excel(r"人口地域分布.xlsx")
df.sort_values(by='人口數(shù)', ascending=False, inplace=True)
v = df['地 區(qū)'][:15].values.tolist()
d = df['人口數(shù)'][:15].values.tolist()
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie1.set_colors(color_series)
# 添加數(shù)據(jù),設(shè)置餅圖的半徑,是否展示成南丁格爾圖
pie1.add("", [list(z) for z in zip(v, d)],
radius=["30%", "135%"],
center=["50%", "65%"],
rosetype="area"
)
pie1.set_global_opts(title_opts=opts.TitleOpts(title='玫瑰圖示例'),
legend_opts=opts.LegendOpts(is_show=False),
toolbox_opts=opts.ToolboxOpts())
# 設(shè)置系列配置項(xiàng)
pie1.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12,
formatter=":{c}人", font_style="italic",
font_weight="bold", font_family="Microsoft YaHei"
),
)
# 生成html文檔
pie1.render('南丁格爾玫瑰圖.html')

廣深莞三市人口超千萬,常住人口進(jìn)一步向珠三角集聚
4 性別分布情況
4.1 歷次人口普查人口性別構(gòu)成
全省常住人口中,男性人口占 53.07%;女性人口占 46.93%???cè)丝谛詣e比(以女性為100,男性對(duì)女性的比例)由 2010 年第六次全國(guó)人口普查的109.00 上升為 113.08。

人口性別比升高,外省流入人口男性多于女性
也不難想到,外省流入人口的性別比高低與產(chǎn)業(yè)結(jié)構(gòu)變化不無關(guān)系,廣東作為全國(guó)制造業(yè)大省,產(chǎn)業(yè)結(jié)構(gòu)重型化特征明顯,對(duì)男性勞動(dòng)力需求量增加
4.2 第七次人口普查地區(qū)人口性別構(gòu)成

5 城鄉(xiāng)人口及比重
城鎮(zhèn)人口比重超過七成,流動(dòng)人口快速增長(zhǎng)
十年來,廣東新型城鎮(zhèn)化進(jìn)程穩(wěn)步推進(jìn),城鎮(zhèn)化建設(shè)取得顯著成績(jī)。

十年來,廣東人口發(fā)展趨勢(shì)發(fā)生深刻變化,人口總量保持穩(wěn)定增長(zhǎng),人口素質(zhì)穩(wěn)步提升,勞動(dòng)力總規(guī)模依然龐大,人口集聚進(jìn)一步增強(qiáng),城鎮(zhèn)化水平持續(xù)提高。但也面臨人口總量壓力猶存、人口結(jié)構(gòu)老齡化等風(fēng)險(xiǎn)的挑戰(zhàn),人口發(fā)展已進(jìn)入重要轉(zhuǎn)折期。
人口普查結(jié)果表明,十年來,廣東人口發(fā)展形勢(shì)出現(xiàn)一些積極的變化,表現(xiàn)出一些新特點(diǎn)、新情況。
到此這篇關(guān)于Python+Tableau廣東省人口普查可視化的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Python Tableau人口普查可視化內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python查看多臺(tái)服務(wù)器進(jìn)程的腳本分享
這篇文章主要介紹了Python查看多臺(tái)服務(wù)器進(jìn)程的腳本分享,需要的朋友可以參考下2014-06-06
成功解決ValueError:?Supported?target?types?are:('binary
本文給大家分享成功解決ValueError:?Supported?target?types?are:('binary',?'multiclass').?Got?'continuous'?instead.的錯(cuò)誤問題,需要的朋友可以參考下2023-03-03
TensorFlow安裝并在Pycharm搭建環(huán)境的詳細(xì)圖文教程
今天動(dòng)手開始搭建TensorFlow開發(fā)環(huán)境,所以下面這篇文章主要給大家介紹了關(guān)于TensorFlow安裝并在Pycharm搭建環(huán)境的詳細(xì)圖文教程,文中通過圖文介紹的非常詳細(xì),需要的朋友可以參考下2022-11-11
Python實(shí)現(xiàn)文件內(nèi)容批量追加的方法示例
這篇文章主要介紹了Python實(shí)現(xiàn)文件內(nèi)容批量追加的方法,結(jié)合實(shí)例形式分析了Python文件的讀寫相關(guān)操作技巧,需要的朋友可以參考下2017-08-08
python實(shí)現(xiàn)簡(jiǎn)易SSL的項(xiàng)目實(shí)踐
本文主要介紹了python實(shí)現(xiàn)簡(jiǎn)易SSL的項(xiàng)目實(shí)踐,包括CA.py、server.py和client.py三個(gè)模塊,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2025-02-02
Flask之pipenv虛擬環(huán)境的實(shí)現(xiàn)
這篇文章主要介紹了Flask之pipenv虛擬環(huán)境的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-11-11
python用戶評(píng)論標(biāo)簽匹配的解決方法
這篇文章主要為大家詳細(xì)介紹了python用戶評(píng)論標(biāo)簽匹配的解決方法,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-05-05

