Untitled

In [28]:

import pandas as pd
df = pd.read_csv("population.csv",encoding="gbk")
df

Out[28]:

	地区	year_end_resident_population	urban_population	rural_population
0	北京市	2171	1878	293
1	天津市	1557	1291	266
2	河北省	7520	4136	3383
3	山西省	3702	2123	1579
4	内蒙古	2529	1568	961
5	辽宁省	4369	2949	1420
6	吉林省	2717	1539	1178
7	黑龙江省	3789	2250	1538
8	上海市	2418	2121	297
9	江苏省	8029	5521	2508
10	浙江省	5657	3847	1810
11	安徽省	6255	3346	2909
12	福建省	3911	2534	1377
13	江西省	4622	2524	2098
14	山东省	10006	6062	3944
15	河南省	9559	4795	4764
16	湖北省	5902	3500	2402
17	湖南省	6860	3747	3113
18	广东省	11169	7802	3367
19	广西省	4885	2404	2481
20	海南省	926	537	389
21	重庆市	3075	1971	1105
22	四川省	8302	4217	4085
23	贵州省	3580	1648	1932
24	云南省	4801	2241	2559
25	西藏	337	104	233
26	陕西省	3835	2178	1657
27	甘肃省	2626	1218	1408
28	青海省	598	317	281
29	宁夏	682	395	287
30	新疆	2445	1207	1238

In [29]:

print(list(df.地区))

['北京市', '天津市', '河北省', '山西省', '内蒙古', '辽宁省', '吉林省', '黑龙江省', '上海市', '江苏省', '浙江省', '安徽省', '福建省', '江西省', '山东省', '河南省', '湖北省', '湖南省', '广东省', '广西省', '海南省', '重庆市', '四川省', '贵州省', '云南省', '西藏', '陕西省', '甘肃省', '青海省', '宁夏', '新疆']

In [30]:

print(list(df.year_end_resident_population))

[2171, 1557, 7520, 3702, 2529, 4369, 2717, 3789, 2418, 8029, 5657, 6255, 3911, 4622, 10006, 9559, 5902, 6860, 11169, 4885, 926, 3075, 8302, 3580, 4801, 337, 3835, 2626, 598, 682, 2445]

In [31]:

人口 = zip(list(df.地区),list(df.year_end_resident_population))
print(人口)

<zip object at 0x00000258F48C8F48>

In [32]:

人口=list(zip(list(df.地区),list(df.year_end_resident_population.fillna(0))))
print(人口)

[('北京市', 2171), ('天津市', 1557), ('河北省', 7520), ('山西省', 3702), ('内蒙古', 2529), ('辽宁省', 4369), ('吉林省', 2717), ('黑龙江省', 3789), ('上海市', 2418), ('江苏省', 8029), ('浙江省', 5657), ('安徽省', 6255), ('福建省', 3911), ('江西省', 4622), ('山东省', 10006), ('河南省', 9559), ('湖北省', 5902), ('湖南省', 6860), ('广东省', 11169), ('广西省', 4885), ('海南省', 926), ('重庆市', 3075), ('四川省', 8302), ('贵州省', 3580), ('云南省', 4801), ('西藏', 337), ('陕西省', 3835), ('甘肃省', 2626), ('青海省', 598), ('宁夏', 682), ('新疆', 2445)]

In [33]:

df.year_end_resident_population.describe()

Out[33]:

count       31.000000
mean      4478.516129
std       2866.817502
min        337.000000
25%       2487.000000
50%       3835.000000
75%       6078.500000
max      11169.000000
Name: year_end_resident_population, dtype: float64

In [36]:

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType



def geo_总人口() -> Geo:
    c = (
        Geo()
        .add_schema(maptype="china")
        .add("年末常住人口（万人）",人口)
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(min_= 337.000000, max_=11169.000000),
            title_opts=opts.TitleOpts(title="2017年中国分省常住人口数据"),
            
        )
    )
    
    return c

In [37]:

地理图 = geo_总人口()
地理图.render_notebook()

Out[37]:

本次调用的是2017年中国分省年度数据的年末常住人口数量，根据图表显示，红色代表年末常住人口数量多地地区，蓝色表示年末常住人口数量低的地区。广东省，山东省和河南省在图表显示的是红色的圈点，表明年末常住人口数量多。地理图显示蓝色区域的是西藏，青海，内蒙古地区。可以直观了解到这三个地区的年末常住人口数量是比较少的。¶

从年末常住人口数据地图可以看出，发达地区和沿海地区的年末常住人口基数比较大，而偏远地区和高海拔地区的年末常住人口基数相对比较稀少。¶