Plotly:绘制2005-2021年各省份人均可支配收入

简介: Plotly:绘制2005-2021年各省份人均可支配收入

本期,我们从国家统计局官网上下载了2005-2021年各省份的人均可支配收入的数据,用Plotly来做个小动画看看接近20年的时间里,哪个省份的人均可支配收入最高 。具体数据如下:

plotly的代码为:


import pandas as pd import plotly.graph_objects as go#导入相关的csv文件df=pd.read_csv('分省年度数据-人均可支配收入.csv',encoding='gbk')df['colors']=['aliceblue','antiquewhite','aqua','aquamarine','azure','beige','bisque','black','blanchedalmond','blue','blueviolet','brown','burlywood','cadetblue','chartreuse','chocolate','coral','cornflowerblue','red','crimson','cyan','darkblue','darkcyan','darkgoldenrod','darkgray','darkgreen','darkkhaki','darkmagenta','darkolivegreen','darkorange','darkorchid']
ani_frames=[]for i in df.columns[1:-1][::-1]:    df.sort_values(by=i,inplace=True)    bar=go.Bar(x=df[i],y=df['地区'],orientation='h',textposition='outside',marker_color=df['colors'],text=df[i])    frame=go.Frame(data=bar,layout=go.Layout(title=i+'各省份人均可支配收入(元)',title_x=0.5))    ani_frames.append(frame)
d_inf=df.loc[:,['2005年','地区','colors']]d_inf.sort_values(by='2005年',inplace=True)
ini_bar= go.Bar(x=d_inf['2005年'],y=d_inf['地区'],orientation='h',textposition='outside',marker_color=d_inf['colors'],text=d_inf['2005年'])   
buttons={    "type":"buttons",    "direction":"right",    "pad":{"r":80,"t":0},    "buttons":[{"label":"Play","method":"animate","args":[        None,        dict(frame=dict(duration=600,redraw=True),            transition=dict(duration=1800,easing="linear-in-out"),            fromcurrent=True,            mode='immediate')    ]}]}    
fig=go.Figure(    data=[ini_bar],    layout=go.Layout(    title="2005年各省份人均可支配收入(元)",    title_x=0.5,    width=1000,height=750,    updatemenus=[buttons],    xaxis=dict(showgrid=True,zeroline=False,automargin=True,range=[0,81000]),    yaxis=dict(showgrid=True,zeroline=False,automargin=True)    ),    frames=ani_frames    )fig.update_yaxes(nticks=40)fig.show()

运行一下:




接近20年,稳稳排名前三的是:上海市、北京市、浙江省。

相关文章
|
消息中间件 分布式计算 监控
Python面试:消息队列(RabbitMQ、Kafka)基础知识与应用
【4月更文挑战第18天】本文探讨了Python面试中RabbitMQ与Kafka的常见问题和易错点,包括两者的基础概念、特性对比、Python客户端使用、消息队列应用场景及消息可靠性保证。重点讲解了消息丢失与重复的避免策略,并提供了实战代码示例,帮助读者提升在分布式系统中使用消息队列的能力。
546 2
|
机器学习/深度学习 自然语言处理 算法
RAPTOR:多模型融合+层次结构 = 检索性能提升20%,结果还更稳健
本文探讨了通过多模型集成技术提升信息检索系统性能的方法,重点介绍了RAPTOR框架。RAPTOR通过构建层次化的信息组织结构和递归摘要技术,显著提高了检索系统的性能和适应性。研究建立在RAG Fusion技术基础上,旨在提供更全面的信息检索解决方案。
854 2
RAPTOR:多模型融合+层次结构 = 检索性能提升20%,结果还更稳健
|
SQL 安全 Java
开启 Kerberos 安全认证的大数据环境中如何正确指定 HS2 的 jdbc url 地址?
开启 Kerberos 安全认证的大数据环境中如何正确指定 HS2 的 jdbc url 地址?
|
存储 监控 Linux
在Linux中,可以使用哪个命令查看系统的历史负载?
在Linux中,可以使用哪个命令查看系统的历史负载?
|
网络协议 安全 应用服务中间件
服务器最大支持多少链接数
【10月更文挑战第27天】本文探讨了单台服务器最大支持的链接数,分析了TCP链接标识的四元组、文件句柄限制、端口号范围及多IP绑定等技术细节。结论指出,理论上的最大链接数受制于文件句柄和内存,而链接接收端的链接数可视为无限大。
452 0
|
12月前
|
供应链 区块链
探索区块链技术的未来:从数字货币到智能合约的演变
探索区块链技术的未来:从数字货币到智能合约的演变
250 0
|
存储 关系型数据库 MySQL
MySQL InnoDB存储引擎的优点有哪些?
上述提到的特性和优势使得InnoDB引擎非常适合那些要求高可靠性、高性能和事务支持的场景。在使用MySQL进行数据管理时,InnoDB通常是优先考虑的存储引擎选项。
454 0
|
SQL 自然语言处理 关系型数据库
Vanna使用ollama分析本地MySQL数据库
这篇文章详细介绍了如何使用Vanna结合Ollama框架来分析本地MySQL数据库,实现自然语言查询功能,包括环境搭建和配置流程。
1640 0
|
数据采集 API 开发者
拼多多API接口怎么申请
拼多多API接口申请步骤简述:首先访问拼多多开放平台并注册账号,选择开发者类型并填写资料,审核通过后创建应用并申请API接口权限,等待审核结果,获取API密钥等信息。完成后,即可使用拼多多API接口进行开发,注意遵守相关规定。