數(shù)據(jù)截圖:

數(shù)據(jù)下載地址：鏈接：https://pan.baidu.com/s/1dGHwAC5 密碼：nfd2

該數(shù)據(jù)包含了2006年-2015年10年間亞洲地區(qū)人口數(shù)量數(shù)據(jù)，共10行50列數(shù)據(jù)。我們需要使用Numpy完成如下數(shù)據(jù)任務(wù):

計(jì)算2015年各個(gè)國(guó)家人口數(shù)據(jù)

計(jì)算朝鮮歷史各個(gè)時(shí)期人口數(shù)據(jù)

計(jì)算緬甸2014年的人口數(shù)據(jù)

計(jì)算每一個(gè)國(guó)家歷史平均人口數(shù)據(jù)

計(jì)算亞洲2015年總?cè)丝?#xff0c;及平均人口

計(jì)算印度、柬埔寨、阿富汗在2011、2012、2013年總?cè)丝诩捌骄丝?/li>

計(jì)算任意兩個(gè)國(guó)家之間的人口差數(shù)據(jù)

計(jì)算2012年亞洲人口數(shù)量排名前10的國(guó)家

import numpy as np import numpy as np In [42]:#國(guó)家索引 country_index = np.array(open('亞洲國(guó)家20年人口數(shù)據(jù)-gb2312.csv').readline()[:-1].split(',') )#讀取人口數(shù)據(jù) p_data = np.genfromtxt('亞洲國(guó)家20年人口數(shù)據(jù)-gb2312.csv',delimiter = ',',skip_header = 1,dtype = np.str )#時(shí)間索引 time_index = p_data[:,0]#數(shù)據(jù)行索引 time_index #國(guó)家索引 country_index = np.array(open('亞洲國(guó)家20年人口數(shù)據(jù)-gb2312.csv').readline()[:-1].split(',') ) ? #讀取人口數(shù)據(jù) p_data = np.genfromtxt('亞洲國(guó)家20年人口數(shù)據(jù)-gb2312.csv',delimiter = ',',skip_header = 1,dtype = np.str ) ? #時(shí)間索引 time_index = p_data[:,0] ? #數(shù)據(jù)行索引 time_index Out[42]: array(['2015', '2014', '2013', '2012', '2011', '2010', '2009', '2008','2007', '2006', '2005', '2004', '2003', '2002', '2001', '2000','1999', '1998', '1997', '1996'],dtype='<U10') In [43]:#數(shù)據(jù)索引 country_index Out[43]: array(['時(shí)間', '阿富汗', '巴林', '孟加拉國(guó)', '不丹', '文萊', '緬甸', '柬埔寨', '塞浦路斯', '朝鮮','中國(guó)香港', '印度', '印度尼西亞', '伊朗', '伊拉克', '以色列', '日本', '約旦', '科威特', '老撾','黎巴嫩', '中國(guó)澳門', '馬來西亞', '馬爾代夫', '蒙古', '尼泊爾', '阿曼', '巴基斯坦', '巴勒斯坦','菲律賓', '卡塔爾', '沙特阿拉伯', '新加坡', '韓國(guó)', '斯里蘭卡', '敘利亞', '泰國(guó)', '土耳其','阿聯(lián)酋', '也門', '越南', '中國(guó)臺(tái)灣', '東帝汶', '哈薩克斯坦', '吉爾吉斯斯坦', '塔吉克斯坦','土庫曼斯坦', '烏茲別克斯坦', '馬恩島', '約旦河西岸和加沙'],dtype='<U8') 1.計(jì)算2015年各個(gè)國(guó)家人口數(shù)據(jù) In [44]:year = '2015' ? #獲取year年所有國(guó)家人口數(shù)據(jù) p_by_year = p_data[time_index == year] ? #取前國(guó)家顯示 p_by_year = p_by_year[0] ? #給數(shù)據(jù)添加國(guó)家名稱 print('%s年各個(gè)國(guó)家人口數(shù)據(jù)：'%year) print('--------------------------') ? for country_name,country_data in zip(country_index[1:],p_by_year[1:]):print('%s人口為:\t%s'%(country_name,country_data)) 2015年各個(gè)國(guó)家人口數(shù)據(jù)： -------------------------- 阿富汗人口為: 32526562 巴林人口為: 1377237 孟加拉國(guó)人口為: 160995642 不丹人口為: 774830 文萊人口為: 423188 緬甸人口為: 53897154 柬埔寨人口為: 15577899 塞浦路斯人口為: 1165300 朝鮮人口為: 25155317 中國(guó)香港人口為: 7305700 印度人口為: 1311050527 印度尼西亞人口為: 257563815 伊朗人口為: 79109272 伊拉克人口為: 36423395 以色列人口為: 8380100 日本人口為: 126958472 約旦人口為: 7594547 科威特人口為: 3892115 老撾人口為: 6802023 黎巴嫩人口為: 5850743 中國(guó)澳門人口為: 587606 馬來西亞人口為: 30331007 馬爾代夫人口為: 409163 蒙古人口為: 2959134 尼泊爾人口為: 28513700 阿曼人口為: 4490541 巴基斯坦人口為: 188924874 巴勒斯坦人口為: 菲律賓人口為: 100699395 卡塔爾人口為: 2235355 沙特阿拉伯人口為: 31540372 新加坡人口為: 5535002 韓國(guó)人口為: 50617045 斯里蘭卡人口為: 20966000 敘利亞人口為: 18502413 泰國(guó)人口為: 67959359 土耳其人口為: 78665830 阿聯(lián)酋人口為: 9156963 也門人口為: 26832215 越南人口為: 91713300 中國(guó)臺(tái)灣人口為: 東帝汶人口為: 1184765 哈薩克斯坦人口為: 17544126 吉爾吉斯斯坦人口為: 5956900 塔吉克斯坦人口為: 8481855 土庫曼斯坦人口為: 5373502 烏茲別克斯坦人口為: 31298900 馬恩島人口為: 87780 約旦河西岸和加沙人口為: 4422143 2.計(jì)算朝鮮歷史各個(gè)時(shí)期人口數(shù)據(jù) In [45]:country = '朝鮮' #先查找朝鮮在數(shù)組的索引 country_where = np.argwhere(country_index == country)[0][0] ? #按照索引計(jì)算人口數(shù)據(jù) print('%s各個(gè)年份人口數(shù)據(jù)：'%country) print('=============================') ? for data in zip(time_index,p_data[:,country_where]):print(data)print('==============================') 朝鮮各個(gè)年份人口數(shù)據(jù)： ============================= ('2015', '25155317') ('2014', '25026772') ('2013', '24895705') ('2012', '24763353') ('2011', '24631359') ('2010', '24500506') ('2009', '24371806') ('2008', '24243829') ('2007', '24111945') ('2006', '23969897') ('2005', '23813324') ('2004', '23639296') ('2003', '23449173') ('2002', '23248053') ('2001', '23043441') ('2000', '22840218') ('1999', '22641747') ('1998', '22444986') ('1997', '22240826') ('1996', '22016510') ============================== 3.計(jì)算緬甸2014年人口數(shù)據(jù) In [46]:country = '緬甸' year = '2014' ? country_data = p_data[time_index==year][0][np.argwhere(country_index == country)[0][0]] ? print('%s在%s年人口數(shù)據(jù)為：%s'%(country,year,country_data)) 緬甸在2014年人口數(shù)據(jù)為：53437159 4.計(jì)算每一個(gè)國(guó)家歷史平均人口數(shù)據(jù) In [47]:#去除第一行時(shí)間數(shù)據(jù) every_country_data = np.delete(p_data.T,0,axis=0) ? #處理數(shù)據(jù)中的空值為0 every_country_data = np.where(every_country_data=='',0,every_country_data).astype(np.int32) ? ? #計(jì)算每一個(gè)國(guó)家平均人口 avg_data = np.mean(every_country_data,axis=1).astype(np.int32) ? print('各個(gè)國(guó)家歷史平均人口數(shù)據(jù)') print('=========================') ? #各個(gè)國(guó)家名稱 country_name = country_index[1:] ? for country_name,data in zip(country_index[1:],avg_data):print('%s國(guó)家歷史平均人口數(shù)據(jù)：%s'%(country_name,data)) ? 各個(gè)國(guó)家歷史平均人口數(shù)據(jù) ========================= 阿富汗國(guó)家歷史平均人口數(shù)據(jù)：24566255 巴林國(guó)家歷史平均人口數(shù)據(jù)：961489 孟加拉國(guó)國(guó)家歷史平均人口數(shù)據(jù)：142511842 不丹國(guó)家歷史平均人口數(shù)據(jù)：650117 文萊國(guó)家歷史平均人口數(shù)據(jù)：364592 緬甸國(guó)家歷史平均人口數(shù)據(jù)：49912636 柬埔寨國(guó)家歷史平均人口數(shù)據(jù)：13384934 塞浦路斯國(guó)家歷史平均人口數(shù)據(jù)：1030891 朝鮮國(guó)家歷史平均人口數(shù)據(jù)：23752403 中國(guó)香港國(guó)家歷史平均人口數(shù)據(jù)：6865960 印度國(guó)家歷史平均人口數(shù)據(jù)：1150202417 印度尼西亞國(guó)家歷史平均人口數(shù)據(jù)：228174990 伊朗國(guó)家歷史平均人口數(shù)據(jù)：70450024 伊拉克國(guó)家歷史平均人口數(shù)據(jù)：27799113 以色列國(guó)家歷史平均人口數(shù)據(jù)：7016715 日本國(guó)家歷史平均人口數(shù)據(jù)：127318832 約旦國(guó)家歷史平均人口數(shù)據(jù)：5723731 科威特國(guó)家歷史平均人口數(shù)據(jù)：2545149 老撾國(guó)家歷史平均人口數(shù)據(jù)：5842897 黎巴嫩國(guó)家歷史平均人口數(shù)據(jù)：4085650 中國(guó)澳門國(guó)家歷史平均人口數(shù)據(jù)：487277 馬來西亞國(guó)家歷史平均人口數(shù)據(jù)：25966300 馬爾代夫國(guó)家歷史平均人口數(shù)據(jù)：331258 蒙古國(guó)家歷史平均人口數(shù)據(jù)：2579777 尼泊爾國(guó)家歷史平均人口數(shù)據(jù)：25465307 阿曼國(guó)家歷史平均人口數(shù)據(jù)：2798350 巴基斯坦國(guó)家歷史平均人口數(shù)據(jù)：155928633 巴勒斯坦國(guó)家歷史平均人口數(shù)據(jù)：0 菲律賓國(guó)家歷史平均人口數(shù)據(jù)：86371329 卡塔爾國(guó)家歷史平均人口數(shù)據(jù)：1179044 沙特阿拉伯國(guó)家歷史平均人口數(shù)據(jù)：25157752 新加坡國(guó)家歷史平均人口數(shù)據(jù)：4551772 韓國(guó)國(guó)家歷史平均人口數(shù)據(jù)：48298055 斯里蘭卡國(guó)家歷史平均人口數(shù)據(jù)：19483750 敘利亞國(guó)家歷史平均人口數(shù)據(jù)：18060010 泰國(guó)國(guó)家歷史平均人口數(shù)據(jù)：64970255 土耳其國(guó)家歷史平均人口數(shù)據(jù)：68492236 阿聯(lián)酋國(guó)家歷史平均人口數(shù)據(jù)：5575669 也門國(guó)家歷史平均人口數(shù)據(jù)：21019667 越南國(guó)家歷史平均人口數(shù)據(jù)：82703935 中國(guó)臺(tái)灣國(guó)家歷史平均人口數(shù)據(jù)：0 東帝汶國(guó)家歷史平均人口數(shù)據(jù)：984978 哈薩克斯坦國(guó)家歷史平均人口數(shù)據(jù)：15734151 吉爾吉斯斯坦國(guó)家歷史平均人口數(shù)據(jù)：5217475 塔吉克斯坦國(guó)家歷史平均人口數(shù)據(jù)：6965083 土庫曼斯坦國(guó)家歷史平均人口數(shù)據(jù)：4799654 烏茲別克斯坦國(guó)家歷史平均人口數(shù)據(jù)：26807230 馬恩島國(guó)家歷史平均人口數(shù)據(jù)：80731 約旦河西岸和加沙國(guó)家歷史平均人口數(shù)據(jù)：3424896 5.計(jì)算亞洲2015年總?cè)丝?#xff0c;以及平均數(shù) In [48]:year = '2015' ? #2015年亞洲各個(gè)國(guó)家人口數(shù)量 every_country_data = p_data[time_index == year] ? #去除第一條時(shí)間數(shù)據(jù) every_country_data = np.delete(p_data.T,0,axis=0) ? #計(jì)算數(shù)據(jù)中的缺失值，并將數(shù)據(jù)類型轉(zhuǎn)換為數(shù)字類型 every_country_data= np.where(every_country_data=='',0,every_country_data).astype(np.int32) ? #計(jì)算平均值 avg_data = np.mean(every_country_data) ? #計(jì)算總?cè)丝?total_data = np.sum(every_country_data) ? print('亞洲%s年總?cè)丝跀?shù)據(jù)：%s,平均人后數(shù)據(jù)是：%s'%(year,total_data,avg_data)) 亞洲2015年總?cè)丝跀?shù)據(jù)：792297067,平均人后數(shù)據(jù)是：53399902.6724 6. 計(jì)算印度、柬埔寨、阿富汗在2011、2012、2013年總?cè)丝诩捌骄丝?In [54]:contry = ['印度','柬埔寨','阿富汗'] ? year = ['2011','2012','2013'] #先獲得所有國(guó)家11/12/13年的人口數(shù)據(jù) all_country_data_by_year = [] for y in year:all_country_data_by_year.append(p_data[time_index == y][0]) ? # #計(jì)算國(guó)家所對(duì)應(yīng)的列索引 indexes = [] for c in contry:indexes.append(np.argwhere(country_index == c)[0][0]) ? # #計(jì)算指定國(guó)家的數(shù)據(jù) all_country_data_by_year = np.array(all_country_data_by_year) all_country_data_by_year = all_country_data_by_year[:,indexes] ? # #處理數(shù)據(jù)中可能存在的缺失值 all_country_data_by_year = np.where(all_country_data_by_year == '',0,all_country_data_by_year) ? all_country_data_by_year = all_country_data_by_year.astype(np.int32) # #計(jì)算每一年人口總和 p_sum = all_country_data_by_year.sum(axis=1) ? # #計(jì)算每一年人口平均數(shù) p_mean = all_country_data_by_year.mean(axis=1) ? for y,s,m in zip(year,p_sum,p_mean):print('%s年%s國(guó)家的人口總和為:%s, 平均人口為:%s' % (y, ','.join(contry), s, m)) 2011年印度,柬埔寨,阿富汗國(guó)家的人口總和為:1290848277, 平均人口為:430282759.0 2012年印度,柬埔寨,阿富汗國(guó)家的人口總和為:1308148697, 平均人口為:436049565.667 2013年印度,柬埔寨,阿富汗國(guó)家的人口總和為:1325259938, 平均人口為:441753312.667 7.計(jì)算任意兩個(gè)國(guó)家之間的人口差數(shù)據(jù) In [57]:country1 = '柬埔寨' country2 = '越南' year = '2013' ? #計(jì)算2015年人口數(shù)據(jù) data_2015 = p_data[time_index == year] data_2015 = np.where(data_2015 == '',0,data_2015).astype(np.int32) ? #獲得兩個(gè)國(guó)家的人口數(shù)據(jù) country1_data = data_2015.T[country_index == country1][0][0] country2_data = data_2015.T[country_index == country2][0][0] ? print('%s和%s的人口差是：%s !'%(country1,country2,np.abs(country1_data-country2_data))) 柬埔寨和越南的人口差是：74680936 ! 8.計(jì)算2012年亞洲人口數(shù)量排名前10的國(guó)家 In [60]:#計(jì)算2012年亞洲人口數(shù)據(jù) year = '2012' ? #獲得2012年數(shù)據(jù) data_2012 = p_data[time_index == year][0][1:] #處理缺失值 data_2012 = np.where(data_2012 == '',0,data_2012) #數(shù)據(jù)轉(zhuǎn)換為數(shù)字類型 data_2012 = data_2012.astype(np.int32) ? #對(duì)結(jié)果排序 sorted_index = np.argsort(data_2012) ? #人口數(shù)量前10的國(guó)家 ret_data = data_2012[sorted_index][::-1][10:] ret_index = country_index[1:][sorted_index][::-1][:10] ? #輸出結(jié)果 for a,b in zip(ret_index,ret_data):print('國(guó)家：%s人口：%s'%(a,b)) 國(guó)家：印度人口：52543841 國(guó)家：印度尼西亞人口：50004441 國(guó)家：巴基斯坦人口：32957622 國(guó)家：孟加拉國(guó)人口：29774500 國(guó)家：日本人口：29726803 國(guó)家：菲律賓人口：29496047 國(guó)家：越南人口：29021940 國(guó)家：伊朗人口：27500515 國(guó)家：土耳其人口：24882792 國(guó)家：泰國(guó)人口：24763353

總結(jié)

以上是生活随笔為你收集整理的数据分析案例:亚洲国家人口数据计算的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。