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:
計算2015年各個國家人口數(shù)據(jù)計算朝鮮歷史各個時期人口數(shù)據(jù)計算緬甸2014年的人口數(shù)據(jù)計算每一個國家歷史平均人口數(shù)據(jù)計算亞洲2015年總?cè)丝?#xff0c;及平均人口計算印度、柬埔寨、阿富汗在2011、2012、2013年總?cè)丝诩捌骄丝?/li>計算任意兩個國家之間的人口差數(shù)據(jù)計算2012年亞洲人口數(shù)量排名前10的國家
import numpy as np
import numpy as np
In [42]:#國家索引
country_index = np.array(open('亞洲國家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('亞洲國家20年人口數(shù)據(jù)-gb2312.csv',delimiter = ',',skip_header = 1,dtype = np.str
)#時間索引
time_index = p_data[:,0]#數(shù)據(jù)行索引
time_index
#國家索引
country_index = np.array(open('亞洲國家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('亞洲國家20年人口數(shù)據(jù)-gb2312.csv',delimiter = ',',skip_header = 1,dtype = np.str
)
?
#時間索引
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(['時間', '阿富汗', '巴林', '孟加拉國', '不丹', '文萊', '緬甸', '柬埔寨', '塞浦路斯', '朝鮮','中國香港', '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', '斯里蘭卡', '敘利亞', '泰國', '土耳其','阿聯(lián)酋', '也門', '越南', '中國臺灣', '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.計算2015年各個國家人口數(shù)據(jù)
In [44]:year = '2015'
?
#獲取year年所有國家人口數(shù)據(jù)
p_by_year = p_data[time_index == year]
?
#取前國家顯示
p_by_year = p_by_year[0]
?
#給數(shù)據(jù)添加國家名稱
print('%s年各個國家人口數(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年各個國家人口數(shù)據(jù)：
--------------------------
阿富汗人口為: 32526562
巴林人口為: 1377237
孟加拉國人口為: 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
韓國人口為: 50617045
斯里蘭卡人口為: 20966000
敘利亞人口為: 18502413
泰國人口為: 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
中國臺灣人口為:
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.計算朝鮮歷史各個時期人口數(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]
?
#按照索引計算人口數(shù)據(jù)
print('%s各個年份人口數(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.計算每一個國家歷史平均人口數(shù)據(jù)
In [47]:#去除第一行時間數(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)
?
?
#計算每一個國家平均人口
avg_data = np.mean(every_country_data,axis=1).astype(np.int32)
?
print('各個國家歷史平均人口數(shù)據(jù)')
print('=========================')
?
#各個國家名稱
country_name = country_index[1:]
?
for country_name,data in zip(country_index[1:],avg_data):print('%s國家歷史平均人口數(shù)據(jù)：%s'%(country_name,data))
?
各個國家歷史平均人口數(shù)據(jù)
=========================
阿富汗國家歷史平均人口數(shù)據(jù)：24566255
巴林國家歷史平均人口數(shù)據(jù)：961489
孟加拉國國家歷史平均人口數(shù)據(jù)：142511842
不丹國家歷史平均人口數(shù)據(jù)：650117
文萊國家歷史平均人口數(shù)據(jù)：364592
緬甸國家歷史平均人口數(shù)據(jù)：49912636
柬埔寨國家歷史平均人口數(shù)據(jù)：13384934
塞浦路斯國家歷史平均人口數(shù)據(jù)：1030891
朝鮮國家歷史平均人口數(shù)據(jù)：23752403
中國香港國家歷史平均人口數(shù)據(jù)：6865960
印度國家歷史平均人口數(shù)據(jù)：1150202417
印度尼西亞國家歷史平均人口數(shù)據(jù)：228174990
伊朗國家歷史平均人口數(shù)據(jù)：70450024
伊拉克國家歷史平均人口數(shù)據(jù)：27799113
以色列國家歷史平均人口數(shù)據(jù)：7016715
日本國家歷史平均人口數(shù)據(jù)：127318832
約旦國家歷史平均人口數(shù)據(jù)：5723731
科威特國家歷史平均人口數(shù)據(jù)：2545149
老撾國家歷史平均人口數(shù)據(jù)：5842897
黎巴嫩國家歷史平均人口數(shù)據(jù)：4085650
中國澳門國家歷史平均人口數(shù)據(jù)：487277
馬來西亞國家歷史平均人口數(shù)據(jù)：25966300
馬爾代夫國家歷史平均人口數(shù)據(jù)：331258
蒙古國家歷史平均人口數(shù)據(jù)：2579777
尼泊爾國家歷史平均人口數(shù)據(jù)：25465307
阿曼國家歷史平均人口數(shù)據(jù)：2798350
巴基斯坦國家歷史平均人口數(shù)據(jù)：155928633
巴勒斯坦國家歷史平均人口數(shù)據(jù)：0
菲律賓國家歷史平均人口數(shù)據(jù)：86371329
卡塔爾國家歷史平均人口數(shù)據(jù)：1179044
沙特阿拉伯國家歷史平均人口數(shù)據(jù)：25157752
新加坡國家歷史平均人口數(shù)據(jù)：4551772
韓國國家歷史平均人口數(shù)據(jù)：48298055
斯里蘭卡國家歷史平均人口數(shù)據(jù)：19483750
敘利亞國家歷史平均人口數(shù)據(jù)：18060010
泰國國家歷史平均人口數(shù)據(jù)：64970255
土耳其國家歷史平均人口數(shù)據(jù)：68492236
阿聯(lián)酋國家歷史平均人口數(shù)據(jù)：5575669
也門國家歷史平均人口數(shù)據(jù)：21019667
越南國家歷史平均人口數(shù)據(jù)：82703935
中國臺灣國家歷史平均人口數(shù)據(jù)：0
東帝汶國家歷史平均人口數(shù)據(jù)：984978
哈薩克斯坦國家歷史平均人口數(shù)據(jù)：15734151
吉爾吉斯斯坦國家歷史平均人口數(shù)據(jù)：5217475
塔吉克斯坦國家歷史平均人口數(shù)據(jù)：6965083
土庫曼斯坦國家歷史平均人口數(shù)據(jù)：4799654
烏茲別克斯坦國家歷史平均人口數(shù)據(jù)：26807230
馬恩島國家歷史平均人口數(shù)據(jù)：80731
約旦河西岸和加沙國家歷史平均人口數(shù)據(jù)：3424896
5.計算亞洲2015年總?cè)丝?#xff0c;以及平均數(shù)
In [48]:year = '2015'
?
#2015年亞洲各個國家人口數(shù)量
every_country_data = p_data[time_index == year]
?
#去除第一條時間數(shù)據(jù)
every_country_data = np.delete(p_data.T,0,axis=0)
?
#計算數(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)
?
#計算平均值
avg_data = np.mean(every_country_data)
?
#計算總?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])
?
# #計算國家所對應的列索引
indexes = []
for c in contry:indexes.append(np.argwhere(country_index == c)[0][0])
?
# #計算指定國家的數(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)
# #計算每一年人口總和
p_sum = all_country_data_by_year.sum(axis=1)
?
# #計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,阿富汗國家的人口總和為:1325259938, 平均人口為:441753312.667
7.計算任意兩個國家之間的人口差數(shù)據(jù)
In [57]:country1 = '柬埔寨'
country2 = '越南'
year = '2013'
?
#計算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)
?
#獲得兩個國家的人口數(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.計算2012年亞洲人口數(shù)量排名前10的國家
In [60]:#計算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)
?
#對結(jié)果排序
sorted_index = np.argsort(data_2012)
?
#人口數(shù)量前10的國家
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('國家：%s人口：%s'%(a,b))
國家：印度人口：52543841
國家：印度尼西亞人口：50004441
國家：巴基斯坦人口：32957622
國家：孟加拉國人口：29774500
國家：日本人口：29726803
國家：菲律賓人口：29496047
國家：越南人口：29021940
國家：伊朗人口：27500515
國家：土耳其人口：24882792
國家：泰國人口：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內(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，歡迎將生活随笔推薦給好友。
