啟動環境與安裝模組的指令

  建立新環境
  (base) conda create -n gapminder_clone python=3.12 

  檢查環境
  (base) conda env list 

  進入新建力環境
  (base) conda activate minard_clone 

  安裝模組
  (minard_clone) conda install pandas
  (minard_clone) conda install matplotlib
  (minard_clone) conda install plotly

數據準備（Data Preparation）

數據結構

• 人均 GDP：ddf–datapoints–gdp_pcap–by–country–time.csv。
  • country：國家代碼。
  • time：年份。
  • gdp_pcap：人均 GDP。

• 預期壽命：ddf–datapoints–lex–by–country–time.csv。
  • country：國家代碼。
  • time：年份。
  • lex：預期壽命。

• 人口數：ddf–datapoints–pop–by–country–time.csv。
  • country：國家代碼。
  • time：年份。
  • pop：該年該國的 總人口數。

• 地理資訊：ddf–entities–geo–country.csv。
  • country：國家代碼。
  • name：國家名稱。
  • world_4region：洲別。

• 資料來源：Gapminder 提供，主要用於描述和分析全球的社會、經濟、環境等多方面統計數據。
  • Systema Globalis
  • Fast Track <- 這次使用的資料
  • World Development Indicators

數據導入

• 開啟檔案。

  # 載入當案名稱。
  file_name = ["ddf--datapoints--gdp_pcap--by--country--time",
              "ddf--datapoints--lex--by--country--time",
              "ddf--datapoints--pop--by--country--time",
              "ddf--entities--geo--country"]
  table_name = ["gdp_per_capita", "life_expectancy", "population", "geography"]
  
  # 讀取 CSV 檔案並存入字典。
  df_dict = dict()
  for file_name, table_name in zip(file_name, table_name):
      file_path = f"Data/{file_name}.csv"
      df = pd.read_csv(file_path)
      df_dict[table_name] = df
  

• 建立 SQLite 資料庫並匯入資料。

  connection = sqlite3.connect("Data/gapminder.db") # 連線或創建 SQLite 資料庫
  df_dict = data_to_dict()
  for k, v in df_dict.items():
      v.to_sql(name=k, con=connection, index=False, if_exists="replace") # 匯入資料表
  create_view()
  

• 建立視圖（View），整合多個資料表的數據。

  drop_view_sql = "DROP VIEW IF EXISTS plotting;          -- 檢查是否有plotting資料表, 若已存在則刪除"
  create_view_sql = """
                    CREATE VIEW plotting AS               -- 建立虛擬資料表
                    SELECT g.name AS country_name,        -- 國家名稱
                          g.world_4region AS continent,  -- 洲別
                          gpc.time as dt_year,           -- 年
                          gpc.gdp_pcap AS gdp_per_capita,-- 平均GDP
                          le.lex AS life_expectancy,     -- 平均壽命
                          p.pop AS population            -- 人口數
                    FROM gdp_per_capita gpc 
                    JOIN geography g 
                      ON g.country = gpc.country 
                    JOIN life_expectancy le 
                      ON le.country = gpc.country AND 
                          le.time  = gpc.time 
                    JOIN population p 
                      ON p.country = gpc.country AND 
                          p.time = gpc.time 
                    WHERE gpc.time < 2024;               -- 篩選 2024 年以前的數據
                    """
  # connection.execute():對資料庫執行 SQL 指令
  connection.execute(drop_view_sql) # 執行 SQL 指令，如有刪除舊視圖。
  connection.execute(create_view_sql) # 執行 SQL 指令，建立新視圖。
  # 關閉資料庫連線，釋放資源
  connection.close()