數據可視化（Data Visualization）

概念驗證（Proof of Concept）

• 載入環進載入模組、資料。

  # 概念驗證
  import sqlite3
  import pandas as pd
  import matplotlib.pyplot as plt
  import matplotlib.animation as animation # 模組繪製動畫
  
  connection = sqlite3.connect("Data/gapminder.db")
  plotting_df = pd.read_sql("""SELECT * FROM plotting;""", con=connection)
  connection.close()
  

• 散步圖驗證

  # 過濾出指定年份的數據
  subset_df = plotting_df[plotting_df["dt_year"] == 2023]
  
  # 取得各國的預期壽命、人均 GDP、以及所屬洲別
  lex = subset_df["life_expectancy"].values  # 預期壽命 (Life Expectancy)
  gdp_pcap = subset_df["gdp_per_capita"].values  # 人均 GDP
  cont = subset_df["continent"].values  # 洲別 (Continent)
  
  # 定義各洲的顏色對應
  color_map = {
      "asia": "r",      # 亞洲 (紅色)
      "africa": "g",    # 非洲 (綠色)
      "europe": "b",    # 歐洲 (藍色)
      "americas": "c"   # 美洲 (青色)
  }
  # 建立畫布、散步圖。
  fig, ax = plt.subplots()
  
  # 依據每個國家的數據，繪製散點圖
  for xi, yi, ci in zip(gdp_pcap, lex, cont):
      ax.scatter(xi, yi, color=color_map[ci])
  
  # 設定圖表標題，顯示目前的年份
  ax.set_title(f"The world in {year_to_plot}")
  
  # 設定 X 軸與 Y 軸標籤
  ax.set_xlabel("GDP Per Capita (in USD)")  # X 軸：人均 GDP（國際美元）
  ax.set_ylabel("Life Expectancy")  # Y 軸：預期壽命（歲）
  
  # 設定 Y 軸範圍（壽命 20-100 歲）
  ax.set_ylim(20, 100)
  
  # 設定 X 軸範圍（GDP 0-100,000 美元）
  ax.set_xlim(0, 100000)
  plt.show()
  

  

• 動畫驗證

  # 包裝成圖表更新的函數
  def update_plot(year_to_plot: int):
      # 清空畫布，確保每幀動畫不會疊加舊數據
      ax.clear()
  
      subset_df = plotting_df[plotting_df["dt_year"] == year_to_plot]
  
      lex = subset_df["life_expectancy"].values 
      gdp_pcap = subset_df["gdp_per_capita"].values 
      cont = subset_df["continent"].values 
  
      color_map = {
          "asia": "r",      
          "africa": "g",    
          "europe": "b",    
          "americas": "c"   
      }
      for xi, yi, ci in zip(gdp_pcap, lex, cont):
          ax.scatter(xi, yi, color=color_map[ci])
      ax.set_title(f"The world in {year_to_plot}")
      ax.set_xlabel("GDP Per Capita (in USD)")
      ax.set_ylabel("Life Expectancy")
      ax.set_ylim(20, 100)
      ax.set_xlim(0, 100000)
  
  # 建立動畫物件
  ani = animation.FuncAnimation(
      fig,              # fig: 建立畫布物件
      func=update_plot, # func: 負責更新圖表的函數
      frames=range(2000, 2024),  # frames: 要傳入 func 的數列 (2000-2023)
      interval=10       # interval: 動畫間隔時間 (毫秒)
  )
  
  # 儲存動畫成 GIF 檔案
  ani.save("proof_of_concept_animation.gif", fps=10)  
  

  

可視化成品（Final Visualization）

import sqlite3
import pandas as pd
import plotly.express as px

connection = sqlite3.connect("Data/gapminder.db")
plotting_df = pd.read_sql("""SELECT * FROM plotting;""", con=connection)
connection.close()

px.scatter(
    df,                               # 數據來源的 DataFrame
    x="gdp_per_capita",               # 設定 x 軸數據（人均 GDP）
    y="life_expectancy",              # 設定 y 軸數據（平均壽命）
    animation_frame="dt_year",        # 設定動畫的時間維度（年份）
    animation_group="country_name",   # 指定動畫中不同國家的數據追蹤
    size="population",                # 設定氣泡大小對應人口數量
    color="continent",                # 以洲別來區分顏色
    hover_name="country_name",        # 滑鼠懸停時顯示國家名稱
    size_max=100,                     # 設定氣泡的最大大小
    range_x=[500, 100000],            # 設定 x 軸的範圍（GDP 人均值範圍）
    range_y=[20, 90],                 # 設定 y 軸的範圍（預期壽命範圍）
    log_x=True,                       # 使 x 軸（GDP）以對數尺度顯示
    title="Gapminder Clone 1800-2023" # 設定圖表標題
)
fig.write_html("gapminder_clone.html", auto_open=True) # 儲存檔案

• 成品：上傳Github後就可以呈現了

• 成品：使用 Power BI 來完成。
  • 為了達成 X 軸刻度顯示比較明顯， “log_x=True” 的效果 PowerBI 使用 “對數刻度” 來呈現。
    

注意：Power BI 只支援 正數 轉換為對數，因此數據不能包含 0 或負數，否則會導致錯誤，所以 X 軸最小值要設定大於1才能使用 。

備註（Notes）

ani.save()出現錯誤

>>> ani.save("animation.gif", fps=10)
MovieWriter ffmpeg unavailable; using Pillow instead.

解決方法:安裝 ffmpeg

conda install ffmpeg