成品介紹

成品介紹（Final Product Overview）

• X 軸 gdp_per_capita (橫軸)： 人均 GDP（以國際美元調整通膨），表示一個國家平均每人的收入水平。從左到右，貧窮到富裕。
• Y 軸 life_expectancy (縱軸)：人均壽命（歲），表示一個國家的健康狀況。從下到上，短命到長壽。
• 時間軸：1800 ~ 2023 年
• 氣泡大小：該國的人口數，人口越多氣泡越大。
• 氣泡顏色：代表地區。
  • 紅色：非洲 (Africa)
  • 藍色：亞洲 (Asia)
  • 綠色：歐洲 (Europe)
  • 紫色：美洲 (Americas)

數據分析（Data Analysis）

1. 全球趨勢分析

• 觀察到隨時間推進，人均 GDP 和 人均壽命 整體都在提升。

2. 地區與發展差異

• 發展不均，已開發國家、開發中國家、未開發國家 之間的收入差距明顯。
• 但也能發現例外，同地區的部分國家發展迅速，甚至超越部分已開發國家。

3. 人均壽命提升

• 令人意外的 平均壽命 不完全與 經濟成長 成正相關。
• 例如，非洲部分地區 人均 GDP 並無太大成長，但 平均壽命 仍然顯著提升。
• 整體來看，較高的 GDP 確實與較高的壽命相關，但仍有例外。

總結（Conclusion）

1. 全球發展趨勢

• 數據顯示，整體而言，經濟 與 壽命 持續提升。
• 但 平均壽命 似乎已到達某個瓶頸，增長速度減緩。

2. 發展速度不均

• 雖然全球 GDP 提升，但發展不均衡，部分國家（如中國、印度）增長極快，而部分地區（如非洲某些國家）仍然面臨經濟困境。

3. 人均壽命持續提升

• 打破傳統刻板印象，許多開發中國家在醫療和社會進步下，即使經濟成長有限，壽命仍顯著提高。
• 除了經濟成長外，政府政策、醫療進步、教育普及 也是影響壽命的關鍵因素。
• 有些國家雖然 GDP 不高，但因為公共衛生與醫療政策得當，人民壽命依然較長。

專案復原（Project Replication）

語言與模組（Languages & Modules）

• dependencies:
  • python=3.12.8
  • pandas=2.2.3
  • matplotlib=3.9.2
  • plotly=5.24.1
  • 這邊使用conda list | findstr $module_name (windows Anaconda Prompt)

指定模組下載頻道：

• conda install numpy

  • 不指定頻道，會使用 Conda 的 默認頻道（Default Channels）。
  • 默認頻道的套件通常是由 Anaconda 官方維護，穩定性較高，但更新速度可能較慢。

• conda install -c conda-forge numpy

  • 明確指定從 conda-forge 頻道安裝套件。

建立environment.yml

目的重現專案環境。

REM 方法 (當前目錄建立environment.yml)
conda env export > environment.yml 

如何重現

• 安裝 Miniconda

• 使用 environment.yml 建立新環境。

  conda env create -f environment.yml
  

• 建立資料 gapminder_clone/。

• 使用 VScode 將資料夾新增到工作區。

• 將 data/ 資料夾中的四個 CSV 檔案置放於工作目錄中的 data/ 資料夾。

• 啟動環境並執行 python create_gapminder_db.py 就能在 data/ 資料夾中建立 gapminder.db

• 啟動環境並執行 python plot_with_px.py 產生 gapminder_clone.html

心得

• 這次的分析確實提供了一些有用的資訊，主要是基於數據結合個人觀察與查閱的資料，以自己的口吻整理出來。例如：
  • 全球趨勢：全球 GDP 和壽命整體提升。
  • 區域對比：經濟發展不均，部分國家發展迅速，部分國家仍處於低收入狀態。
  • 打破傳統觀點：壽命提升不完全取決於 GDP，醫療、教育、政策等因素同樣影響深遠。

• 然而，回顧這次的分析，我發現它的「實際應用價值」仍然有限。 雖然數據呈現了一些趨勢，但缺少了更深入的個人觀點，特別是在這些趨勢能如何影響決策方面，還有很大的提升空間。

• 我認為 資料分析師的目標，不只是「我們觀察到了什麼」，而是「這些資訊如何影響決策，並帶來實際價值」。 下一步，我希望能進一步探索如何從數據中提取更具策略性的洞察，使分析結果更具行動意義。