學習筆記

本專案展示如何以動態長條圖的方式，更直觀地呈現不同對象（如候選人、國家、投資報酬率）在時間維度上的變化趨勢。初期以 Plotly Express 進行概念驗證（效果不佳，後續改用 raceplotly 製作最終成品），使長條圖能隨著時間自動更新，形成連續的「奔跑效果」。

專案說明：本專案聚焦於奔跑的長條圖，不包含進一步的統計分析。

這是我第一次製作奔跑的長條圖，學習到使用索引篩選資料的方式，透過 nlargest 特性取得目標資料的索引後，再使用 loc 提取資料完成篩選。過去多以布林（boolean）條件篩選，這次學會不同的思維方式，這個過程讓我覺得既新鮮又有趣。

這是我第一次製作奔跑的長條圖，學習到如何利用索引方式篩選資料。透過 nlargest() 取得目標資料的索引後，再使用 loc 提取資料完成篩選。過去多以布林（boolean）條件進行篩選，這次學會了不同的思考方式，也更理解群組後篩選 Top-N 資料的實作邏輯。這個過程讓我覺得既新鮮又有趣。

建立環境記錄檔，以利重現專案環境。

conda env export -n bar_chart_race > D:/environment.yml

conda env create -f environment.yml

將 data/ 資料夾中的 113全國投開票所完成時間.xlsx、taiwan_presidential_election_2024.db 與 covid_19.db 放置於專案資料夾的 data/ 資料夾中。
將專案資料夾的 create_bar_chart_race_data.py 放置於專案資料夾中。
啟動環境並執行 python create_bar_chart_race_plots.py 就能在專案資料夾建立 bar_chart_race_votes.html 與 bar_chart_race_confirmed.html。

參考課程：資料分析的七個練習專案：累積個人作品集
資料來源：
- CSSE at Johns Hopkins University：由約翰霍普金斯大學系統科學與工程中心（CSSE）整理，涵蓋全球每日確診、死亡與康復人數等統計資料。
- Johns Hopkins University COVID-19 Website：由約翰霍普金斯大學治理研究中心（GovEx）提供，包含疫苗接種與公共衛生相關數據。
- 中選會選舉及公投資料庫 - 2024 ー第16任總統副總統選舉

以下為本專案從資料清理到視覺化的完整實作記錄（含筆記與驗證）：

練習專案六：奔跑的長條圖 3