🧑 博主简介：曾任某智慧城市类企业算法总监，CSDN / 稀土掘金 等平台人工智能领域优质创作者。
目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。
一、引言
在数据分析领域，数据可视化是将数据以直观的图形方式展示出来，帮助我们更好地理解数据背后的规律和趋势。本文将使用 Python 和 Pyecharts 来对 2023 年各省城镇居民人均收入数据进行可视化分析，从多个维度展示人均收入的分布情况，并生成炫酷的可视化大屏。
二、数据准备
本次分析的数据集包含三个字段：省份、人均收入（元）、增量（元）。以下是部分数据：
| 省份 | 元 | 增量（元） |
|---|---|---|
| 上海 | 89476.7 | 5442.7 |
| 北京 | 88650.2 | 4627.1 |
| 浙江 | 74996.8 | 3728.9 |
| 江苏 | 63211.1 | 3033.0 |
| 广东 | 59307.0 | 2402.0 |
| ... | ... | ... |
三、环境搭建
在开始之前，确保已经安装了以下 Python 包：
pip install pandas pyecharts openpyxl
四、数据可视化
以下是完整的 Python 代码，用于读取数据、进行可视化分析，并生成炫酷的可视化大屏。
import pandas as pd
from pyecharts.charts import Bar, Line, Pie, Map, Funnel, Grid
from pyecharts import options as opts
from pyecharts.globals import ThemeType
# 读取数据
df = pd.read_excel("各省人均收入排名(2023年城镇居民).xlsx")
# 数据准备
provinces = df["省份"].tolist()
incomes = df["元"].tolist()
increments = df["增量(元)"].tolist()
4.1 柱状图：人均收入排名
bar = (
Bar()
.add_xaxis(provinces)
.add_yaxis("人均收入（元）", incomes, category_gap="50%")
.set_global_opts(
title_opts=opts.TitleOpts(title="2023年城镇居民人均收入排名", subtitle="数据来源：统计局"),
visualmap_opts=opts.VisualMapOpts(max_=90000, is_piecewise=True),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
yaxis_opts=opts.AxisOpts(name="人均收入（元）"),
)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
itemstyle_opts=opts.ItemStyleOpts(border_color="#fff"),
)
)
4.2 折线图：人均收入增量
line = (
Line()
.add_xaxis(provinces)
.add_yaxis("增量（元）", increments)
.set_global_opts(
title_opts=opts.TitleOpts(title="2023年城镇居民人均收入增量", subtitle="数据来源：统计局"),
visualmap_opts=opts.VisualMapOpts(max_=6000, is_piecewise=True),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
yaxis_opts=opts.AxisOpts(name="增量（元）"),
)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
linestyle_opts=opts.LineStyleOpts(width=2),
)
)
4.3 饼图：人均收入占比
pie = (
Pie()
.add("", [list(z) for z in zip(provinces, incomes)])
.set_global_opts(
title_opts=opts.TitleOpts(title="2023年城镇居民人均收入占比", subtitle="数据来源：统计局"),
legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),
)
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c} ({d}%)"))
)
4.4 地图：人均收入分布
map_ = (
Map(init_opts=opts.InitOpts(theme="dark"))
.add("人均收入（元）", [list(z) for z in zip(provinces, incomes)], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="2023年城镇居民人均收入地图", subtitle="数据来源：统计局"),
visualmap_opts=opts.VisualMapOpts(max_=90000, is_piecewise=True),
)
)
五、组合到大屏
page = Page(layout=Page.DraggablePageLayout, page_title="2023_城镇居民人均收入可视化分析")
page.add(
bar,line,pie,funnel,map_
)
# 生成HTML文件
page.render("2023_城镇居民人均收入可视化大屏.html")
六、可视化结果
运行上述代码后，会生成一个名为 2023_城镇居民人均收入可视化大屏.html 的文件，打开后可以看到以下内容：
6.1 柱状图：人均收入排名
柱状图展示了 2023 年各省城镇居民人均收入的排名情况。从图中可以看出，上海和北京的人均收入最高，分别达到了 89476.7 元和 88650.2 元，远高于其他省份。而重庆的人均收入最低，仅为 31530.9 元。整体来看，东部沿海地区的省份人均收入普遍较高，而中西部地区的省份人均收入相对较低。
6.2 折线图：人均收入增量
折线图展示了 2023 年各省城镇居民人均收入的增量情况。从图中可以看出，上海的人均收入增量最高，达到了 5442.7 元，其次是西藏和内蒙古，增量分别为 3147.0 元和 2381.0 元。而重庆的人均收入增量最低，仅为 957.0 元。整体来看，人均收入增量较高的省份主要集中在东部沿海地区和部分中部地区，而西部地区的省份人均收入增量相对较低。
6.3 饼图：人均收入占比
饼图展示了 2023 年各省城镇居民人均收入的占比情况。从图中可以看出，上海和北京的人均收入占比最高，分别占到了 15.2% 和 15.0%。而重庆的人均收入占比最低，仅为 5.4%。整体来看，人均收入占比较高的省份主要集中在东部沿海地区，而中西部地区的省份人均收入占比相对较低。
6.4 地图：人均收入分布
地图展示了 2023 年各省城镇居民人均收入的分布情况。从图中可以看出，东部沿海地区的省份人均收入普遍较高，颜色较深；而中西部地区的省份人均收入相对较低，颜色较浅。整体来看，人均收入的分布呈现出明显的区域差异，东部地区经济发展水平较高，人均收入也较高；而中西部地区经济发展水平相对较低，人均收入也较低。
七、分析总结
通过对 2023 年各省城镇居民人均收入数据的可视化分析，我们可以得出以下结论：
- 区域差异明显：东部沿海地区的省份人均收入普遍较高，而中西部地区的省份人均收入相对较低。这主要是由于东部地区经济发展水平较高，产业结构较为优化，就业机会较多，居民收入水平也相对较高；而中西部地区经济发展水平相对较低，产业结构较为单一，就业机会较少，居民收入水平也相对较低。
- 增量分布不均：人均收入增量较高的省份主要集中在东部沿海地区和部分中部地区，而西部地区的省份人均收入增量相对较低。这说明东部地区和部分中部地区的经济发展速度较快，居民收入增长较快；而西部地区的经济发展速度相对较慢，居民收入增长较慢。
- 经济结构调整：从人均收入增量来看，部分中西部省份的人均收入增量也较为可观，如西藏、内蒙古等。这表明这些省份在近年来的经济发展中取得了一定的成效，产业结构不断优化，居民收入水平也在逐步提高。
总之，通过对人均收入数据的可视化分析，我们可以更好地了解我国各省城镇居民收入的分布情况和变化趋势，为制定相关政策提供参考依据。
如果您在人工智能领域遇到技术难题，或是需要专业支持，无论是技术咨询、项目开发还是个性化解决方案，我都可以为您提供专业服务，如有需要可站内私信或添加下方VX名片（ID：xf982831907）
期待与您一起交流，共同探索AI的更多可能！
