-
Notifications
You must be signed in to change notification settings - Fork 0
/
1-2各部门碳排放可视化.py
121 lines (91 loc) · 4.25 KB
/
1-2各部门碳排放可视化.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
# 本篇绘制出2010-2020年的各部门碳排放折线图，与各部门平均碳排放占比扇形图
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
# 指定Excel文件路径
excel_file = './数据表汇总/碳排放拆分表.xlsx'
# 使用pandas读取Excel文件
xls = pd.ExcelFile(excel_file)
# 通过Sheet名称或者索引来选择第二个Sheet，这里使用Sheet名称作为示例
sheet_name = xls.sheet_names[0] # 第二个Sheet的名称，索引从0开始
# 使用pandas读取第二个Sheet的数据
columns = list(range(12))
df = pd.read_excel(excel_file, sheet_name=sheet_name,usecols=columns)
# 现在，变量df包含了第二个Sheet的数据
# 获取总量
first_row = df.iloc[0]
def draw_5(title,data):
# 获取分部门碳排放数据
first_row = data.iloc[1]
years2 = [column for column in first_row.index[1:]]
total_values2 = list(first_row)[1:]
first_row = data.iloc[2]
first_row = data.iloc[4]
years4 = [column for column in first_row.index[1:]]
total_values4 = list(first_row)[1:]
first_row = data.iloc[5]
years5 = [column for column in first_row.index[1:]]
total_values5 = list(first_row)[1:]
first_row = data.iloc[6]
years6 = [column for column in first_row.index[1:]]
total_values6 = list(first_row)[1:]
color = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']
# 绘制各部门碳排放折线图
plt.plot(years2, total_values2, marker='o', linestyle='-', color=color[0],label = '农林消费部门',markersize=6, linewidth=4) # 绘制折线图
plt.plot(years4, total_values4, marker='o', linestyle='-', color=color[1],label='交通消费部门',markersize=6, linewidth=3) # 绘制折线图
plt.plot(years5, total_values5, marker='o', linestyle='-', color=color[2],label='建筑消费部门',markersize=6, linewidth=3) # 绘制折线图
plt.plot(years6, total_values6, marker='o', linestyle='-', color=color[3],label='居民生活消费部门',markersize=6, linewidth=3) # 绘制折线图
plt.title(title,fontsize = 18) # 设置标题
plt.xlabel('年份',fontsize = 16) # 设置x轴标签
plt.ylabel('总量(万tCO2)',fontsize = 16) # 设置y轴标签
# 设立x轴刻度大小
plt.xticks(years2,fontsize = 17)
plt.yticks(fontsize = 17)
# print(total_values2)
# print(years2)
plt.grid(True,alpha = 0.5) # 添加网格线
def draw_dual_plot(title):
plt.figure(figsize=(17,9)) # 设置整个图表的大小
# 绘制图形
draw_5(title, df)
plt.legend(fontsize = 14,loc='best')
plt.savefig(title+'.png',bbox_inches='tight') # 保存整个图表
plt.close() # 关闭图表窗口
# 绘制图表
draw_dual_plot('2010-2020年各部门碳排放折线图')
# 绘制各部门碳排放占比扇形图
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
# 指定Excel文件路径
excel_file = './数据表汇总/碳排放拆分表.xlsx'
# 使用pandas读取Excel文件
xls = pd.ExcelFile(excel_file)
# 通过Sheet名称或者索引来选择第二个Sheet，这里使用Sheet名称作为示例
sheet_name = xls.sheet_names[0] # 第二个Sheet的名称，索引从0开始
columns = list(range(12))
# 使用pandas读取第二个Sheet的数据
df = pd.read_excel(excel_file, sheet_name=sheet_name,usecols=columns)
# 获取总量
first_row = df.iloc[0]
data_1 = df.iloc[:, 1:]
row_means = data_1.mean(axis=1)
print(row_means)
import matplotlib.pyplot as plt
# 数据
labels = ['农林消费部门', '工业消费部门', '交通消费部门', '建筑消费部门', '居民生活消费']
sizes = [1141.095166, 51983.922217, 4338.789657, 4226.376124, 5940.981325]
# 颜色
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99', '#c2c2f0']
# 扇形图
fig1, ax1 = plt.subplots(figsize = (8,8))
# 设置百分比标签的字体大小和样式
font_props = {'fontsize': 16, 'fontweight': 'bold', }
# 绘制扇形图
ax1.pie(sizes, colors=colors, autopct='%1.1f%%', textprops=font_props, startangle=90)
ax1.axis('equal') # 保持纵横比一致
# 添加图例
plt.legend(labels, loc="lower right",fontsize = 16)
# 图表标题
plt.title('碳排放总量分布',fontsize = 16)
plt.savefig('各部门碳排放分布.png')