作者：俊欣

來源：關于數據分析與可視化

“碳達峰、碳中和”是2021年政府在不斷強調與非常重視的事兒，那什么是“碳達峰”、什么又是“碳中和”呢？這里小編來為大家科普一下，所謂的“碳達峰”指的是在某一時間點，二氧化碳的排放不再達到峰值，之后逐步回落。

而“碳中和”也就意味著企業、個體與團體在一定時間內直接或間接產生的溫室氣體排放總量，通過植樹造林、節能減排等形式，抵消自身產生的二氧化碳排放，實現二氧化碳的“零排放”。

今天小編就用Python來制作一張可視化大屏，讓大家來感受一下近百年來二氧化碳排放的趨勢以及給我們所居住的環境造成了什么樣的影響。

介紹數據來源

本地可視化大屏中引用的數據來自于由英國牛津大學知名教授創辦的網站“用數據看世界(Our World in Data”，里面收入了各個學科的數據，包括衛生、食品、收入增長和分配、能源、教育、環境等行業進行了分析與可視化展示，十分地全面，并且當中的元數據開放在Github當中

導入模塊并且讀取數據

我們導入需要用到的模塊

import streamlit as st
import plotly.express as px
import pandas as pd

我們這次是用到streamlit模塊來制作可視化大屏，該模塊是基于Python的可視化工具，最初開發出來的目的是給機器學習和數據科學團隊使用的。同時我們用plotly.express模塊來繪制各種圖表，因此圖表是具備交互性的，pandas模塊來讀取數據

@st.cache
def get_data():
    url_1 = 'https://raw.githubusercontent.com/owid/owid-datasets/master/datasets/Climate%20change%20impacts/Climate%20change%20impacts.csv'
    url_2 = "https://github.com/owid/co2-data/raw/master/owid-co2-data.csv"

    df_1 = pd.read_csv(url_1)
    df_1_1 = df_1.query("Entity == 'World' and Year <=2021")

    df_2 = pd.read_csv(url_2)
    return df_1_1, df_2

可視化大屏的制作

然后我們來制作整個可視化大屏，首先我們先確認好可視化大屏的布局，如下圖所示

然后我們針對每一篇布局來編寫代碼，首先看到的是標題部分，我們通過streamlit模塊當中的markdown方法來實現即可

st.markdown()

然后根據上面的布局設計，我們這么來編寫代碼

col2, space2, col3 = st.columns((10,1,10))

with col2:
    year = st.slider('選擇年份',1750,2020)
    ...

with col3: 
    ...
    selected_countries = st.multiselect('選擇國家',countries,default_countries)
    ...

col4, space3, col5, space4, col6 = st.columns((10,1,10,1,10))
with col4:
    st.markdown("""## 二氧化碳和全球變暖之間的關系""")

with col5:
    st.subheader(" 副標題一 ")
    ...

with col6:
    st.subheader(" 副標題二 ")
    ...

我們這里使用columns方法來將頁面均勻的分成若干列，并且給定特定的寬度，當然每列之間還需要留一點空隙，從美觀程度上來考慮，因此才有了變量space對應的是寬度1的空隙

col2, space2, col3 = st.columns((10,1,10))

然后我們針對分割開來的每個區域進行圖表的繪制，例如左上方的世界地圖，我們用plotly.express當中的choropleth方法來繪制，另外我們添加了時間軸，通過調用streamlit模塊當中的slider方法來實現

with col2:
    year = st.slider('選擇時間', 1750, 2020)
    fig = px.choropleth(df_co2[df_co2['year'] == year], locations="iso_code",
                        color="co2_per_capita",
                        hover_name="country",
                        range_color=(0, 25),
                        color_continuous_scale=px.colors.sequential.Reds)
    st.plotly_chart(fig, use_container_width=True)

而例如右上方的折線圖，同樣也是調用plotly.express模塊來實現的，其中多選框則是調用了streamlit模塊當中的multiselect方法，代碼如下

with col3:
    default_countries = ['World', 'United States', 'United Kingdom', 'EU-27', 'China', 'Canada']
    countries = df_co2['country'].unique()
    selected_countries = st.multiselect('選擇國家或者區域性組織', countries, default_countries)
    df3 = df_co2.query('country in @selected_countries')
    fig2 = px.line(df3, "year", "co2_per_capita", color="country")
    st.plotly_chart(fig2, use_container_width=True)

最后的成品如下圖所示：

從上面繪制的圖表中我們能夠看到的是，美國以及加拿大這兩國家二氧化碳的排放量一直都很高，超過了包括歐盟、英國以及中國在內的主要經濟體。當然近些年各個國家的政府也對該問題相當的重視，制訂了相對應的節能減排的應對措施。