2020年世界各国总人口数据分析(python)

学习python尝试的第一个分析项目，分析思路还是有些初级，重点在对工具的练习上吧~

练习了数据分析维度的思考，熟悉了数据清洗方法、数据分析方法及可视化等内容。

一、项目背景

1、数据集为“2020年世界各国总人口”（来源：https://www.kesci.com/home/dataset/5e85a19195b029002ca7c437/document）

源数据中的数据说明如下：

●Country (or dependency)-包含其他国家/地区的名称（235个国家/地区）

●Population (2020)-包含不同国家的人口

●Yearly Change-每年的人口变化

●Net Change-人口的净变化

●Density (P/Km²)-人口密度

●Land Area (Km²)-以平方公里为单位的土地面积

●Migrants (net)-表国家的移民

●Fert. Rate-各个国家的生育率或增长率

●Med. Age-该国家的平均年龄（中年或平均年龄）寿命

●Urban Pop %-城市人口比例

●World Share-各个国家对世界份额贡献的人口

2、提供分析思路如下：

二、分析过程

1、数据导入和清洗

观察到列标签名比较乱（包括一些小括号、空格、百分号），重命名调整下~

--》查看字段属性

根据info和describe方法返回的结果，意识到很多数据列没有返回结果，原因是字段类型不为数值型，且存在“脏数据”，需解决的脏数据问题如下：

①字段值中的“%”及“N.A.”符号需去掉;

②Migrants列存在值缺失;

④“YearlyChange” 、“Fert.Rate ”、“Med.Age”、“UrbanPop”、“WorldShare”字段属性均不为数值型，需要转换;

--》处理百分号：

查看含有“N.A.”的列，这里利用“df==“N.A.”返回一个值都为bool类型的dataframe，用describe方法可以观察出包含特定值字段的列标签;

通过观察得出，“Fert.Rate ”、“Med.Age”、“UrbanPop” 三列值中含有“N.A.”字符;

此案例中的的“N.A.”字符串均考虑用0替换;

--》处理“N.A.”字符：

检查结果显示清洗成功;

--》接下来处理“Migrants”列的缺失值（用0值填充）：

--》完成数据类型转换：

至此数据清洗完成~

2、人口基本情况分析

按照三部分展开：

①人口总数分析

分析方向：考察国家人口总数前10名及倒数10名的国家排名情况，考察前十名国家人口和国土面积与各自全球总数的占比情况

--》绘图准备

--》准备人口总数前10及倒数10名国家的数据，并分别绘制条形图

生成的排名结果如上图;

可以看到前10名国家中：有5个（China、India、Indonesia、Bangladesh、Pakistan）来自亚洲，2个（United States、Mexico）来自北美，1个（Brazil）来自南美，一个（Russia）来自欧洲，一个（Nigeria）来自非洲

针对人口总数前10名的国家，分别统计人口总数和陆地总面积占全球总数的比例

绘图结果如下：

●由此可见，这10个国家的陆地总面积占总数的40%，却居住着世界60%的人口；

②人口变化率分析

分析方向：观察各国人口增长率分布情况，以及人口增长率前5名及倒数5名的国家分布情况

--》先观察下各国人口增长率的分布 

 ●绝大部分国家的人口增长率在0~3%之间，少数国家的人口增长率属于负值；

--》接下来提取人口增长率前5名和倒数5名的国家，绘制条形图：

 ●可以看到人口增长率最高的5个国家里，有4个属于非洲，另外1个在亚洲；人口增长率最低的5个国家，有3个在欧洲地区，另外2个则处于大洋洲和美洲地区；

③各国人口密度分析

分析方向：考察各国人口密度前10名的国家，并且按照人口密度划分等级，考察不同等级的分布情况；

--》绘制人口密度前10名的国家如下：

●上图可知，人口密度国家最高的国家为摩纳哥，其次为中国澳门、新加坡；

把人口密度划分为4个等级：

　　level_1 人口密集区 ＞100人/平方千米

　　level_2  人口中等区 25～100人/平方千米

　　level_3  人口稀少区 1～25人/平方千米

　　level_4  人口极稀区 ＜1人/平方千米

--》按照以上等级规则对人口密度数据进行分区，并新增人口密度等级标签，完成后绘制柱形图；

●由上图可知，绝大部分国家处于人口中等区和人口密集区；

3、移民情况分析

分析方向：考察净移民总数最多的5名国家

--》绘制净移民总数前5名的国家如下：

●前五个国家除了土耳其，都是高度发达的国家；由于美国强大的综合实力，毫无悬念地成为了人们心目中移民的第一选择。

4、老龄化情况分析

分析方向：

①老龄化程度通常可以用年龄中位数来衡量，考察老龄化程度最高的5个国家

②分析老龄化和城市人口比例的相关性

--》绘制老龄化程度最高的5个国家如下：

●日本、马提尼克、意大利、葡萄牙、希腊为老龄化程度最高的五个国家；

-》接下来考察国家的城市人口比例和年龄中位数的相关性，这里采用一元回归模型进行分析；

-》绘制出来的线性关系如下：

●可以看出国家城市人口比例与老龄化程度存在一定的正相关;

三、分析总结

由以上一些简单的分析，可总结出以下结论：

①相比较其他地区，亚非地区的人口数量更多，整体来看人口数量的国家分布非常不平衡，人口数量前10名的国家已经占了全球总人数的60%；

②80%以上国家人口的增长率在0~3%之间，大约10%的国家的人口增长率为负；亚非地区的人口增长率整体偏高；

③80%以上国家均属于人口中等区和人口密集区，即人口密度大于25人/平方千米；

④移民群众倾向于选择美国和其他一些欧洲的发达国家作为移民对象；

⑤国家城市人口比例与老龄化程度存在一定的正相关；