项目概述

1.1 项目背景

动态排序轮播图（Race Chart / Bar Chart Race）是数据可视化热门图表，在B站数据分析类视频中出镜率极高。本项目依托Python数据分析与可视化技术，基于世界人口数据集，复刻1960–2024年全球各国总人口动态排名轮播图，直观展示近65年全球人口格局变迁。

1.2 项目目标

1. 数据清洗：剔除大洲、收入分组、地区汇总等非主权国家数据，最终仅保留195个有效主权国家数据；

2. 动态图表：年份自动轮播切换，每年按人口数值降序排行，悬浮弹窗展示精准人口数，支持暂停/手动跳转年份；

3. 视觉优化：深色主题背景、渐变配色、圆角数值标签，对标B站专业可视化成品风格。

二、技术栈与运行环境

- 数据处理：Python3.x + Pandas（数据读取、空值清洗、宽表转长表重塑）

- 可视化引擎：pyecharts（Bar柱状图 + Timeline时间轴实现轮播）

- 环境适配：JsCode自定义前端动画、CDN镜像配置，解决国内HTML白屏加载问题

python

# 导入核心依赖包

import pandas as pd

from pyecharts.charts import Bar, Timeline

from pyecharts.globals import ThemeType

from pyecharts.commons.utils import JsCode

# 配置国内CDN，解决网页资源加载空白（国内环境必加）

from pyecharts.options import opts

currentConfig = opts.InitOpts()

currentConfig.ONLINE_HOST = "https://cdn.jsdelivr.net/npm/echarts/dist/"

三、数据获取与探查

3.1 数据加载

数据源： 世界人口数据-中文版(1960-2024).csv ，文件含中文字符，读取时编码指定 gbk 。

python

# 读取人口数据集

df = pd.read_csv("./data/世界人口数据-中文版.csv",encoding="gbk")

df.head()

字段预览： Country Name(国家名)、Country Code(国家代码)、Indicator Name、Indicator Code、1960~2024逐年人口列 。

3.2 数据结构探查

执行 df.info() 查看数据集基础信息：

- 原始数据：266行、70列；

- 固定属性列4列：国家名称、国家编码、指标名称、指标编码；

- 时间序列列66列：1960~2025，2025全字段为空值NaN，有效数据区间1960–2024；

- 存在汇总行：各大洲、经济分组（高收入/低收入）等非国家数据，是后续清洗重点。

四、数据清洗与预处理（项目核心）

原始数据为宽表格式：一行=一个统计对象，年份横向铺开为多列，混杂大量汇总类无效数据，无法直接绘图，分步处理如下。

4.1 拆分属性列与年份列

区分固定字段（国家信息）、年份数字字段，筛选出1960~2024所有年份字段：

python

# 固定属性字段

attr_cols = ["Country Name","Country Code","Indicator Name","Indicator Code"]

# 提取所有年份列

year_cols = [str(i) for i in range(1960,2025)]

4.2 剔除无效汇总数据（关键清洗步骤）

1. 删除国家名为空行： df = df.dropna(subset=["Country Name"]) ，剔除大洲汇总空名称行；

2. 黑名单过滤：自定义黑名单列表，过滤全球、各大洲、经济收入分组、港澳台地区等非主权国家条目：

python

# 黑名单：大洲、地区、经济分组、特殊行政区汇总名称

black_list = ["世界","东亚与太平洋地区","高收入经济体","欧盟","中国香港","中国澳门","撒哈拉以南非洲","北美","中东北非"]

# 反向过滤，只保留不在黑名单内的数据

df = df[~df["Country Name"].isin(black_list)]

# 过滤后剩余195个主权国家数据

4.3 宽表转长表（melt数据重塑）

Pandas的 melt 实现宽表转长表，将横向年份转为纵向 Year 字段、人口数值转为 Population 字段，适配绘图数据格式：

python

df_long = df.melt(

id_vars=attr_cols, # 固定不变字段

value_vars=year_cols,# 需要拆分行的年份列

var_name="Year", # 拆分后新列：年份

value_name="Population"#拆分后新列：人口

)

df_long.head()

转换后数据结构： 国家名-年份-人口 标准三列式。

4.4 数据类型转换与空值处理

1.  Year 字段转为int整数型；

2.  Population 人口转为数值型，填充/剔除空值；

3. 筛选最终有效字段： ["Country Name","Year","Population"] 。

python

# 年份转整型

df_long["Year"] = df_long["Year"].astype(int)

# 人口转为数字格式，无法转换的内容设为空

df_long["Population"] = pd.to_numeric(df_long["Population"],errors="coerce")

# 删除人口空值行

df_clean = df_long.dropna(subset=["Population"])

五、Pyecharts动态轮播图代码实现

5.1 循环年份生成单年柱状图

python

# 初始化时间轴，横向排布

tl = Timeline(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))

# 按年份循环构建柱状图

for year in range(1960,2025):

# 筛选当年数据、按人口降序、取Top15国家排行

data_year = df_clean[df_clean["Year"]==year].sort_values("Population",ascending=False).head(15)

bar = (

Bar(init_opts=opts.InitOpts(width="1200px",height="700px"))

.add_xaxis(data_year["Country Name"].tolist())

.add_yaxis("总人口(人)",data_year["Population"].tolist(),bar_width="60%")

.reversal_axis() # 坐标轴倒置，人口多的在顶部

.set_global_opts(

title_opts=opts.TitleOpts(title=f"{year}年全球各国人口TOP15排行",subtitle="动态轮播人口变化"),

xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)),

tooltip_opts=opts.TooltipOpts(trigger="axis",formatter="国家：{b}<br>人口：{c:,}")

)

)

tl.add(bar,str(year))

# 生成html文件

tl.render("世界人口动态排行轮播图.html")

5.2 进阶B站风格优化（可选）

1. 更换深色主题 ThemeType.DARK 实现黑底配色；

2. 通过 JsCode 自定义柱状圆角、渐变填充色；

3. 配置Timeline自动播放、播放速度、暂停按钮。

python

# 深色主题初始化

tl = Timeline(init_opts=opts.InitOpts(theme=ThemeType.DARK))

# 时间轴自动播放配置

tl.add_schema(

play_interval=600, # 单年份停留600ms

is_auto_play=True,

is_loop_play=True

)

六、项目成果总结

1. 数据层面：原始266条数据清洗为195个国家65年连续人口数据，剔除汇总、地区、行政区无效数据；

2. 可视化成果：生成可交互HTML轮播图，打开即可自动逐年播放各国人口排名变化，悬浮查看详细人口；

3. 拓展方向：可新增大洲筛选、人口增速排行、近10年人口增速变化子图表。

七、使用说明

1. 新建 data 文件夹，放入人口CSV数据源；

2. 安装依赖： pip install pandas pyecharts ；

3. 运行代码，同目录生成 世界人口动态排行轮播图.html ，浏览器打开即可查看动态效果。

源码与数据集可私信获取，需要数据集文件的小伙伴评论区留言