Jak utworzyć piramidę populacji w pythonie

Piramida populacji to wykres przedstawiający rozkład wieku i płci w danej populacji. Jest to przydatne do zrozumienia składu populacji i trendu wzrostu populacji.

W tym samouczku wyjaśniono, jak utworzyć następującą piramidę populacji w Pythonie:

Piramida wieku w Pythonie

Załóżmy, że mamy następujący zbiór danych przedstawiający całkowitą populację mężczyzn i kobiet według grup wiekowych dla danego kraju:

 #import libraries 
import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt

#create dataframe
df = pd.DataFrame({'Age': ['0-9','10-19','20-29','30-39','40-49','50-59','60 -69','70-79','80-89','90+'], 
                    'Male': [9000, 14000, 22000, 26000, 34000, 32000, 29000, 22000, 14000, 3000], 
                    'Female': [8000, 15000, 19000, 28000, 35000, 34000, 28000, 24000, 17000, 5000]})
#view dataframe 
df

    Age Male Female
0 0-9 9000 8000
1 10-19 14000 15000
2 20-29 22000 19000
3 30-39 26000 28000
4 40-49 34000 35000
5 50-59 32000 34000
6 60-69 29000 28000
7 70-79 22000 24000
8 80-89 14000 17000
9 90+ 3000 5000

Możemy użyć następującego kodu, aby utworzyć piramidę populacji dla danych:

 #define x and y limits
y = range(0, len(df))
x_male = df['Male']
x_female = df['Female']

#define plot parameters
fig, axes = plt.subplots(ncols=2, sharey=True, figsize=(9, 6))

#specify background color and plot title
fig.patch.set_facecolor('xkcd:light grey')
plt.figtext(.5,.9,"Population Pyramid", fontsize=15, ha='center')
    
#define male and female bars
axes[0].barh(y, x_male, align='center', color='royalblue')
axes[0].set(title='Males')
axes[1].barh(y, x_female, align='center', color='lightpink')
axes[1].set(title='Females')

#adjust grid parameters and specify labels for y-axis
axes[1].grid()
axes[0].set(yticks=y, yticklabels=df['Age'])
axes[0].invert_xaxis()
axes[0].grid()

#displayplot
plt.show() 

Wykres pokazuje, że rozkład mężczyzn i kobiet jest dość symetryczny, a większość populacji mieści się w średnim przedziale wiekowym. Po prostu patrząc na ten wykres, możemy uzyskać dobre pojęcie o demografii tego konkretnego kraju.

Pamiętaj, że możesz dostosować kolory tła wykresu i poszczególnych pasków, określając kolory na liście kolorów matplotlib .

Na przykład moglibyśmy określić „hotpink” i „dodgerblue” do użycia z „beżowym” tłem:

 fig.patch.set_facecolor('xkcd: beige ')
    
axes[0].barh(y, x_male, align='center', color=' dodgerblue ')

axes[1].barh(y, x_female, align='center', color=' hotpink ')

plt.show() 

Możesz dowolnie zmieniać paletę kolorów w oparciu o to, co wygląda najlepiej.