项目简介
本课题是基于 python 完成的一份完整数据分析项目,分析了不同指标与碳排放之间的相关性,找出最直接影响碳排放的几大因素,并通过时序网络预测气温变化规律,与实际气温变化进行对比
选题及预处理
基于新能源汽车的兴起和市场扩张这一热点话题,确立议题。收集并处理数据:在统计年鉴,CEIC数据库等官方权威网站上搜集数据,下载并整理为 Excel 表格。
可视化
利用收集到的数据编写程序绘制图表并进行图表分析,图表主要使用 3D 动态变化图,使用模块 pyecharts。
相关性分析
首先确定 13 个可能的影响因素,主要有 GDP,能源消耗量,汽车数量等。然后通过 excel 制成数据矩阵,并将数据矩阵导入 jupyter。
描述性分析
查看数据的整体特征,通过 matplotlib 绘制某因素和碳排放之间的散点图观察大致的变化趋势。
模型预测
构建多元线性回归,高次线性回归,人工神经网络等不同模型,并考察不同模型的拟合效果。
结果展示(摘取部份网页动态3D图表及静态分析图)
以下是动态图表的展示,可移动鼠标至图表上查看动态图表的变化过程并尝试交互。
- 中国GHG部门数据
- <!DOCTYPE html>
- GHG排放地图
- <!DOCTYPE html>
- 北半球气温预测
- <!DOCTYPE html>
- 中国人均GHG排放量
- <!DOCTYPE html>
- <!DOCTYPE html>
查看完整项目文件
- 查看完整的python代码:数据可视化.ipynb \ 描述性统计.ipynb \ 北半球气温预测.ipynb
- 下载项目完整报告:基于CO2和GHG相关指标数据分析全球碳排放情况.docx