🧑 博主簡介：曾任某智慧城市類企業算法總監，目前在美國市場的物流公司從事高級算法工程師一職，深耕人工智能領域，精通python數據挖掘、可視化、機器學習等，發表過AI相關的專利并多次在AI類比賽中獲獎。CSDN人工智能領域的優質創作者，提供AI相關的技術咨詢、項目開發和個性化解決方案等服務，如有需要請站內私信或者聯系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉絲群介紹：① 群內初中生、高中生、本科生、研究生、博士生遍布，可互相學習，交流困惑。② 熱榜top10的常客也在群里，也有數不清的萬粉大佬，可以交流寫作技巧，上榜經驗，漲粉秘籍。③ 群內也有職場精英，大廠大佬，可交流技術、面試、找工作的經驗。④ 進群免費贈送寫作秘籍一份，助你由寫作小白晉升為創作大佬。⑤ 進群贈送CSDN評論防封腳本，送真活躍粉絲，助你提升文章熱度。有興趣的加文末聯系方式，備注自己的CSDN昵稱，拉你進群，互相學習共同進步。

一、引言

??在數據分析領域，數據可視化是將數據以直觀的圖形方式展示出來，幫助我們更好地理解數據背后的規律和趨勢。本文將使用 Python 和 Pyecharts 來對 2023 年各省城鎮居民人均收入數據進行可視化分析，從多個維度展示人均收入的分布情況，并生成炫酷的可視化大屏。

二、數據準備

??本次分析的數據集包含三個字段：省份、人均收入（元）、增量（元）。以下是部分數據：

省份	元	增量（元）
上海	89476.7	5442.7
北京	88650.2	4627.1
浙江	74996.8	3728.9
江蘇	63211.1	3033.0
廣東	59307.0	2402.0
…	…	…

三、環境搭建

??在開始之前，確保已經安裝了以下 Python 包：

pip install pandas pyecharts openpyxl

四、數據可視化

??以下是完整的 Python 代碼，用于讀取數據、進行可視化分析，并生成炫酷的可視化大屏。

import pandas as pd
from pyecharts.charts import Bar, Line, Pie, Map, Funnel, Grid
from pyecharts import options as opts
from pyecharts.globals import ThemeType# 讀取數據
df = pd.read_excel("各省人均收入排名(2023年城鎮居民).xlsx")# 數據準備
provinces = df["省份"].tolist()
incomes = df["元"].tolist()
increments = df["增量(元)"].tolist()

4.1 柱狀圖：人均收入排名

bar = (Bar().add_xaxis(provinces).add_yaxis("人均收入（元）", incomes, category_gap="50%").set_global_opts(title_opts=opts.TitleOpts(title="2023年城鎮居民人均收入排名", subtitle="數據來源：統計局"),visualmap_opts=opts.VisualMapOpts(max_=90000, is_piecewise=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),yaxis_opts=opts.AxisOpts(name="人均收入（元）"),).set_series_opts(label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_color="#fff"),)
)

4.2 折線圖：人均收入增量

line = (Line().add_xaxis(provinces).add_yaxis("增量（元）", increments).set_global_opts(title_opts=opts.TitleOpts(title="2023年城鎮居民人均收入增量", subtitle="數據來源：統計局"),visualmap_opts=opts.VisualMapOpts(max_=6000, is_piecewise=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),yaxis_opts=opts.AxisOpts(name="增量（元）"),).set_series_opts(label_opts=opts.LabelOpts(is_show=False),linestyle_opts=opts.LineStyleOpts(width=2),)
)

4.3 餅圖：人均收入占比

pie = (Pie().add("", [list(z) for z in zip(provinces, incomes)]).set_global_opts(title_opts=opts.TitleOpts(title="2023年城鎮居民人均收入占比", subtitle="數據來源：統計局"),legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c} ({d}%)"))
)

4.4 地圖：人均收入分布

map_ = (Map(init_opts=opts.InitOpts(theme="dark")).add("人均收入（元）", [list(z) for z in zip(provinces, incomes)], "china").set_global_opts(title_opts=opts.TitleOpts(title="2023年城鎮居民人均收入地圖", subtitle="數據來源：統計局"),visualmap_opts=opts.VisualMapOpts(max_=90000, is_piecewise=True),)
)

五、組合到大屏

page = Page(layout=Page.DraggablePageLayout, page_title="2023_城鎮居民人均收入可視化分析")
page.add(bar,line,pie,funnel,map_
)
# 生成HTML文件
page.render("2023_城鎮居民人均收入可視化大屏.html")

六、可視化結果

??運行上述代碼后，會生成一個名為 2023_城鎮居民人均收入可視化大屏.html 的文件，打開后可以看到以下內容：

6.1 柱狀圖：人均收入排名

??柱狀圖展示了 2023 年各省城鎮居民人均收入的排名情況。從圖中可以看出，上海和北京的人均收入最高，分別達到了 89476.7 元和 88650.2 元，遠高于其他省份。而重慶的人均收入最低，僅為 31530.9 元。整體來看，東部沿海地區的省份人均收入普遍較高，而中西部地區的省份人均收入相對較低。

6.2 折線圖：人均收入增量

??折線圖展示了 2023 年各省城鎮居民人均收入的增量情況。從圖中可以看出，上海的人均收入增量最高，達到了 5442.7 元，其次是西藏和內蒙古，增量分別為 3147.0 元和 2381.0 元。而重慶的人均收入增量最低，僅為 957.0 元。整體來看，人均收入增量較高的省份主要集中在東部沿海地區和部分中部地區，而西部地區的省份人均收入增量相對較低。

6.3 餅圖：人均收入占比

??餅圖展示了 2023 年各省城鎮居民人均收入的占比情況。從圖中可以看出，上海和北京的人均收入占比最高，分別占到了 15.2% 和 15.0%。而重慶的人均收入占比最低，僅為 5.4%。整體來看，人均收入占比較高的省份主要集中在東部沿海地區，而中西部地區的省份人均收入占比相對較低。

6.4 地圖：人均收入分布

??地圖展示了 2023 年各省城鎮居民人均收入的分布情況。從圖中可以看出，東部沿海地區的省份人均收入普遍較高，顏色較深；而中西部地區的省份人均收入相對較低，顏色較淺。整體來看，人均收入的分布呈現出明顯的區域差異，東部地區經濟發展水平較高，人均收入也較高；而中西部地區經濟發展水平相對較低，人均收入也較低。

七、分析總結

??通過對 2023 年各省城鎮居民人均收入數據的可視化分析，我們可以得出以下結論：

1. 區域差異明顯：東部沿海地區的省份人均收入普遍較高，而中西部地區的省份人均收入相對較低。這主要是由于東部地區經濟發展水平較高，產業結構較為優化，就業機會較多，居民收入水平也相對較高；而中西部地區經濟發展水平相對較低，產業結構較為單一，就業機會較少，居民收入水平也相對較低。
2. 增量分布不均：人均收入增量較高的省份主要集中在東部沿海地區和部分中部地區，而西部地區的省份人均收入增量相對較低。這說明東部地區和部分中部地區的經濟發展速度較快，居民收入增長較快；而西部地區的經濟發展速度相對較慢，居民收入增長較慢。
3. 經濟結構調整：從人均收入增量來看，部分中西部省份的人均收入增量也較為可觀，如西藏、內蒙古等。這表明這些省份在近年來的經濟發展中取得了一定的成效，產業結構不斷優化，居民收入水平也在逐步提高。

??總之，通過對人均收入數據的可視化分析，我們可以更好地了解我國各省城鎮居民收入的分布情況和變化趨勢，為制定相關政策提供參考依據。

---