简介面向想用Python实现碳排放数据可视化大屏的学习者与开发者这份资源覆盖数据分析与Web可视化从入门到进阶的常见路径。资源围绕二氧化碳排放趋势与影响分析整合了pandas数据处理、matplotlib/seaborn静态图表、plotly交互图表以及Streamlit大屏搭建等关键环节可帮助读者理解从数据清洗、时间序列分析到多图联动的完整流程。压缩包共3个文件包含两个CSV数据文件和一个Python脚本体积约1.83MB数据文件可支撑按年份、地区等维度探索全球CO2排放情况脚本则直接演示大屏应用的组织方式。已有1494人学习/下载说明该项目有较好的参考价值。通过拆解这份资源读者可以掌握面向真实数据集的可视化大屏开发思路并学到如何用少量代码快速呈现数据分析结论适合用于课程设计、研究报告或个人作品集。1. 从一行 CSV 到全屏可视化大屏中间只隔了这几个 Python 库很多人拿到owid-co2-data.csv这类全球碳排放数据集第一步就是read_csv之后plot()画条折线然后发现图丑、没法交互、也没法跟同事演示。真正的工业级做法是把数据处理、趋势分析和可视化大屏拆成一条流水线先用 pandas 把数据清洗到可分析的状态再用 matplotlib/seaborn 做静态探索最后用 Streamlit 把多个图表组装成一个支持下拉筛选、日期范围选择的大屏页面。这不是套 UI 模板而是每一层都有明确的职责边界。这篇文章要拆解的就是Climate.zip里那份典型的 Carbon Dioxide 数据集配合 Streamlit 构建大屏的完整流程适合正在做数据分析可视化项目、以及准备把分析结果交付成可演示产品的 Python 开发者。你会看到我实际写过的数据清洗逻辑、趋势回归代码、大屏组件布局和那些文档里没写清楚的坑。2. 先别急着画图二氧化碳数据集的清洗与重采样策略任何可视化大屏的可信度都建立在数据质量上而owid-co2-data.csv这种来自 Our World in Data 的原始文件通常包含 200 多个国家、从 1750 年到 2024 年的逐行记录列里有 CO2 排放总量、人均排放、GDP、人口、能源消费等多个维度。直接读进 pandas 就开始画图你会被缺失值、负数和不同粒度的时间戳折磨到怀疑人生。我建议的第一步是明确一个「分析基线」你关注的是全球趋势、国家对比、还是人均维度这决定了后续groupby()的键和重采样的频率。2.1 数据加载与列裁剪的实用模式import pandas as pd import numpy as np df pd.read_csv(owid-co2-data.csv) print(df.shape) print(df.columns.tolist()) print(df[year].min(), df[year].max())这份数据的特点是宽表结构每行是一个国家在某年的观测记录。直接全量载入没问题但为了减少内存和后续操作的干扰我一般只保留跟分析相关的列country、year、co2、co2_per_capita、population、gdp。其他诸如cement_co2、flaring_co2这类细分列除非你要做排放源拆解否则可以先不加载。cols [country, year, co2, co2_per_capita, population, gdp] df df[cols].copy()参数说明这里用copy()是为了避免后续SettingWithCopyWarning这是 pandas 里最常见的坑之一。如果你不 copy后面做df[co2] df[co2].fillna(0)可能会直接写进原始 DataFrame 的视图里导致告警甚至数据污染。2.2 缺失值处理不能一刀切二氧化碳数据里co2列对很多早期年份或小国是 NaN但 NaN 的含义分两种一种是「没有数据」一种是「数值为 0」。在碳排放语境下1750 年的国家排放量大概率是 0而不是缺失。所以处理策略应该区分# 对于co2列pre-1850年缺失填充为0当时工业排放几乎为0 mask (df[year] 1850) (df[co2].isna()) df.loc[mask, co2] 0 # 对于人均列如果co2为0则人均也为0 mask_per (df[co2] 0) (df[co2_per_capita].isna()) df.loc[mask_per, co2_per_capita] 0 # 其余仍缺失的co2填充为前向观测值按国家分组 df[co2] df.groupby(country)[co2].ffill()逻辑说明ffill()是按国家分组后用该国最近一年的有效值填充后续缺失这比全局均值填充更符合时间序列特征——一个国家的排放量不会突然从 100 变成 0 再跳回 100。注意顺序先填充历史零值再做前向填充。如果反过来1850 年前的缺失也会被后来的工业排放值污染。处理完后建议做一次数据健康度检查print(剩余缺失值, df[[co2, co2_per_capita]].isna().sum()) print(存在负值, (df[[co2, co2_per_capita]] 0).sum())存在负值的话通常是因为数据源里有调整后的负排放土地利用变化导致但在大屏上展示「碳排放总量」时负值会破坏巴图表的可读性我一般直接置为 0 并标注「数据已修正」。2.3 按年和按国家重采样构造大屏的三大数据集可视化大屏一般至少需要三层视图全球总趋势、主要国家对比、国家详情页。这三个视图对应三个不同粒度的 DataFrame# 全球年度排放总量 global_yearly df.groupby(year)[co2].sum().reset_index() # 各国最新年度排放量用于柱状图排名 latest_year df[year].max() countries_latest df[df[year] latest_year].sort_values(co2, ascendingFalse).head(15) # 重点国家每年排放用于多线对比 key_countries [China, United States, India, Russia, Germany] selected_countries df[df[country].isin(key_countries) (df[year] 1960)]参数说明groupby(year)[co2].sum()会把所有国家同一年数据加总成全球值注意此时你不需要担心国家名重复因为sum()天然处理了多行累加。如果你想做区域聚合比如把欧盟若干国合成一个区域就需要在 groupby 键里增加「区域映射」列。常见做法是提前建一个 country - region 的字典用df[region].map(region_map)生成新列再聚合。这里重采样的关键点在于数据集原始粒度是「国家-年」如果你要做 1960—2024 年的趋势分析不需要再按月重采样年度粒度已经足够但如果你遇到的是月度数据或日度数据就务必用pd.to_datetime先转换然后set_index(date).resample(YE).sum()其中YE是 pandas 2.x 的新写法旧版本用Y或A。3. 趋势分析不只是画折线用滑动平均和线性回归量化排放增速大屏的核心信息是「排放趋势在变好还是变坏」但原始折线图噪声很大尤其在 1950 年前的区间数值低、波动不明显。仅仅把df.plot()的结果丢到大屏上是不够的你需要叠加滑动平均、增长率曲线甚至一段简单的回归预测来支撑结论。这一部分我通常用 pandas numpy 完成计算再用 matplotlib 渲染成静态图最后嵌入 Streamlit。3.1 滑动平均消除短期波动global_yearly[co2_ma] global_yearly[co2].rolling(window10, centerTrue).mean() global_yearly[co2_pct_change] global_yearly[co2].pct_change() * 100rolling(window10, centerTrue)的含义是取前后各 10 年的平均centerTrue让滑动窗口对齐到当前年份这样曲线不会出现滞后偏移。pct_change()计算的是同比增长率单位是百分比注意第一行结果是 NaN需要dropna()再展示。用这个数据你可以回答「近十年全球排放增速是上升还是下降」这类问题。比如 2000 年附近增长率接近 3%而 2015 年后维持在 1% 左右这些具体数字放到大屏的指标卡片上比一张曲线图更有说服力。3.2 分段线性回归寻找趋势拐点全球排放趋势并不是一条直线1950 年以前和 2000 年以后斜率完全不同。如果你想给大屏加一个「趋势是否放缓」的结论我建议用分段线性回归而不是全局回归from scipy import stats def segment_slope(df, start, end): seg df[(df[year] start) (df[year] end)].copy() slope, intercept, r_value, p_value, std_err stats.linregress(seg[year], seg[co2]) return slope, p_value slope_1950_2000 segment_slope(global_yearly, 1950, 2000) slope_2000_2024 segment_slope(global_yearly, 2000, 2024) print(f1950-2000年斜率: {slope_1950_2000[0]:.2f} 百万吨/年) print(f2000-2024年斜率: {slope_2000_2024[0]:.2f} 百万吨/年)这段代码输出的斜率对比可以直接写成大屏上的结论性文字「2000 年后年均增长约为 1950—2000 年的 0.8 倍」。这里stats.linregress返回的p_value可以用来做显著性检验如果p_value 0.05说明该时间段内的线性趋势不显著展示时就要谨慎下结论。用 numpy 做同样计算的替代写法是import numpy as np x seg[year].values y seg[co2].values slope np.polyfit(x, y, 1)[0]np.polyfit返回的是多项式的系数[0]取的就是斜率。和linregress的差距在于没有直接给出 p 值但如果你熟悉统计细节也可以用np.corrcoef计算相关系数。大屏上需要展示「斜率」这种单一数值时我倾向于用linregress因为它连置信区间都给了。3.3 用热力图和回归结果选择可视化维度做完趋势判断后下一步就要决定大屏上放哪些图表。我的默认配置是全球排放总量面积图叠加 10 年滑动平均线主要国家碳排放柱状图最新年份 Top 15重点国家历年排放多折线图1960 年以后人均排放 vs GDP 的散点图用于展示排放效率其中散点图最容易暴露数据问题。co2_per_capita和gdp里如果有异常值比如某个小岛国 GDP 数据缺失导致人均值被错误放大散点就会飞出去。所以做散点前建议把gdp列为空的记录直接过滤掉或者用df.dropna(subset[co2_per_capita, gdp])不要用fillna(0)否则 0 值会堆积在原点附近干扰视觉。scatter_df df[df[year] latest_year].dropna(subset[co2_per_capita, gdp]) scatter_df scatter_df[scatter_df[population] 1_000_000] # 过滤人口小于100万的国家过滤条件写成population 1_000_000是为了避免微型国家的人均数值波动过大。这个参数可以调整如果你想看全球所有国家和地区就不加这个条件但大屏上的样本点会多出几十个噪音。4. Streamlit 布局实战把静态图组装成可筛选的大屏页面数据分析部分产出的是干净的 DataFrame 和 matplotlib 图接下来要用 Streamlit 把它们组装成 Web 大屏。Streamlit 的优势在于它的执行模型简单每次页面交互都会从上到下重新执行整个脚本因此你只需要用st.sidebar定义筛选组件然后在主区域根据筛选结果重新绘图即可。相比 DashStreamlit 不需要显式注册回调代码量少一半非常适合快速交付。4.1 页面配置与多列布局import streamlit as st import matplotlib.pyplot as plt import matplotlib matplotlib.use(Agg) matplotlib.rcParams[font.sans-serif] [SimHei, DejaVu Sans] matplotlib.rcParams[axes.unicode_minus] False st.set_page_config(page_title全球二氧化碳排放趋势大屏, layoutwide, initial_sidebar_stateexpanded) st.title( 全球二氧化碳排放趋势与影响分析) # 顶部指标卡片 col1, col2, col3, col4 st.columns(4) with col1: st.metric(全球累计排放量亿吨, f{global_yearly[co2].sum() / 1e4:.0f}) with col2: st.metric(最新年份, latest_year) with col3: st.metric(最大排放国, countries_latest.iloc[0][country]) with col4: st.metric(全球同比增速, f{global_yearly[co2_pct_change].iloc[-1]:.1f}%)layoutwide是关键配置它让页面占满整个浏览器宽度否则默认窄屏下大屏效果大打折扣。st.metric是 Streamlit 内置的指标卡组件直接显示数值和可选的前置 delta 变化量。如果你想把「同比增速」做成红色/绿色箭头可以用delta参数但要注意delta是绝对值差还是百分比差容易搞混。字体配置里matplotlib.rcParams[font.sans-serif]设了SimHei这是 Windows 下常见黑体。如果你部署到 Linux 服务器就需要改成系统里实际存在的中文字体比如Noto Sans CJK SC。否则 matplotlib 会抛警告中文标签显示为方块。axes.unicode_minusFalse是为了让负号正常显示。4.2 侧边栏筛选组件与数据联动大屏不能只是静态图用户需要能切换年份区间和关注国家。Streamlit 的st.sidebar天然适合放这类控件st.sidebar.header(筛选条件) # 年份范围滑块 year_range st.sidebar.slider(分析年份范围, min_valueint(df[year].min()), max_valueint(df[year].max()), value(1960, int(df[year].max()))) # 国家多选 all_countries sorted(df[country].unique()) selected_countries st.sidebar.multiselect(选择对比国家, all_countries, defaultkey_countries) # 图表类型 chart_type st.sidebar.radio(图表类型, (面积图, 折线图, 柱状图))silder返回的是元组(start_year, end_year)你在绘图前必须用它过滤 DataFramefiltered_yearly global_yearly[(global_yearly[year] year_range[0]) (global_yearly[year] year_range[1])]注意坑点year_range组件里的值是 Python int而 DataFrame 的year列可能是 int64两者比较没问题。但如果你筛选国家multiselect返回的是 listst.sidebar的默认值必须是 list不能是字符串否则页面加载会报错。4.3 生成并嵌入 matplotlib 图表Streamlit 嵌入 matplotlib 图的推荐方式是用st.pyplot(fig)在脚本里先创建plt.subplots()或plt.figure()绘制完直接传入。我先写一个函数封装绘图逻辑def plot_global_trend(df, chart_typearea): fig, ax plt.subplots(figsize(12, 5)) if chart_type area: ax.fill_between(df[year], df[co2] / 1e3, alpha0.4, labelCO2排放总量) ax.plot(df[year], df[co2_ma] / 1e3, colorred, linewidth2, label10年滑动平均) elif chart_type line: ax.plot(df[year], df[co2] / 1e3, labelCO2排放总量) else: ax.bar(df[year], df[co2] / 1e3, width0.8) ax.set_xlabel(年份) ax.set_ylabel(排放量十亿吨 co2) ax.legend() ax.grid(True, alpha0.3) return fig st.subheader(全球二氧化碳排放趋势) fig1 plot_global_trend(filtered_yearly, chart_type) st.pyplot(fig1)fill_between的面积图比普通折线更醒目适合大屏顶部的总览区域。/ 1e3是把百万吨换算成十亿吨的单位转换这里只是展示层的单位处理不应该改变原始 DataFrame 的数据。如果你用 plotly 生成交互式图表可以直接传给st.plotly_chart但 Streamlit 社区版对交互次数有限制所以我个人在大屏上偏好 matplotlib 静态图 侧边栏重绘性能和稳定性更可控。4.4 多图表网格排布大屏要显得信息密度高需要用st.columns做网格排布。我习惯两行两列的布局row1_col1, row1_col2 st.columns(2) with row1_col1: st.subheader(最新年份排放 Top 10 国家) fig2, ax plt.subplots(figsize(8, 4)) top10 countries_latest.head(10) ax.barh(top10[country][::-1], top10[co2][::-1] / 1e3) ax.set_xlabel(十亿吨 CO2) st.pyplot(fig2) with row1_col2: st.subheader(重点国家时间序列对比) if selected_countries: comp_df df[df[country].isin(selected_countries)] fig3, ax plt.subplots(figsize(8, 4)) for c in selected_countries: cdf comp_df[comp_df[country] c] ax.plot(cdf[year], cdf[co2], labelc) ax.legend(locupper left) st.pyplot(fig3)条形图用barh即水平条形图[::-1]反转顺序是为了让最大的国家显示在最上方符合阅读习惯。国家多选如果选了超过 8 个折线图会非常拥挤我一般会在代码里加限制if len(selected_countries) 8: st.warning(最多选择 8 个国家当前已截断) selected_countries selected_countries[:8]注意st.warning只是提示不会中断执行这样用户看到的是截断后的图形同时知道原因体验比直接报错好得多。5. 从本地大屏到可交付性能优化、缓存与部署避坑这节解决最后一个实际问题当数据量变大、筛选变多时Streamlit 每次交互都重新执行整个脚本导致大屏卡顿以及部署到 Linux 后中文乱码、字体缺失等环境问题。我总结三个最实用的技巧。5.1 用st.cache_data缓存读数和计算Streamlit 默认每次交互重跑全部代码而pd.read_csv一个几百 MB 的 CSV 会耗时数秒。解决方案就是加缓存装饰器import streamlit as st st.cache_data(show_spinnerFalse) def load_data(path): df pd.read_csv(path) # 这里放预处理逻辑 return df df load_data(owid-co2-data.csv)st.cache_data会基于函数名和参数自动缓存结果。注意它只适合返回可哈希参数的数据如果你的load_data参数里有 DataFrame就会报错。我将数据预处理逻辑全放进load_data里这样只要 CSV 文件不变后续交互都不会重新读取和清洗。show_spinnerFalse是为了避免每次重跑都显示加载转圈动画。这里有个记忆点st.cache_data是 Streamlit 1.18 之后的写法旧版是st.cache后者在新版本已经废弃。如果你看到旧代码直接替换成前者即可。5.2 过滤条件变化时才重绘除了缓存数据还可以用st.session_state记录上次的筛选值避免重复绘图。但更简洁的方式是把筛选组件放在st.form里用户点击「应用」按钮才触发重绘with st.sidebar.form(filter_form): year_range st.slider(年份, 1960, 2024, (1960, 2024)) selected_countries st.multiselect(国家, all_countries, defaultkey_countries) submitted st.form_submit_button(应用筛选)这种模式下只有点击按钮代码才往下执行避免了滑块拖动时页面每动一格就刷新一次的卡顿。大屏演示时这个交互模式更可控。缺点是用户需要多一次点击但换来的是流畅度。5.3 部署后的中文字体与资源路径问题本地运行streamlit run streamlit_co2_vis.py没问题但部署到云服务器时常见两个坑第一matplotlib 无法显示中文。你需要手动安装中文字体并注册apt-get install -y fonts-noto-cjk然后在代码里指定字体路径from matplotlib import font_manager font_manager.fontManager.addfont(/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc) matplotlib.rcParams[font.sans-serif] [Noto Sans CJK JP]注意字体名称要用「Noto Sans CJK JP」因为 Linux 上这个字体家族通常以 JP 命名直接用 SC 可能找不到。第二相对路径失效。你在本地跑pd.read_csv(owid-co2-data.csv)没问题但部署后工作目录可能不是项目根目录。推荐在使用文件前切换到脚本所在目录import os os.chdir(os.path.dirname(os.path.abspath(__file__)))这行代码把当前工作目录设置为.py文件所在目录这样 CSV 的路径始终稳定。生产环境里也可以用pathlib.Path(__file__).parent拼接绝对路径但os.chdir更粗暴有效。最后一个小技巧如果你希望大屏自动刷新数据比如接入实时的碳排放监测接口可以在load_data里加上pd.read_csv的cache参数配置或者用st_autorefresh组件定时调用rerun。但对于历史数据分析大屏数据是静态的没必要频繁刷新。我个人更倾向于把 CSV 数据用「日期 数据集版本」命名例如owid-co2-data-20250101.csv更新数据时改文件名并更新代码里的路径这样既保留历史版本又便于回溯分析结论。最后部署到 Streamlit Community Cloud 时记得在requirements.txt里固定版本号尤其要写pandas2.0。因为 pandas 2.x 和 1.x 在resample别名上有差异社区云默认安装最新版如果你的代码里用了旧版Y别名新版会报错。把这条路走通你的二氧化碳排放大屏就不仅是一份作业而是一个能随时打开给业务方看的交互式分析工具。本文还有配套的精品资源点击获取
