前言经常在 B 站刷到各国人口、GDP 动态排名 Bar Chart Race 动图本文手把手使用Pandaspyecharts实现1960~2024 全球各国人口动态轮播排行榜完整包含数据清洗、黑名单剔除汇总数据、深色 B 站美化风格、自动轮播、悬浮提示、圆角渐变柱状、动态配色最终生成可直接浏览器打开的 HTML 交互式图表课程设计、数据分析毕设均可直接复用。技术栈Python3 Pandas Pyecharts5.x 数据源世界银行人口 CSV 数据集1960-2024 各国总人口一、项目整体思路数据读取读取中文版人口 csv 原始数据原始为宽表格式国家一行年份多列数据清洗剔除国家名称为空的大洲汇总行自定义黑名单过滤全球、各大洲、收入分组、海外属地 / 非主权地区仅保留 195 个主权国家宽表转长表melt适配时序绘图格式剔除空值、规范年份与人口数据类型单图测试单年份横向柱状图调试反转坐标轴实现从上到下人口降序Timeline 时间轴实现逐年轮播自动播放 循环切换年份深度美化深色黑底、动态随机配色、圆角柱状、自定义标签格式、时间轴样式优化复刻 B 站可视化风格二、完整代码实现1. 环境安装bash运行pip install pandas pyecharts2. 完整源码python运行# 导入依赖库 import pandas as pd from pyecharts.charts import Bar, Timeline from pyecharts import options as opts from pyecharts.globals import ThemeType, CurrentConfig from pyecharts.commons.utils import JsCode # 修复国内echarts CDN解决html空白不显示图表 CurrentConfig.ONLINE_HOST https://cdn.jsdelivr.net/npm/echarts5.4.3/dist/ # 1.读取原始数据 df pd.read_csv(世界人口数据-中文版(1960-2024).csv, encodinggbk) # 筛选年份列列名全为数字、属性列 year_cols [i for i in df.columns if i.isdigit()] attr_cols [Country Name,Country Code,Indicator Name,Indicator Code] # 2.数据清洗剔除汇总、非主权国家数据 # 第一步删除国家名称为空的汇总行 df df.dropna(subset[Country Name]) # 黑名单大洲、收入分组、海外领地、非主权区域 black_list [ 世界, 北美, 东亚与太平洋地区, 欧洲与中亚地区, 东亚与太平洋地区(不包括高收入), 欧洲与中亚地区(不包括高收入),拉丁美洲与加勒比海地区,拉丁美洲与加勒比海地区(不包括高收入), 中东、北非、阿富汗与巴基斯坦,中东与北非地区(不包括高收入),撒哈拉以南非洲地区, 撒哈拉以南非洲地区(不包括高收入),南亚,小国,加勒比小国,太平洋岛国,其他小国, 未分类国家,阿拉伯联盟国家,欧洲联盟,欧洲货币联盟,经合组织成员,重债穷国 (HIPC), 脆弱和受衝突影響的情況下,高收入国家,低收入国家,中等收入国家,中高等收入国家, 中低等收入国家,早人口紅利,後期人口紅利,預人口紅利,人口紅利之後,最不发达国家:联合国分类, IBRD与IDA,只有IBRD,只有IDA,IDA總,IDA混合,东亚与太平洋地区 (IBRD与IDA), 欧洲与中亚地区 (IBRD与IDA),拉丁美洲与加勒比海地区 (IBRD与IDA),中东与北非地区 (IBRD与IDA), 南亚 (IBRD与IDA),撒哈拉以南非洲地区 (IBRD与IDA),阿鲁巴,美属萨摩亚,百慕大,库拉索, 开曼群岛,海峡群岛,法罗群岛,直布罗陀,格陵兰,关岛,中国香港特别行政区, 中国澳门特别行政区,圣马丁(法属),约旦河西岸和加沙,法属波利尼西亚,特克斯科斯群岛, 圣马丁(荷属),北马里亚纳群岛,新喀里多尼亚,波多黎各,英屬維爾京群島,美属维京群岛,科索沃 ] # 反向过滤黑名单数据 df df[~df[Country Name].isin(black_list)].reset_index(dropTrue) print(筛选后有效主权国家数量, df[Country Name].nunique()) # 3.宽表转长表 df_long pd.melt( df, id_varsattr_cols, value_varsyear_cols, var_nameYear, value_namePopulation ) # 只保留绘图需要三列 df_clean df_long[[Country Name,Year,Population]].copy() # 数据类型转换 df_clean[Year] df_clean[Year].astype(float) df_clean[Population] pd.to_numeric(df_clean[Population]) # 剔除空值2025年全空数据 df_clean.dropna(inplaceTrue) # 4.定义柱子动态配色JS代码 color_js JsCode( function(params){ let c [#ff4757,#ffa502,#fffa65,#2ed573,#1e90ff,#3742fa,#a55eea,#48dbfb]; return c[params.dataIndex % c.length]; } ) # 5.初始化时间轴B站深色黑底风格 timeline_final Timeline( init_optsopts.InitOpts( width1600px, height850px, themeThemeType.DARK, bg_color#080808 #深色背景 ) ) # 获取所有年份 year_list df_clean[Year].unique().tolist() # 循环每年生成柱状图 for year in year_list: # 筛选当年数据、取人口前20 data_df df_clean[df_clean[Year] year] data_df data_df.sort_values(Population, ascendingFalse).head(20) # 升序排序配合反转坐标轴人口最大在图表最上方 data_df data_df.sort_values(Population, ascendingTrue) country data_df[Country Name].tolist() pop data_df[Population].tolist() # 构建横向柱状图 bar ( Bar(init_optsopts.InitOpts(themeThemeType.DARK)) .add_xaxis(country) .add_yaxis( 人口, pop, itemstyle_optsopts.ItemStyleOpts( colorcolor_js, opacity0.85, border_radius7 #圆角透明度 ), label_optsopts.LabelOpts(positionright, formatter{c}人, font_size11, color#fff) ) .reversal_axis() #坐标轴反转横向柱状 .set_global_opts( title_optsopts.TitleOpts(titlef{int(year)}年全球各国人口TOP20排名, pos_leftcenter, title_textstyle_optsopts.TextStyleOpts(colorwhite)), legend_optsopts.LegendOpts(is_showFalse), tooltip_optsopts.TooltipOpts(formatter{b}br人口{c:,}人) ) ) timeline_final.add(bar, str(int(year))) # 6.配置时间轴播放参数 timeline_final.add_schema( is_auto_playTrue, is_loop_playTrue, play_interval600, #切换速度600ms pos_leftcenter, width95%, label_optsopts.LabelOpts(color#ffffff, font_size11, font_weightbold), linestyle_optsopts.LineStyleOpts(color#00a1ff, width4), itemstyle_optsopts.ItemStyleOpts(color#00a1ff, border_color#ffffff, border_width2) ) # 生成HTML文件 timeline_final.render(B站同款人口动态排行.html) print(图表生成完成打开【B站同款人口动态排行.html】即可查看)三、关键步骤讲解3.1 数据清洗核心黑名单过滤原始数据包含世界、各大洲、收入等级汇总数据直接绘图数据错乱。通过手动构建黑名单列表使用isin()反向剔除最终保留195 个合法主权国家是项目最关键步骤。3.2 宽表转长表 melt原始数据一行一个国家1960~2024 每一年单独一列宽数据 经过pd.melt转化为国家 - 年份 - 人口三列标准长数据方便按年份分组筛选。3.3 排序 坐标轴反转逻辑python运行#先降序取前20 → 再升序排列 data_df.sort_values(Population,ascFalse).head(20).sort_values(Population,ascTrue) #配合 reversal_axis()升序数据 坐标轴反转实现人口越多图表位置越靠上符合排行榜阅读习惯。3.4 动态柱子配色借助JsCode编写前端 JS根据柱子索引循环取用 8 种高饱和配色实现每个国家每年柱子颜色固定、不同排名颜色区分B 站图表标配效果。四、成品功能亮点自动轮播600ms 自动切换年份、循环播放暂停 / 播放按钮手动控制交互悬浮鼠标悬浮柱子显示国家 格式化人口数值千分位UI 美化纯黑背景、圆角柱状、蓝色高亮时间轴、白色标签字体B 站同款深色可视化数据严谨剔除全部汇总 / 地区数据仅主权国家参与排名五、效果拓展优化方向国旗展示x 轴国家名称前拼接国旗 base64 图片进一步提升视觉效果多指标切换扩展 GDP、出生率数据下拉框切换不同指标动态排行性能优化提前预存每年 TOP20 数据减少循环排序耗时导出 GIF借助 selenium 截取 HTML 动态画面一键生成动图六、项目总结本项目完整走完原始数据→数据清洗→结构化处理→可视化美化数据分析全链路是 PandasPyecharts 练手优质项目适合 Python 数据分析初学者、课程设计、毕业设计直接套用。代码注释齐全替换对应 csv 数据源即可快速改成 GDP、进出口数据动态排行榜。
Python+pyecharts 制作 B 站同款世界人口动态排序柱状轮播图（1960-2024 完整版）
前言经常在 B 站刷到各国人口、GDP 动态排名 Bar Chart Race 动图本文手把手使用Pandaspyecharts实现1960~2024 全球各国人口动态轮播排行榜完整包含数据清洗、黑名单剔除汇总数据、深色 B 站美化风格、自动轮播、悬浮提示、圆角渐变柱状、动态配色最终生成可直接浏览器打开的 HTML 交互式图表课程设计、数据分析毕设均可直接复用。技术栈Python3 Pandas Pyecharts5.x 数据源世界银行人口 CSV 数据集1960-2024 各国总人口一、项目整体思路数据读取读取中文版人口 csv 原始数据原始为宽表格式国家一行年份多列数据清洗剔除国家名称为空的大洲汇总行自定义黑名单过滤全球、各大洲、收入分组、海外属地 / 非主权地区仅保留 195 个主权国家宽表转长表melt适配时序绘图格式剔除空值、规范年份与人口数据类型单图测试单年份横向柱状图调试反转坐标轴实现从上到下人口降序Timeline 时间轴实现逐年轮播自动播放 循环切换年份深度美化深色黑底、动态随机配色、圆角柱状、自定义标签格式、时间轴样式优化复刻 B 站可视化风格二、完整代码实现1. 环境安装bash运行pip install pandas pyecharts2. 完整源码python运行# 导入依赖库 import pandas as pd from pyecharts.charts import Bar, Timeline from pyecharts import options as opts from pyecharts.globals import ThemeType, CurrentConfig from pyecharts.commons.utils import JsCode # 修复国内echarts CDN解决html空白不显示图表 CurrentConfig.ONLINE_HOST https://cdn.jsdelivr.net/npm/echarts5.4.3/dist/ # 1.读取原始数据 df pd.read_csv(世界人口数据-中文版(1960-2024).csv, encodinggbk) # 筛选年份列列名全为数字、属性列 year_cols [i for i in df.columns if i.isdigit()] attr_cols [Country Name,Country Code,Indicator Name,Indicator Code] # 2.数据清洗剔除汇总、非主权国家数据 # 第一步删除国家名称为空的汇总行 df df.dropna(subset[Country Name]) # 黑名单大洲、收入分组、海外领地、非主权区域 black_list [ 世界, 北美, 东亚与太平洋地区, 欧洲与中亚地区, 东亚与太平洋地区(不包括高收入), 欧洲与中亚地区(不包括高收入),拉丁美洲与加勒比海地区,拉丁美洲与加勒比海地区(不包括高收入), 中东、北非、阿富汗与巴基斯坦,中东与北非地区(不包括高收入),撒哈拉以南非洲地区, 撒哈拉以南非洲地区(不包括高收入),南亚,小国,加勒比小国,太平洋岛国,其他小国, 未分类国家,阿拉伯联盟国家,欧洲联盟,欧洲货币联盟,经合组织成员,重债穷国 (HIPC), 脆弱和受衝突影響的情況下,高收入国家,低收入国家,中等收入国家,中高等收入国家, 中低等收入国家,早人口紅利,後期人口紅利,預人口紅利,人口紅利之後,最不发达国家:联合国分类, IBRD与IDA,只有IBRD,只有IDA,IDA總,IDA混合,东亚与太平洋地区 (IBRD与IDA), 欧洲与中亚地区 (IBRD与IDA),拉丁美洲与加勒比海地区 (IBRD与IDA),中东与北非地区 (IBRD与IDA), 南亚 (IBRD与IDA),撒哈拉以南非洲地区 (IBRD与IDA),阿鲁巴,美属萨摩亚,百慕大,库拉索, 开曼群岛,海峡群岛,法罗群岛,直布罗陀,格陵兰,关岛,中国香港特别行政区, 中国澳门特别行政区,圣马丁(法属),约旦河西岸和加沙,法属波利尼西亚,特克斯科斯群岛, 圣马丁(荷属),北马里亚纳群岛,新喀里多尼亚,波多黎各,英屬維爾京群島,美属维京群岛,科索沃 ] # 反向过滤黑名单数据 df df[~df[Country Name].isin(black_list)].reset_index(dropTrue) print(筛选后有效主权国家数量, df[Country Name].nunique()) # 3.宽表转长表 df_long pd.melt( df, id_varsattr_cols, value_varsyear_cols, var_nameYear, value_namePopulation ) # 只保留绘图需要三列 df_clean df_long[[Country Name,Year,Population]].copy() # 数据类型转换 df_clean[Year] df_clean[Year].astype(float) df_clean[Population] pd.to_numeric(df_clean[Population]) # 剔除空值2025年全空数据 df_clean.dropna(inplaceTrue) # 4.定义柱子动态配色JS代码 color_js JsCode( function(params){ let c [#ff4757,#ffa502,#fffa65,#2ed573,#1e90ff,#3742fa,#a55eea,#48dbfb]; return c[params.dataIndex % c.length]; } ) # 5.初始化时间轴B站深色黑底风格 timeline_final Timeline( init_optsopts.InitOpts( width1600px, height850px, themeThemeType.DARK, bg_color#080808 #深色背景 ) ) # 获取所有年份 year_list df_clean[Year].unique().tolist() # 循环每年生成柱状图 for year in year_list: # 筛选当年数据、取人口前20 data_df df_clean[df_clean[Year] year] data_df data_df.sort_values(Population, ascendingFalse).head(20) # 升序排序配合反转坐标轴人口最大在图表最上方 data_df data_df.sort_values(Population, ascendingTrue) country data_df[Country Name].tolist() pop data_df[Population].tolist() # 构建横向柱状图 bar ( Bar(init_optsopts.InitOpts(themeThemeType.DARK)) .add_xaxis(country) .add_yaxis( 人口, pop, itemstyle_optsopts.ItemStyleOpts( colorcolor_js, opacity0.85, border_radius7 #圆角透明度 ), label_optsopts.LabelOpts(positionright, formatter{c}人, font_size11, color#fff) ) .reversal_axis() #坐标轴反转横向柱状 .set_global_opts( title_optsopts.TitleOpts(titlef{int(year)}年全球各国人口TOP20排名, pos_leftcenter, title_textstyle_optsopts.TextStyleOpts(colorwhite)), legend_optsopts.LegendOpts(is_showFalse), tooltip_optsopts.TooltipOpts(formatter{b}br人口{c:,}人) ) ) timeline_final.add(bar, str(int(year))) # 6.配置时间轴播放参数 timeline_final.add_schema( is_auto_playTrue, is_loop_playTrue, play_interval600, #切换速度600ms pos_leftcenter, width95%, label_optsopts.LabelOpts(color#ffffff, font_size11, font_weightbold), linestyle_optsopts.LineStyleOpts(color#00a1ff, width4), itemstyle_optsopts.ItemStyleOpts(color#00a1ff, border_color#ffffff, border_width2) ) # 生成HTML文件 timeline_final.render(B站同款人口动态排行.html) print(图表生成完成打开【B站同款人口动态排行.html】即可查看)三、关键步骤讲解3.1 数据清洗核心黑名单过滤原始数据包含世界、各大洲、收入等级汇总数据直接绘图数据错乱。通过手动构建黑名单列表使用isin()反向剔除最终保留195 个合法主权国家是项目最关键步骤。3.2 宽表转长表 melt原始数据一行一个国家1960~2024 每一年单独一列宽数据 经过pd.melt转化为国家 - 年份 - 人口三列标准长数据方便按年份分组筛选。3.3 排序 坐标轴反转逻辑python运行#先降序取前20 → 再升序排列 data_df.sort_values(Population,ascFalse).head(20).sort_values(Population,ascTrue) #配合 reversal_axis()升序数据 坐标轴反转实现人口越多图表位置越靠上符合排行榜阅读习惯。3.4 动态柱子配色借助JsCode编写前端 JS根据柱子索引循环取用 8 种高饱和配色实现每个国家每年柱子颜色固定、不同排名颜色区分B 站图表标配效果。四、成品功能亮点自动轮播600ms 自动切换年份、循环播放暂停 / 播放按钮手动控制交互悬浮鼠标悬浮柱子显示国家 格式化人口数值千分位UI 美化纯黑背景、圆角柱状、蓝色高亮时间轴、白色标签字体B 站同款深色可视化数据严谨剔除全部汇总 / 地区数据仅主权国家参与排名五、效果拓展优化方向国旗展示x 轴国家名称前拼接国旗 base64 图片进一步提升视觉效果多指标切换扩展 GDP、出生率数据下拉框切换不同指标动态排行性能优化提前预存每年 TOP20 数据减少循环排序耗时导出 GIF借助 selenium 截取 HTML 动态画面一键生成动图六、项目总结本项目完整走完原始数据→数据清洗→结构化处理→可视化美化数据分析全链路是 PandasPyecharts 练手优质项目适合 Python 数据分析初学者、课程设计、毕业设计直接套用。代码注释齐全替换对应 csv 数据源即可快速改成 GDP、进出口数据动态排行榜。
