# 全球氣候變暖分析 ## 數據集 > 數據集 [世界銀行氣候變化數據集](https://data.worldbank.org/topic/climate-change?end=2011&start=1990) ### 1\. Data 表 > 表中包含`12645`條記錄，是按各個國家統計的，與氣候變化相關的數據。其中： * **Country code**：國家代碼 * **Country name**：國家名稱 * **Series code**：數據類別代碼 * **Series name**：數據類別名稱 * 接下來是從 1990 年 - 2011 年 分年度的各項統計數據 `Data 表預覽如下：`  ### 2\. Country 表 > Country 表中包含有各個國家的信息。其中： * **Country code**：國家代碼 * **Country name**：國家名稱 * **Capital city**：首都名稱 * **Region**：國家所在區域 * **Income group**：國家收入群體類別劃分 * **Lending category**：在世界銀行中的貸款類別 `Country 表預覽如下：`  ### 3\. Series 表 > Series 表中包含了 Data 表中對應的數據的簡介，也就是 Data 表中對應的數據類別的定義、代號等。可以通過 Series 表了解前序兩張表格中的代號信息。  ## 各國歷年二氧化碳 CO2 排放量統計分析 ### 目標 > 通過對氣候變化數據集中的 3 個數據表關聯分析，得到 各收入群體（Income group ）二氧化碳 CO2 的排放（Series code: EN.ATM.CO2E.KT）總量，以及各群體排放量最高和最低的國家名稱及相應的排放量。 ### 結果示意圖 > 需要得到如下圖所示的 Dataframe，并將該 Dataframe 作為函數的返回值  * 索引列為 5 個收入群體分類名稱。 * `Sum emissions`表示相應收入群體（Income group）的總排放量 * `Highest emission country`為相應收入群體里排放量最高的國家名稱（Country name）。 * `Highest emissions`為排放量最高的國家對應的排放量數值。 * `Lowest emission country`為相應收入群體里排放量最低的國家名稱。 * `Lowest emissions`為排放量最低的國家對應的排放量數值。 ### 要求 * 你需要對有缺失值的年份數據進行填充，使用近鄰數據填充。 * 不統計原始數據全部缺失的國家，也就是排放量最低的國家對應的排放量數值不會為 0。 ## 各國 CO2 排放量與 GDP 總值關聯分析 ### 目標 > 我們都知道，工業生產往往意味著大量的溫室氣體排放，而溫室氣體排放是導致氣候變化的重要原因之一。我們選擇探究工業生產與溫室氣體排放之間的關系。 > 我們粗略地以國民生產總值 GDP 作為工業生產的量化指標，二氧化碳 CO2 作為溫室氣體的排放的量化指標。 * 使用 Pandas 統計`各國歷年`二氧化碳排放總量以及 GDP 的總量，最終通過 Matplotlib 繪制`各國 CO2 總量`與對應`GDP 總量`的關系曲線圖。其中： GDP 數值的`Series code`為：`NY.GDP.MKTP.CD` CO2 排放數值的`Series code`為：`EN.ATM.CO2E.KT` ### 要求 * 繪制圖標題、橫軸標題、縱軸標題、以及圖例。縱坐標顯示規約數據自動顯示的刻度即可，橫坐標刻度需使用國家代碼。由于國家名稱較多，繪圖時，橫軸坐標刻度僅保留聯合國安理會五大常任理事國的國家代碼（中，美，俄，法，英）。 * 當某些年份數據缺失時，使用該國家近鄰年份的數據進行填充。當某國家對應的數據全部缺失時，即沒有相鄰數據用于參考，那么使用 0 進行填充。 * CO2 總量 與 GDP 總量 在數值上差距懸殊，為了保證繪制到同一張圖時具有良好的觀賞性，必須針對兩類數據進行歸一化處理。使用 Min-Max 標準化算法對繪圖數據進行歸一化處理，算法公式詳見提示語。 * 為了驗證繪圖的正確性，請務必在繪圖前添加子圖對象，并將 fig 對象作為函數的返回值。你可以直接使用 plt.subplot() * 為了驗證繪圖數據的正確性，請務必將計算所得的中國 Min-Max 歸一化后的 CO2 和 GDP 數據(保留 3 位小數) 作為列表返回。 ### 結果示意圖 > 需要使用 Matplotlib 進行繪圖，繪制的示意圖如下：  ## 相關參考網站 [java&python](http://www.codertopic.com/?p=2109) [股票九斗](https://m.joudou.com/new-secuinfo?id=000651.SZ&name=%E6%A0%BC%E5%8A%9B%E7%94%B5%E5%99%A8) [國內汽車數據分析公司](https://www.so.car/) [汽車數據檢索](https://veaicle.com/wechat/car.php) [kaggle](http://www.kaggle.com/) [Start here! Predict survival on the Titanic and get familiar with ML basics](https://www.kaggle.com/c/titanic/kernels) [Titanic Data Science Solutions ](https://www.kaggle.com/startupsci/titanic-data-science-solutions) [Data Scientists on Github](https://www.analyticsvidhya.com/blog/2016/09/most-active-data-scientists-free-books-notebooks-tutorials-on-github/)