本项目提供了一份儿童营养不良估计值记录的 Excel 数据，一共包含四份子表，分别是
“Stunting Proportion (Model)”、“Stunting Numb Affected(Model)”、“Overweight Proportion
(Model)”和“Overweight Numb Affected(Model)”
项目任务
任务 1 明确项目需求与目标。
任务 2 环境准备：NumPy、Pandas、pyecharts、Matplotlib、Seaborn 等。
任务 3 数据探索和数据预处理：探索数据数值分布的情况，对比最大值与最小值之间
的区别；清洗数据中的缺失值、重复值、异常值等情况，确定数值估计的方法，提取该方法
的儿童营养不良情况记录数据。
任务 4 总体情况可视化分析：统计全世界 2000 年至 2020 年儿童发育不良和超重的平
均比例和平均人数，绘制图表，跟踪近二十年儿童营养不良的变动趋势以及对比 2000 年与
2020 年儿童营养不良的变化水平，根据可视化结果进行分析。
任务 5 儿童发育不良情况可视化分析：对各国儿童发育不良的比例和人数进行划分，
根据数值的大小区分营养不良的程度，绘制图表，统计并对比 2000 年与 2020 年不同程度分
布情况；绘制地理图，分析不同国家儿童营养不良的情况；根据不同程度，抽取排名前 3 的
国家数据，整合数据分析儿童营养不良不同程度数据的差距情况；分析对比 2000 年与 2020
年各国儿童发育不良的比例和人数变动情况。
任务 6 儿童超重情况可视化分析：对各国儿童超重的比例和人数进行划分，根据数值
的大小区分超重的程度，绘制图表，统计并对比 2000 年与 2020 年不同程度分布情况；绘制
地理图，分析不同国家儿童营养不良的情况；根据不同程度，抽取排名前 3 的国家数据，整
合数据分析儿童营养不良不同程度数据的差距情况；分析对比 2000 年与 2020 年各国儿童
超重的比例和人数变动情况。
任务 7 可视化分析结果：对项目进行小结，总体分析与汇报全世界儿童身体健康情况。
任务 8 完成项目报告。
核心技术
（1） Python 数据分析
（2） Python 数据可视化
实现工具
NumPy、Pandas、Matplotlib、Seaborn、pyecharts 等。