本项目旨在利用大数据计算框架 Spark 和编程语言 Python，对第七次全国人口普查数据 进行分析，通过分析各地区人口分布，全国、各地区人口受教育程度，人口增长情况，以及 各省 GDP，根据分析结果，对人口分布、结构、特征等方面进行深入了解和洞察，更好地 认识和把握人口变化的趋势和规律，从多个层面提供更有针对性和科学性的人口政策和社会 发展战略建议。本项目提供了七份采集自国家统计局网站的数据集，分别为各省 GDP、全国人口年龄 构成、各地区 15 岁及以上人口平均受教育年限、各地区每 10 万人口中各类受教育程度人数、 各地区人口、各地区人口年龄构成、各地区性别构成。 “各地区每 10 万人口各类受教育程度人数”数据集包含各地区的受教育程度信息，数 据字段包含地区、大学（大专以上）、高中（含中专）、初中、小学，统计单位为“人/10 万人”。 项目任务 任务 1 明确项目需求与目标 任务 2 环境准备 任务 3 数据读取与数据预处理 任务 4 各地区人口分布分析 任务 5 全国、各地区人口受教育程度分析 任务 6 人口增长情况分析 任务 7 各省 GDP 分析 任务 8 完成项目报告 核心技术 （1） Python 数据分析与应用 （2） Python 数据可视化

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。

本项目的数据来源于央视网 2020 东京奥运会，一共有 4 份数据，分别是东京奥运会奖 牌榜数据（national_medal.xlsx）、各赛事项目金牌得主数据（golds.xlsx）、各赛事项目银牌 得主数据（silvers.xlsx）和各赛事项目铜牌得主数据（bronzes.xlsx） 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 等。 任务 3 数据读取与探索，了解数据的基本情况。 任务 4 数据预处理。 任务 5 分析奥运会奖牌在世界国家的分布情况并运用 Pyecharts 可视化分析结果。 任务 6 分析主要国家奖牌分布情况并运用 Pyecharts 可视化分析结果。 任务 7 分析我国奖牌分布与变化情况并运用 Pyecharts 可视化分析结果。 任务 8 比较我国与竞争国家奖牌情况并运用 Pyecharts 可视化分析结果。 任务 9 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、Pyecharts 等。