• 基礎數據分析-2026(2)

人均GDP比較

• 講義

• 臺灣GDP資料下載(gdp_taiwan2024.csv)

  世界GDP資料下載(gdp_world2024.csv)

  臺灣人口數資料下載(population_taiwan2024.csv)

  世界人口數資料下載(population_world2024.csv)

  # 匯入numpy套件，為了簡化程式碼，將它套件另外命名成np
  import numpy as np
  # 匯入pandas套件，為了簡化程式碼，將它套件另外命名成pd
  import pandas as pd
  # 匯入 csv 套件
  import csv
  
  # 匯入plotly套件，以便繪製視覺化圖形
  import plotly.graph_objs as go
  import plotly.io as pio
  
  # 針對 Colab 的顯示設定
  pio.renderers.default = 'colab'
  
  # 1. 讀取資料
  data1 = pd.read_csv('gdp_taiwan2024.csv')
  data2 = pd.read_csv('gdp_world2024.csv')
  data3 = pd.read_csv('population_taiwan2024.csv')
  data4 = pd.read_csv('population_world2024.csv')
  
  # 2. 提取台灣資料
  Taiwan_GDP = data1.loc[0].iloc[1:]
  Taiwan_population = data3.loc[0].iloc[1:]
  
  # 3. 提取日本資料
  country_GDP = data2.loc[119].iloc[2:]
  country_population = data4.loc[120].iloc[2:]
  
  # 4. 確保資料為數值型態並計算人均 GDP
  # 台灣單位換算：假設 GDP 為百萬美元，所以乘以 1,000,000
  Taiwan_P_GDP = Taiwan_GDP * 1000000 / Taiwan_population
  country_P_GDP = country_GDP / country_population
  
  # 5. 設定年份 (從 1960 到 2024，共 65 年)
  years = np.arange(1960, 2025)
  
  # 6. 將要繪製的拆線圖拼成一個串列資料
  trace1 = go.Scatter(
      x = years,
      y = Taiwan_P_GDP,
      mode = 'lines+markers',
      name = '臺灣'
  )
  
  trace2 = go.Scatter(
      x = years,
      y = country_P_GDP,
      mode = 'lines+markers',
      name = '日本'
  )
  
  # 7. 建立 Layout
  layout = go.Layout(
      title='臺灣 vs 日本：人均 GDP 趨勢比較 (1960-2024)',
      xaxis={'title': '年份'},
      yaxis={'title': '人均 GDP (USD)'},
      hovermode='closest'
  )
  
  # 8. 組合並顯示
  fig = go.Figure(data=[trace1, trace2], layout=layout)
  fig.show()

  執行結果