数据来源

https://www.kaggle.com/datasets/sudipde25/global-internet-adoption-trends/data

说明

此数据集主要为探索以可视化为主

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

from matplotlib import font_manager
# 设置字体路径
font_path = '/System/Library/Fonts/STHeiti Medium.ttc'

# 加载字体
my_font = font_manager.FontProperties(fname=font_path)

# 设置为默认字体
plt.rcParams['font.family'] = my_font.get_name()
plt.rcParams['axes.unicode_minus'] = False  # 正确显示负号

colors = ['#d7fbe8','#9df3c4','#62d2a2','#1fab89','#a6d0e4', '#f9ffea', '#ffecda', '#d4a5a5', '#fbafaf', '#f2c6b4', '#f3e8cb', '#99e1e5']

Country 国家
Date 日期
Internet_Penetration (%) 互联网普及率（%）
Broadband_Speed (Mbps) 宽带速度（Mbps）
GDP_Per_Capita (USD) 人均GDP（美元）
Education_Level (%) 教育水平（%）
Mobile_Data_Usage (GB) 移动数据使用量（GB）
Digital_Investment (M USD) 数字投资（百万美元）
Digital_Literacy (%) 数字素养（%）
X_Sentiment_Score X情绪评分
5G_Rollout 5G部署
Urban_Rural 城乡（城市/农村）
Latitude 纬度
Longitude 经度
Anomaly 异常

分析每月数据

1
2
3

df = pd.read_csv('global_internet_adoption_monthly_2010_2025_with_clusters.csv')

df['Date'] = pd.to_datetime(df['Date'])

1
2
3

sns.pairplot(df, diag_kind='hist')
plt.suptitle('EDA', y=1.02)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import math

# 选出所有数值型列（排除 'Country'）
num_cols = [col for col in df.columns if df[col].dtype in ['float64', 'int64']]

# 设置子图布局（比如每行显示2个图）
n_cols = 3
n_rows = math.ceil(len(num_cols) / n_cols)

# 设置图尺寸
fig, axes = plt.subplots(n_rows, n_cols, figsize=(6 * n_cols, 5 * n_rows))

# 若 axes 是 1D，需要变成 2D 统一处理
axes = axes.flatten()

for i, col in enumerate(num_cols):
    sns.boxplot(data=df, x='Country', y=col, ax=axes[i], palette=colors)
    axes[i].set_title(col)
    axes[i].tick_params(axis='x', rotation=45)

# 多余的子图隐藏
for j in range(i+1, len(axes)):
    fig.delaxes(axes[j])

plt.tight_layout()
plt.show()

上述是不同国家的互联网相关的各项数据的箱线图

从互联网普及率来看中国美国和德国的互联网普及率在一个水平其他国家的在另一个水平说明中国美国和德国的互联网普及率较其他国家领先
从宽带速度来看各国的宽带速度有差别但差别不算太大
从国家GDP来看各国的GDP的差别较大
从教育水平来看各国的教育水平有差别与互联网普及率的关系不大
从移动数据使用量来看各国的移动数据使用量基本一致
从数字投资来看各国的数字投资有差别其中美国的数字投资最高个人认为由于美国的互联网发展最早了解其中的的投资回报率并且可以投资的资金十分丰厚所以其数字投资最高第二高的是中国由于中国作为世界第二大经济体也了解其中的投资回报率第三高的是南非作为一个非洲国家其互联网发展较晚但是却有如此的投资应该是因为作为一个发展中国家要想在国际市场上获得成功其要抓住机会因此政府大力投资
从数字素养来看各国的数字素养有差别数字素养的高低反应了国家互联网发展水平与先后关系
从X情绪评分来看各国的X情绪评分几乎一致
从5G部署来看各国的5G部署有差别只有中国、美国和德国全面部署了5G 由于5G的部署需要大量的投资因此只有少数国家负担得起其他国家那些有5G的应该是私人部署

import plotly.express as px

fig = px.line(df, x='Date', y='Internet_Penetration (%)', color='Country',
              title='Internet Penetration Over Time',
              labels={'Internet_Penetration (%)': 'Internet Penetration (%)', 'Date': 'Date'})

# 设置图例放到图外右侧
fig.update_layout(
    legend_title_text='Country',
    legend=dict(
        x=1.05,
        y=1,
        xanchor='left',
        yanchor='top',
        bgcolor='rgba(0,0,0,0)',  # 图例背景透明
    ),
    margin=dict(r=150)  # 右边距留够空间放图例
)

fig.show()

可以看到随着时间的推移互联网的普及率呈现阶梯式上升的趋势

不同国家的互联网普及率也有一定的差异这是由于国家的发展导致的有些国家发展得早互联网普及率就高一些有些国家发展得晚互联网普及率就低一些

import matplotlib.pyplot as plt
import seaborn as sns


fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 城乡互联网渗透率
ax1 = axes[0, 0]
sns.lineplot(data=df, x='Date', y='Internet_Penetration (%)',
             hue='Urban_Rural', ci=None, ax=ax1)
ax1.set_title("城乡互联网渗透率")
ax1.legend(title='Urban/Rural')

# 数字投资 vs GDP
ax2 = axes[0, 1]
sns.scatterplot(data=df, x='GDP_Per_Capita (USD)', y='Digital_Investment (M USD)',
                hue='Country', ax=ax2, legend=False)
ax2.set_title("数字投资与人均GDP的关系")

# 各国互联网渗透率分布
ax3 = axes[1, 0]
sns.violinplot(data=df, x='Country', y='Internet_Penetration (%)',
               palette=colors, ax=ax3)
ax3.set_title("各国互联网渗透率分布")
ax3.tick_params(axis='x', rotation=45)

# 饼图
ax4 = axes[1, 1]
investment_by_country = df.groupby('Country')['Digital_Investment (M USD)'].sum()
top10 = investment_by_country.sort_values(ascending=False).head(10)

ax4.pie(top10,
        labels=top10.index,
        autopct='%1.1f%%',
        startangle=140,
        colors=colors[:10],
        wedgeprops={'edgecolor': 'white'})
ax4.set_title("国家数字投资占比")


plt.tight_layout()
plt.show()

import plotly.express as px
import pandas as pd

df_map = df.groupby('Country', as_index=False)['Digital_Investment (M USD)'].sum()

df_map['Investment (%)'] = df_map['Digital_Investment (M USD)'] / df_map['Digital_Investment (M USD)'].sum() * 100

# 使用 Plotly 画 Choropleth 地图
fig = px.choropleth(df_map,
                    locations='Country',
                    locationmode='country names',
                    color='Investment (%)',
                    hover_name='Country',
                    color_continuous_scale='Blues',
                    title='各国数字投资占比（%）')

fig.update_geos(showframe=False, showcoastlines=False)
fig.update_layout(margin={"r":0,"t":50,"l":0,"b":0})
fig.show()

import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots


investment_by_country = df.groupby('Country')['Digital_Investment (M USD)'].sum()

top10 = investment_by_country.sort_values(ascending=False).head(10)
top10_percent = top10 / top10.sum() * 100  # 转为百分比


df_map = investment_by_country.reset_index()
df_map['Percent'] = df_map['Digital_Investment (M USD)'] / df_map['Digital_Investment (M USD)'].sum() * 100

# 创建 subplot: 1行2列，第1列地图，第2列饼图
fig = make_subplots(rows=1, cols=2, 
                    column_widths=[0.6, 0.4],
                    specs=[[{"type": "choropleth"}, {"type": "domain"}]],
                    subplot_titles=("各国数字投资地图", "前10国家投资占比饼图"))


map_fig = px.choropleth(df_map,
                        locations='Country',
                        locationmode='country names',
                        color='Percent',
                        color_continuous_scale='Blues',
                        hover_name='Country')
for trace in map_fig.data:
    fig.add_trace(trace, row=1, col=1)


fig.add_trace(go.Pie(
    labels=top10.index,
    values=top10.values,
    hole=0,  
    textinfo='percent+label',
    marker=dict(colors=colors),
), row=1, col=2)


fig.update_layout(
    title_text="数字投资地图 + Top10 国家饼图",
    showlegend=False,
    margin=dict(t=60, l=30, r=30)
)

fig.show()

plt.figure(figsize=(6, 5))
sns.heatmap(df.select_dtypes(include='number').corr(), annot=True, cmap='coolwarm', square=True)
plt.title("变量相关性热力图")
plt.show()

智浩的Blog

Global Internet Adoption & Digital Growth Analysis

数据来源

说明

分析每月数据