Your browser does not support video tags. 1.团队介绍 团队成员：曹炎浩（领队），向晓羽（成员） 组合契机：数据分析与我们专业的学习内容息息相关，并且可以学到新的知识，熟练的掌握数据分析工具。并且我们都勇于尝试，在课余学习不一样的知识与技能也是我们共同追求的。通过本校的“碳达峰、碳中和”活动让我们更加了解到高校的高排放，高消耗，我们普及双碳知识，树立低碳生活理念，培养低碳生活习惯。也让我们对碳排放与新能源汽车更加感兴趣。 2.背景 二氧化碳排放量增多给人类带来一系列的问题，如二氧化碳增多等问题将导致全球气温在不断上升，产生全球温室效应，最终会导致北极冰封许久地冰层逐渐融化，海平面上升形成海底城市；如随着二氧化碳不断地提升，全球变暖而导致了海洋气候变化无常，从而导致许多自然性灾难地发生，而这一切导致的结果是出自人类之手，伴随着科技的进步，我们不能抛弃森林绿化，我们应该爱护它们，因为它们能够帮我们降低二氧化碳，我们应该更团结的去爱护自己的地球，节约能源，保护森林，这样才能不断地缓解二氧化碳所带来得严重后果。 3.作品亮点 从五个不同的维度出发，无论专业或者非专业人士均能从展示作品中看出重点与碳排放与新能源/风力发电的地区对比情况。 使用了finebi对不同地区碳排放和新能源/风力发电的关联度进行数据挖掘，建模分析。 采用多样化配色方案，主题突出，故事性丰富。 仪表盘模块化分布合理，使得数据可视化思路清晰，逻辑严谨。 4.制作流程 4.1分析思路 图4.1 世界碳排放与新能源的使用分析思路图 选择从2个大的维度（世界碳排放，新能源）对世界碳排放与新能源的使用情况进行分析。 4.2 数据来源 数据取自国家统计局。 最终使用数据说明。 原始数据源（两个文档）：文字提取.docx，文字提取2.docx 数据源处理（十张表）：co.xlsx；paif主要国家co2.xlsx；风力发电机组进口(千美元.台).xlsx；环比增长.xlsx；碳排放.xlsx；新能源汽车销量(辆).xlsx；新能源乘用车产量.xlsx；新能源专用车产量.xlsx；逐年.xlsx；追加1.xlsx。 数据源处理工具：FineBi、Excel，墨刀。 4.3数据加工 4.3.1 数据字段 该数据共包含36个有效字段，包含主要国家，碳排放，环比增长，逐年，风力发电机组进口，新能源汽车销售，新能源专用车产量七个方面，具体如下图所示： 图4.2 世界碳排放与新能源使用分析数据字段图 4.3.2数据加工过程 paif主要国家co2.xlsx 使用excl将原数据表导入，使用“填充”将源文件中的英文全部转化为汉字、再使用“填充”将数字格式纠正为即可。 碳排放.xlsx 将文字提取.docx使用Excel进行分类汇总，以国家为主统计每年二氧化碳排放量，再使用Excel将统计的数据做计算，算出每个年度二氧化碳排放量的增幅，使用“填充”将各个年度二氧化碳排放量对比添加入数据流，最后使用表格导入即可。 风力发电机组进口(千美元.台).xlsx 将文字提取.docx导入excl中，以时间为主统计每年风力发电机进口量，再使用Excel将统计的数据做计算，算出每个年度风力发电机进口量的增幅，使用“填充”将各个年度二氧化碳排放量对比添加入数据流，最后使用表格导入即可。 环比增长.xlsx 将文字提取环比增长.docx导入，在BI中添加一个数据自助集，命名为“大环比增长”。 逐年.xlsx 将文字提取逐年.docx导入，运行程序再将其用数据表导出即可。 新能源汽车销量(辆).xlsx 将文字提取2.docx导入，分别使用两个“选择”将销量与当月同比分开统计，再分别使用“汇总”将关键字段设置为“累计值”，汇总字段选择“累计同比”，勾选“日期”，再选择“合并”将子类别作为合并的关键字，最后使用表格导出即可。 新能源专用车产量.xlsx 将文字提取.docx导入，分别使用两个“选择”将EV与HEV分开统计，在分别使用“汇总”将关键字段设置为“年份”，汇总字段选择“EV”，再选择合并的关键字，最后用表格导出即可。 追加1.xlsx 在专业网站找出需要追加与修改的数据，汇总到excl，然后替换追加到finebi。 5.成果展示 5.1 仪表板布局示意图 图5.1 排版布局图 5.2 模块一 2000年与2010年世界各国碳排放量数据分析 5.2.1 图表制作 来自paif主要国家co2.exel，追加1.exel。 图5.2 卫星地图1图 分析说明：为了更加直观的显示2000于2010的世界碳排放量数据，将它们以地图块的形式显示出来，可使参考者随时看到最直观的碳排放量情况。通过对2000世界主要国家氧化碳排放量图与2010年世界主要国家二 氧化碳排放量图的对比，我们明显看出亚洲的二 氧化碳排放量明显增加，同时欧洲各国的二氧化碳的排放量明显低于亚洲，但总体而言，2010年的二氧化碳的排放量总体比2000高。 从区域结构来看，亚洲在中国、日本等国家经济增长的驱动下碳排放量快速增加，逐步成为世界第一大碳排放地区; 北美、欧洲的碳排放量则逐步走低，进入负增长阶段。大洋洲、非洲、南极洲由于碳排放量极小，此处不进行分析。 从区域碳排放总量来看，亚洲是当前世界第一大碳排放地区 ,碳排放量远超其他区域。 地图：2000年碳排放量地图由碳排放.xlsx在finebi中实现，将国家列转化为地图维度，再将日期列拖拽到颜色，设置颜色，将国家与日期拖拽到标签，设置背景色，整体布局显示 2.来自paif主要国家co2.exel，追加.exel。 图5.3 2000年主要国家二氧化碳排放漏斗图 图5.4 2010年主要国家二氧化碳排放量漏斗图 分析说明： 从世界主要国家二氧化碳排放量可以看出，有四个国家明显高于其他国家，并且把鼠标放上去的时候，可以明显看出各个国家对应的排放量，亚洲的中国明显居于榜首，其次是北美洲的美国。 叠图制作：将.xlsx在finebi中实现，将日期与排放分别拖入横轴与纵轴，设置为叠图，整体适应，美观方便。 3. 来自paif主要国家co2.exel，追加.exel。 图5.5 2000/2010各国二氧化碳排放量对比柱状图 分析说明：从国家角度来看2000年和2010年的碳排放量对比图，不难看出，中国在2010年超过美国跃居榜首，而且亚洲国家有印度，韩国后来居上。可以看出，欧洲国家碳排放量反而降低，也体现了欧洲国家在努力降低碳排放量。中国超过美国接近33%。从国家角度而言，涨幅最大的是中国，其次是印度；而美国，俄罗斯，日本等国不升反降。 对比柱状图：将.xlsx在finebi中实现，将日期与排放分别拖入横轴与纵轴，设置为对比柱状图，整体适应，美观方便。 4. 来自paif主要国家co2.exel,追加.exel。 图5.6 2000年世界碳排放词云图 图5.7 2000世界碳排放扇形图 分析说明：从词云图5.6直接明了的看出2000年碳排放量最多的国家，依次是美国，中国，俄罗斯联邦，日本等，简洁明了，方便人们阅读时直截了当的看出重要国家和重要信息。 从扇形图5.7，可以看到2000世界总排放量是24688千吨，其中总量最大的国家是美国，碳排放量是5737.2千吨，碳排放量几乎占了总量的25%，其次是中国3402.3千吨。利用扇形图，方便人看到国家占比，并且与世界总量进行对比，直截了当，简洁明了。 扇形图：国家/世界占比， 在FineBi组件中，选择扇形图，在“指标”中选择“国家/世界”分别拖入“大小”“文本”选择自己喜欢的配色即可实现。 词云图：碳排放量国家占比， 在FineBi组件中，选择词云图，在“指标”中选择“国家”分别拖入“大小”“文本”选择自己喜欢的配色即可实现。 5.2.2 成果展示 图5.8 模块一展示图 5.3 模块二 2000/2007年人均二氧化碳排放量 5.3.1 图表制作 1.来自碳排放.xlsx 图5.9 2000/2007年人均碳排放量地图 分析说明：从地图颜色来看，可以看出，2000年美国人均碳排放量居于榜首。二氧化碳排放量的考量离不开六个基本的要素。第一是“单位能源消费二氧化碳排放量"， 第二是“单位GDP能源消费量"，第三是“单位GDP二氧化碳排放量"，第四是衡量经济发展水平的“人均GDP"，第五大要素就是“人口的总量与结构”，第六大要素是“人均二氧化碳排放量"，，以 上五大要素相互影响的结果最终体现在这一指标上。 其实这是衡量个经济体碳排放的关键指标， 人均二氧化碳排放量的拐点才是碳排放真正意义上的“峰值”。 从地图对比可以看出，2007年亚洲平均人均排放量增加，可以明显看出各个国家的对比，从区域来看，地图更方便作对比，更方便理解。 地图：2000年碳排放量地图由碳排放.xlsx在finebi中实现，将国家列转化为地图维度，再将日期列拖拽到颜色，设置颜色，将国家与日期拖拽到标签，设置背景色，整体布局显示 2.来自碳排放.xlsx 图5.10 2000/2007人均二氧化碳碳排放量对比图 分析说明：从国家对比柱状图可以看出，人均碳排放量居于榜首的是加拿大，文莱，澳大利亚，美国。从时间对比可以看出，哈萨克斯坦的人均碳排放量增长很大,伊朗其次；美国人均碳排放量降低，德国，加拿大，中国，以色列其次。从碳排放量可以看出，中国人均碳排放量不高，但总碳排放量很高。人均碳排放量是碳排放量检测的重要因素。对比柱状图让时间对比明显，国家之间的人均碳排放量对比也一目了然。让人直接明了看到时间上国家的对比变化。 对比柱状图：将.xlsx在finebi中实现，将日期与排放分别拖入横轴与纵轴，设置为对比柱状图，整体适应，美观方便 3. 来自碳排放.xlsx 图5.11 2000/2007人均碳排放量气泡图 分析说明：气泡图更加直接看到2000年与2007年的国家人均碳排放量。该图的优点是在争对于2000年和2007年可以分别看出2000年人均碳排放量最高的分别是：美国20.3，文莱19.6，加拿大17.5，澳大利亚17.2。2007年人均碳排放量最高的分别是：文莱19.7，美国19.3，澳大利亚17.7，加拿大16.9。气泡图可以直观的从特定的时间看到不同国家的数据，但其缺点是难以做时间上的对比，难以看增长与减少量，对比这方面不如对比柱状图直观。但可以之间从中得到2000与2007人均碳排放量高的国家。 气泡图：将.xlsx在finebi中实现，将日期与指标分别拖入横轴与纵轴，再将气泡图的颜色随日期变化，形状设置为几何，整体适应 4. 来自碳排放.xlsx 图5.12 2000/2007人均碳排放量散点图 分析说明：对于处理值的分布和数据点的分簇,散点图很理想。从以上散点图可以看到数据的起伏，以及最高点和最低点，但是因为国家之间没有必然联系，散点图的作用大大削减。 散点图：将.xlsx在finebi中实现，将国家与排放分别拖入横轴与纵轴，设置为对比柱状图，整体适应，美观方便 5. 来自碳排放.xlsx 图5.13 2000/2007年人均碳排放量折线图对比 分析说明：折线统计图不仅可以表示数量的多少，而且可以反映同一事物在不同时间里的发展变化的情况。折线图在生活中运用的非常普遍，虽然它不直接给出精确的数据，但只要掌握了一定的技巧，熟练运用“坐标法”也可以很快地确定某个具体的数据。从折线图时间对比可以看出，大部分国家2000与2007人均碳排放量几乎重叠，但也能看出有个别国家涨幅比较大，比如哈萨克斯坦。折现图可以让时间上对比一目了然。 对比折现图：将.xlsx在finebi中实现，将国家与排放分别拖入横轴与纵轴，设置为对比柱状图，整体适应，美观方便 5.3.2成果展示 图5.14 模块二展示图 5.4 模块三历年二氧化碳增长率分析 5.4.1 图表制作 1.来自环比增长.exel。 图5.15 2022环比增长散点图 分析说明：从散点图看出，中国碳排放量环比增长最高的时候是3月，增速为0.6，增速最低的是9月0.06.但就总体而言，碳排放量一直是增长的，该环比增长的散点图有助于读者直观的看到增幅速度。 散点图：将.xlsx在finebi中实现，将时间与环比增速分别拖入横轴与纵轴，设置为对比柱状图，整体适应，美观方便 2.来自逐年.exel。 图5.16 1990-2006碳排放量年均增长柱状图 分析说明：从国家的柱状图看出，大部分国家从1990-2006碳排放量一直呈现增长趋势，也有少数国家碳排放量属于下降趋势，例如：俄罗斯，土耳其等。同时，从图中也可以看出，菲律宾，澳大利亚等国家碳排放量年增长速度很快。该柱状图的缺点是，如果国家数据过多，横轴会重叠。 柱状图：将.xlsx在finebi中实现，将日期与排放分别拖入横轴与纵轴，设置为对比柱状图，整体适应，美观方便。 3. 来自逐年.exel。 图5.17 1985-1996二氧化碳排放散点图 分析说明：从散点图看出，新加坡的碳排放量逐年升高，且排放量最高，散点图在国家数据多的时候有利于对比找到最高点和最低点，该散点图是1985-1996年碳排放量的散点的叠加，还可以方便读者看出不同时间不同国家的碳排放量对比。 散点图：同之前的散点图。 4. 来自逐年.exel。 图5.18 1985-1996国家碳排放量堆积柱状图 分析说明：堆积柱状图比散点图更加直观，不仅可以看到1985-1996的累计碳排放量，还可以进行国家之间的对比。例如，英国1985-1996年总碳排放量明显最高，其次是新加坡，美国，加拿大。可以直观的看出总体的数据量对比，但缺点也明显，一旦数据涉及的国家过多，就会导致横轴上数据显示不清楚。 柱状图：同上。 5.4.2图表展示 图5.19 模块三图表展示 5.5 模块四2000/2011部分国家一氧化碳排放量分析 5.5.1图表制作 1.来自碳排放.exel。 图5.20 2000/2007部分国家一氧化碳工业排放量地图 图5.21 2000/2007部分国家一氧化碳人类活动排放量地图 图5.22 2000/2007部分国家一氧化碳汽车排放量地图 分析说明：从图5.20，一氧化碳工业排放量地图可以看出2000年美国一氧化碳排放量为9234（千吨），2011年为83680，增加了9倍，纵观两个地图，可以看出10年间，一氧化碳排放量几乎所有国家排放量都翻了一倍，可见这十年间工业排放一氧化碳的量的增加。从地图5.21，可以看出一氧化碳人类活动排放量，每一个国家都降低了，但从地图上可以看出排放量最高还是集中在美国，澳大利亚，加拿大这些国家。从地图5.22上可以看出，从2000到2011年，一氧化碳汽车排放量，各个国家几乎都没有变化。利用地图，可以更好的区分地区国家的一氧化碳排放量的排放量高低，从收集到数据可以看出，比较美洲和欧洲，美洲的排放量明显高于欧洲。地图更加方便读者的了解和进行地区的对比。 地图：同上。 2.来自新能源专用车产量.xlsx。 图5.23 碳排放EV饼图/PHEV饼图 分析说明：饼图将EV值与PHEV值以比例的形式直观的呈现在读者面前，可以清晰看到不同国家的一氧化碳值占比，将鼠标放在对应的区块上，可以看到具体的年份和数据。饼图让数据直观呈现出来，但同时也有缺点，对于国家还是不够直观，因为数据太多，但胜在简洁明了，因此选择饼图。 饼图:同上。 5.5.2图表展示 图5.24 模块四图表展示 5.6 模块五 新能源汽车/风力发电机数据分析 5.6.1图表制作 1. 新能源专用车产量.xlsx 图5.25 新能源汽车产量EV值柱状图 图5.26 新能源汽车HEV值柱状图 图5.27 新能源汽车PHEV值柱状图 分析说明：EV是指电子伏特，能量的单位.表示电动汽车，企业价值，管理模块等。HEV是混合动力汽车。HEV是传统汽车与完全电动汽车的折衷：减少了对化石燃料的需求，提高了燃油经济性，从而达到节能减排和缓解温室效应的效果。PHEV是特指通过插电进行充电的混合动力汽车 图5.25 HV值柱状图可以看出2015-02新能源汽车生产的EV值最高，其次是2015-01，最低值是2014-5只有913。柱状图可以帮助读者直观的看到最高值和最低值，并清晰的看到数据随着年份的变化而变化。图5.26HEV值可以看出2014-2015产值起伏不定，其中最高值依次是2015-02和2015-12，分别是31019和13805，最低值是2015-5接近没有。图5.27可以看出最高值分别是2015-02和2015-01，2015-11的7510，7028，6779；最低值是2014-02的289。以上三图明显有共同点，在2015年时新能源汽车产量各个方面都超过了2014年，尤其是年初，这说明2015年开始，我国开始重视新能源汽车的发展。 柱状图：如上。 2. 新能源汽车销量(辆).xlsx 图5.28 新能源产量玫瑰图 图5.29 新能源汽车产量图标图 分析说明：从玫瑰图可以看出，汽车产量最高的时候是2015-10的34316，和2015-9的28092，从2014年到2015年可以明显看出新能源汽车产量的增加，也证明从2015年开始新能源汽车在国内逐渐火热，国家也下达政策大力支持。从图表可以看到具体数据，以及累计值，数据采集更加方便，而玫瑰图则更方便直观的看到数据随着年份而产生的变化。 玫瑰图：新能源汽车产量分析，将“维度”中“时间”拖入“横轴”，将“指标”中的“产量”拖入“纵轴”、“连线”，再将“维度”中的“后项”拖入“颜色”、“标签”，即可。 3. 风力发电机组进口(千美元.台).xlsx 图5.30 风力发电机组进口散点图 图5.31 风力发电机组进口玫瑰图 分析说明：从风力发电机组散点图看出2014年10月到2015年9月的进口变化，和数量变化趋势，总体来说进口量还是增加的，进口最多的时间是2014-11和2014-12，散点图展示的是进口机组的变化趋势，风力发电机进口玫瑰图，数据更加明确，通过占比把数据以比例的形式清晰明了的展现在读者面前，比如，2014年11月最高值为614413.53。玫瑰图数据直接明了更加清晰。、 玫瑰图，散点图：如上。 5.6.2图表展示 图5.32 模块五图表展示 5.7 图标联动 图5.33 图标联动导图 分析说明：仪表板联动效果分为8个部分。一个Part代表着一个有联动的系列，它的二级主题代表着联动图表分布在那个区域，三级主题代表着具体的联动图表。 6 总结和分享 我们总结了2000年/2010年全球各国的碳排放量，2000/2007年全球人均碳排放量，历年二氧化碳排放量年均增长率，环比增长，1990-2006碳排放增长速率，1985-1996碳排放增长速率，2000/2011部分更加一氧化碳排放量（汽车排放，工业排放，人类活动排放），新能源汽车销量，新能源汽车HV，HEV,PHEV的变化，风力发电机组进口数量变化并做成叠图，地图，对比柱状图，词云图等图，以加强数据的展现形式，以便读者可以找到满足需求的图形，不同图形侧重点不同，并且我们为之提供了文字讲解。 我们搜集这些数据，旨在进行对比，通过10年间各国碳排放数据对比不难看出碳排放量的数据趋势，当然，人均二氧化碳排放量更是全球碳排放量的重点，我们也对此进行了搜集，通过各种表格对比也可更好的看出数据发展的趋势。根据国家政策，面对碳排放快速增长带来的威胁，世界各国采取了立法、政策宣誓等措施开展减排行动，包括中国在内的主要碳排放国家设置了实现碳中和的目标时间。 尽管减排行动已经取得了一定成就，但在能源结构、碳汇技术发展程度、各国对减排重视程度不同等因素影响下，全球减排问题依然面临着严峻挑战。一是世界能源结构调整需要一定时间。目前世界能源消耗依然以燃烧产生大量碳排放的化石能源为主，2020年石油、天然气、煤炭三者消耗占比达到全球一次能源消耗总量的83%左右，在短时间内剧烈调整能源结构，降低化石能源占比，提升可再生能源比例存在巨大挑战。所以本次我们对新能源汽车和风力发电机组数据进行搜集，不难看出国家对这方面的重视。 作为过去三十年世界经济发展最强劲的动力源之一，从排放总量看，中国的碳排放与经济增长呈现出同步快速增长的态势。 中国自1970年以来碳排放量随着经济增长而开始同步抬升，在此后30年间基本保持着5%左右的增速；2001年入世后，我国经济迎来另一个快速增长周期，在2001年-2010年期间，碳排放和GDP之间存在明显的正向变动关系，增速大幅上行，部分年份增速达到了10%以上；直至2011年以后，我国环保政策开始趋严，碳排放增速才开始下行。从1970年-2019年，我国碳排放量从7.7亿吨增长到101.8亿吨，增长了13倍，这也侧面说明了这一阶段我国的经济增长方式主要还是靠着粗放型的资源消耗带动。 与其他国家相比，我国实现“双碳”目标面临着减排时间短、减排量大的巨大挑战。结合我国经济发展需求，预计未来一段时间，我国碳排放仍然将维持增长趋势，而碳排放量较大的电力、供热、制造业、建筑业、交通运输业等领域将成为控制碳排放的重点领域。随着我国整体向高质量发展转型，在产业结构、能源结构逐步调整、碳汇技术、绿色金融快速发展的过程中，我国将逐步走向碳达峰与碳中和。 本次资料多来自于国家统计局，但由于搜集者自身的局限性，数据的搜集存在困难，导致数据不够具有代表性，这也是我们的缺陷。