• 基礎數據分析-2026

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)

  import pandas as pd
  import numpy as np
  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
  臺灣逐年GDP = data1.loc[0, '1960':'2024']
  臺灣逐年人口 = data3.loc[0, '1960':'2024']
  
  # 3. 提取日本資料
  日本的GDP = data2[data2['Country Name'] == 'Japan']
  日本逐年GDP = 日本的GDP.loc[:, '1960':'2024'].iloc[0]
  
  日本的人口 = data4[data4['Country Name'] == 'Japan']
  日本逐年人口 = 日本的人口.loc[:, '1960':'2024'].iloc[0]
  
  # 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
  臺灣人均GDP = 臺灣逐年GDP * 1000000 / 臺灣逐年人口
  日本人均GDP = 日本逐年GDP / 日本逐年人口
  
  # 5. 設定年份 (從 1960 到 2024，共 65 年)
  年份 = 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 = 年份,
      y = 臺灣人均GDP,
      mode = 'lines+markers',
      name = '臺灣'
  )
  
  trace2 = go.Scatter(
      x = 年份,
      y = 日本人均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