Задача понятна. Ниже предлагаю подробный план и решение для представления динамики объёмов и структуры мирового производства электроэнергии в виде диаграмм. Поскольку параметры предмета и класса не указаны, подойдем с общим школьным уровнем и понятиями, которые пригодятся на экзамене. 1) Что именно будем визуализировать - Общий объём мировой выработки электричества по годам. - Структура этой выработки по источникам энергии (доля и абсолютные объёмы по каждому источнику). - Взаимосвязь между ростом общего объёма и изменением структуры. 2) Основные метрики и единицы - Единица измерения: тера-киловатт-часы (TWh) или эквивалентная единица, принятая в вашем курсе. - Метрики: - Total_TWh по году — общий объём выработки. - Для каждого источника s: Source_TWh_s по году — вклад источника s в общую выработку. - Share_s по году = Source_TWh_s / Total_TWh. - Источники данных (для реальных работ): Our World in Data, IEA, BP Statistical Review, EIA, World Bank и т.д. Убедитесь, что единицы измерения и календарные годы сопоставимы. 3) Структура данных (рекомендованный формат) Таблица, где каждая строка — год, столбцы — общая выработка и по источникам. - Year - Total_TWh - Coal_TWh - Gas_TWh - Oil_TWh - Hydro_TWh - Nuclear_TWh - Wind_TWh - Solar_TWh - Bio_TWh (или Other_TWh, если не делите на подкатегории) - Other_TWh Дополнительно можно добавить для анализа: - Share_Coal, Share_Gas, … — доли источников (для диаграмм долей). - Growth_Total_yoy — темп роста общего объёма по году (процентный прирост год к году). 4) Что строим и зачем (диаграммы) Диаграмма A: Линейный график общего объёма по годам - Назначение: показать динамику роста/снижения общего производства электроэнергии. - Как читать: по оси X — годы; по оси Y — Total_TWh. Одна линия. Диаграмма B: Линейные графики по каждому источнику (абсолютные объёмы) - Назначение: увидеть, как менялся вклад каждого источника в абсолютном выражении. - Как читать: на одном графике линии для Coal_TWh, Gas_TWh, Oil_TWh, … по годам. Можно ограничиться ключевыми источниками. Диаграмма C: Стаканная диаграмма (Stacked area) по годам — структура в абсолютных объёмах - Назначение: видеть, как распределение вкладов источников менялось во времени в абсолютных единицах. - Как читать: высота слоя каждого источника пропорциональна Source_TWh_s; общая высота — Total_TWh. Диаграмма D: Стаканная диаграмма 100% (Stacked 100%) — структура по долям - Назначение: сравнить доли источников во времени независимо от роста общего объёма. - Как читать: суммарная высота равна 100%; доли источников — по оси Y. Лучшее для визуального сравнения структуры. Диаграмма E: Группированные столбчатые диаграммы по годам (для отдельных годов или выборки годов) - Назначение: наглядно сравнить вклад источников в конкретном году или в небольшой группе лет. - Как читать: по оси X — год(ы); группы столбиков — источники; высота — Source_TWh_s. Дополнительно (по желанию): - Диаграмма типа Sankey для демонстрации потоков вкладов между годами и источниками (не обязательно, но может быть интересной для продвинутого анализа). - Тепловая карта (heatmap) для долей источников по годам — наглядно увидеть смену структуры в больших наборах лет. 5) Пошаговый план по созданию диаграмм Шаг 1. Подготовка данных - Соберите данные за интересующий период (например, 1990–2024) по всем источникам. - Приведите к одной шкале единиц измерения (например, все в TWh). - Рассчитайте Total_TWh как сумму по источникам, чтобы проверить консистентность. - Рассчитайте доли: Share_s = Source_TWh_s / Total_TWh для каждого источника и года. Шаг 2. Пример структуры таблицы (для первых лет) - Year | Total_TWh | Coal_TWh | Gas_TWh | Oil_TWh | Hydro_TWh | Nuclear_TWh | Wind_TWh | Solar_TWh | Bio_TWh | Other_TWh | Share_Coal | Share_Gas | ... | Share_Solar - 2000 | 100000 | 42000 | 23000 | 9000 | 18000 | 8000 | 1500 | 500 | 1200 | 1000 | 0.42 | 0.23 | … | 0.005 Шаг 3. Построение диаграмм (общее руководство) - Excel/Google Sheets: - Диаграмма A: выберите Year и Total_TWh → вставка → линии. - Диаграмма B: Year против каждого Source_TWh (несколько серий) → вставка → линия/многоразовая. - Диаграмма C: Year против Source_TWh для всех источников → вставка → Assembly → Стаканная область. - Диаграмма D: Year против Source_TWh и выберите формат "Стаканная 100%" (или используйте доли) → заливка различными цветами. - Диаграмма E: год(ы) по оси X; Source_TWh по оси Y; выберите группировку по году → столбчатая диаграмма. - Python (примерный код, без внешних файлов — замените на ваши данные): - import pandas as pd - import matplotlib.pyplot as plt - df = pd.read_csv('world_electricity.csv') # содержит Year, Total_TWh, Coal_TWh, Gas_TWh, ... - # Шаги: расчёты долей - for s in ['Coal_TWh','Gas_TWh','Oil_TWh','Hydro_TWh','Nuclear_TWh','Wind_TWh','Solar_TWh','Bio_TWh','Other_TWh']: df['Share_' + s] = df[s] / df['Total_TWh'] - # Диаграмма A - plt.plot(df['Year'], df['Total_TWh'], label='Total') - plt.xlabel('Year'); plt.ylabel('Total_TWh'); plt.legend(); plt.show() - # Диаграмма C (Stacked Area) - df.set_index('Year')[['Coal_TWh','Gas_TWh','Oil_TWh','Hydro_TWh','Nuclear_TWh','Wind_TWh','Solar_TWh','Bio_TWh','Other_TWh']].plot.area() - plt.ylabel('TWh'); plt.show() - # Диаграмма D (Stacked 100%) - shares = df.set_index('Year')[['Share_Coal','Share_Gas','Share_Oil','Share_Hydro','Share_Nuclear','Share_Wind','Share_Solar','Share_Bio','Share_Other']] - shares.plot.area(figsize=(10,6), stacked=True) # будет в долях - plt.ylabel('Share'); plt.show() 6) Пример набора демонстрационных данных (условный, для иллюстрации) Ниже приведён фиктивный набор данных (первые 5 лет) ради иллюстрации структуры. Обязательно замените на реальные значения для работы и экзамена. - Год: 2000, Total_TWh: 100000, Coal_TWh: 42000, Gas_TWh: 23000, Oil_TWh: 9000, Hydro_TWh: 18000, Nuclear_TWh: 8000, Wind_TWh: 1500, Solar_TWh: 500, Bio_TWh: 1200, Other_TWh: 1000 - Год: 2005, Total_TWh: 112000, Coal_TWh: 42000, Gas_TWh: 26000, Oil_TWh: 9500, Hydro_TWh: 19000, Nuclear_TWh: 9000, Wind_TWh: 3000, Solar_TWh: 800, Bio_TWh: 1300, Other_TWh: 1300 - Год: 2010, Total_TWh: 128000, Coal_TWh: 42000, Gas_TWh: 32000, Oil_TWh: 10000, Hydro_TWh: 20000, Nuclear_TWh: 10000, Wind_TWh: 6000, Solar_TWh: 2500, Bio_TWh: 1500, Other_TWh: 2000 - Год: 2015, Total_TWh: 144000, Coal_TWh: 38000, Gas_TWh: 36000, Oil_TWh: 11000, Hydro_TWh: 21000, Nuclear_TWh: 11000, Wind_TWh: 10000, Solar_TWh: 7000, Bio_TWh: 1600, Other_TWh: 2500 - Год: 2020, Total_TWh: 160000, Coal_TWh: 35000, Gas_TWh: 42000, Oil_TWh: 11000, Hydro_TWh: 22000, Nuclear_TWh: 11000, Wind_TWh: 25000, Solar_TWh: 15000, Bio_TWh: 1800, Other_TWh: 3000 Эти числа – иллюстративные; используйте реальные данные для вашего задания. 7) Как интерпретировать результаты (что важно уметь объяснить на экзамене) - Тренд общего роста: если Total_TWh увеличивается, то растёт совокупная выработка, что может быть связано с экономическим ростом, ростом населения и т.д. - Изменение структуры: рост доли возобновляемых (Wind, Solar, Bio) и возможное снижение доли углеводородов указывает на энергетическую модернизацию и переход к «чистой» энергетике. - Важные примеры выводов: - Если Share_Wind и Share_Solar растут — акцент на возобновляемые источники. - Если доля Coal снижается в абсолютных объёмах и доля Coal в Total_TWh падает — уголь теряет роль в структуре. - Сохранение или рост доли Nuclear/Hydro может указывать на стабильность больших базовых источников. - Гипотезы и проверки: сопоставьте периоды экономического кризиса, технологические прорывы (например, снижение себестоимости солнечной энергии) и их влияние на диаграммы. 8) Что подготовить для экзамена - Уметь объяснить разницу между абсолютной динамикой (Source_TWh) и структурной динамикой (Share_s). - Уметь читать 2–3 диаграммы одновременно: например, увидеть, что общий рост сопровождается ростом доли возобновляемых. - Уметь пояснить причины изменений на примере глобальной энергетики (политика, технологии, цены на энергоносители, природные факторы). Если хотите, могу: - Подготовить готовый набор диаграмм в Excel/Sheets по вашему реальному набору данных. - Написать готовый скрипт на Python (pandas + matplotlib) под ваши данные. - Привести пример интерпретации на основе реальных трендов за последние годы (например, 2000–2020) с конкретными цифрами из открытых источников.