'data.frame': 44 obs. of 10 variables:
$ Year : chr "1982" "1983" "1984" "1985" ...
$ 国内生产总值增长速度...: num 9 10.8 15.2 13.4 8.9 11.7 11.2 4.2 3.9 9.3 ...
$ 能源生产增长速度... : num 5.6 6.7 9.2 9.9 3 3.6 5 6.1 2.2 0.9 ...
$ 电力生产增长速度... : num 6 7.2 7.3 8.9 9.5 10.6 9.6 7.3 6.2 9.1 ...
$ 能源消费增长速度... : num 4.4 6.4 7.4 8.1 5.4 7.2 7.4 4.2 1.8 5.1 ...
$ 电力消费增长速度... : num 5.9 7.3 7.4 9 9.5 10.6 9.7 7.3 6.2 9.2 ...
$ 能源生产弹性系数.系数. : num 0.62 0.62 0.61 0.74 0.34 0.31 0.45 1.45 0.56 0.1 ...
$ 电力生产弹性系数.系数. : num 0.67 0.67 0.48 0.66 1.07 0.91 0.86 1.74 1.59 0.98 ...
$ 能源消费弹性系数.系数. : num 0.49 0.59 0.49 0.6 0.61 0.62 0.66 1 0.46 0.55 ...
$ 电力消费弹性系数.系数. : num 0.66 0.68 0.49 0.67 1.07 0.91 0.87 1.74 1.59 0.99 ...数据可视化期末报告
1 报告要求
期末实验报告由5章节5个图形组成，每个章节需要作一个图形。
每个章节选择作什么图自主选择，作图前补充完整图形标题名称，例如：图形1——多变量条形图。
案例数据自主收集，不同章节可以公用一个数据集。但同学间不允许使用相同数据集。
每个章节的数据集合需要通过
datatable函数展示，并简要解释数据来源和变量意义。每个输出图形后需要对图形作简要解读，最少需针对图形提出一个观点。
渲染html文件保留代码展示，6月28日前将发布网址提交至共享文档
“8、期末报告”列中。评分标准：
每章节图形各20分
能有效输出图形和合理解释75%
数据独特性强10%
图形个性化强15%
2 类别数据可视化
2.1 案例数据解释与展示
中国能源数据库是一个记录中国能源经济关键指标的年度数据集，专注于能源经济领域。该数据集由中国能源统计年鉴整理，EPS DATA提供，记录了1982年至2022年共41年的中国能源与经济相关指标。
时间跨度：1982-2022年（41个年度观测值）
数据来源：中国能源统计年鉴
主要用途：能源经济分析、政策研究、经济增长与能源关系研究等
数据集包含10个变量：
国内生产总值增长速度（%）
中国GDP年度增长率
范围：2.2%(2020年)-15.2%(1984年)
特殊值：2020年2.2%反映疫情影响
能源生产增长速度（%）
全国一次能源生产总量年度增长率
范围：-4.5%(2016年)-15.6%(2004年)
负值表示生产量下降
电力生产增长速度（%）
全国发电量年度增长率
范围：0.3%(2015年)-15.6%(2003年)
能源消费增长速度（%）
全国一次能源消费总量年度增长率
范围：0.2%(1998年)-16.8%(2004年)
电力消费增长速度（%）
全国用电量年度增长率
范围：0.3%(2015年)-15.6%(2003年)
能源生产弹性系数
GDP增速与能源生产增速之比
反映能源生产对经济增长的敏感度
范围：0.1(1991年)-2.87(2022年)
电力生产弹性系数
GDP增速与电力生产增速之比
范围：0.04(2015年)-1.74(1989年)
能源消费弹性系数
GDP增速与能源消费增速之比
范围：0.03(1998年)-1.66(2004年)
电力消费弹性系数
GDP增速与电力消费增速之比
范围：0.04(2015年)-1.74(1989年)
10.年份
记录年份（1982-2022）
第一列为空列，实际年份数据从1982开始
2.2 图形1——玫瑰图
# 重命名列名为更简单的英文名（避免中文字符问题）
colnames(df) <- c("Year", "GDP_Growth", "Energy_Production_Growth",
"Electricity_Production_Growth", "Energy_Consumption_Growth",
"Electricity_Consumption_Growth", "Energy_Production_Elasticity",
"Electricity_Production_Elasticity", "Energy_Consumption_Elasticity",
"Electricity_Consumption_Elasticity")
# 转换为长格式
df_long <- df %>%
select(Year, GDP_Growth, Energy_Production_Growth, Electricity_Production_Growth) %>%
pivot_longer(cols = -Year, names_to = "Indicator", values_to = "Growth_Rate")
# 选择2021年数据
df_2021 <- df_long %>%
filter(Year == 2021)
# 设置颜色和角度
palette <- brewer.pal(nrow(df_2021), "Set3")
myangle <- seq(-20, -340, length.out = nrow(df_2021))
# 绘制玫瑰图 - 原始顺序
p1 <- ggplot(df_2021, aes(x = Indicator, y = Growth_Rate, fill = Indicator)) +
geom_col(width = 1, colour = "grey20") +
scale_fill_manual(values = palette) +
coord_polar(theta = "x", start = 0) +
theme(axis.text.x = element_text(size = 10, angle = myangle),
legend.position = "none") +
ylab("Growth Rate (%)") +
ggtitle("2021 China Energy Indicators (Original Order)") +
geom_text_repel(aes(y = Growth_Rate - 1, label = sprintf("%.1f%%", Growth_Rate)),
size = 4, color = "grey30")
# 绘制玫瑰图 - 按增速降序排列
df_2021_sorted <- df_2021 %>%
arrange(desc(Growth_Rate)) %>%
mutate(Indicator = fct_inorder(Indicator))
p2 <- ggplot(df_2021_sorted, aes(x = Indicator, y = Growth_Rate, fill = Indicator)) +
geom_col(width = 1, colour = "grey20") +
scale_fill_manual(values = palette) +
coord_polar(theta = "x", start = 0) +
theme(axis.text.x = element_text(size = 10, angle = myangle),
legend.position = "none") +
ggtitle("2021 China Energy Indicators (Descending Order)") +
geom_text_repel(aes(y = Growth_Rate - 1, label = sprintf("%.1f%%", Growth_Rate)),
size = 4, color = "grey30")
# 并排显示两个图形
grid.arrange(p1, p2, ncol = 2)
图形解读：这张玫瑰图展示了中国2021年三个关键能源经济指标的增长情况，呈现了2021年中国能源经济的核心特征，突出了电力在能源转型中的关键作用，以及经济增长与能源消费开始呈现的”脱钩”趋势。
国内生产总值(GDP)增长速度：8.4%
能源生产增长速度：4.9%
电力生产增长速度：9.7%
从图形中可以直观看出：
每个指标对应一个”花瓣”，花瓣长度代表增长率大小
电力生产增长(9.7%)最为突出，花瓣最长
GDP增长(8.4%)次之
能源生产增长(4.9%)相对最低
发现与观点：
电力需求强劲增长
电力生产增速(9.7%)显著高于能源生产整体增速(4.9%)，表明：
电气化进程加速，经济对电力依赖度提高
可再生能源发电比例可能增加(因传统能源生产增速较低)
- 经济增长与能源生产的”脱钩”迹象
GDP增速(8.4%)高于能源生产增速(4.9%)，能源生产弹性系数为0.58(计算值)
这表明单位GDP能耗在下降，能效提升或经济结构向低能耗转型
- 疫情后复苏特征
2021年各项指标从2020年疫情低点显著反弹
电力生产反弹最强劲，反映工业生产和经济活动快速恢复
- 能源转型趋势
电力增速>GDP增速>能源增速的模式，符合中国：
推动电能替代的政策方向
减少煤炭直接使用，增加电力消费的能源战略
3 数据分布可视化
3.1 案例数据解释与展示
'data.frame': 44 obs. of 10 variables:
$ Year : chr "1982" "1983" "1984" "1985" ...
$ 国内生产总值增长速度...: num 9 10.8 15.2 13.4 8.9 11.7 11.2 4.2 3.9 9.3 ...
$ 能源生产增长速度... : num 5.6 6.7 9.2 9.9 3 3.6 5 6.1 2.2 0.9 ...
$ 电力生产增长速度... : num 6 7.2 7.3 8.9 9.5 10.6 9.6 7.3 6.2 9.1 ...
$ 能源消费增长速度... : num 4.4 6.4 7.4 8.1 5.4 7.2 7.4 4.2 1.8 5.1 ...
$ 电力消费增长速度... : num 5.9 7.3 7.4 9 9.5 10.6 9.7 7.3 6.2 9.2 ...
$ 能源生产弹性系数.系数. : num 0.62 0.62 0.61 0.74 0.34 0.31 0.45 1.45 0.56 0.1 ...
$ 电力生产弹性系数.系数. : num 0.67 0.67 0.48 0.66 1.07 0.91 0.86 1.74 1.59 0.98 ...
$ 能源消费弹性系数.系数. : num 0.49 0.59 0.49 0.6 0.61 0.62 0.66 1 0.46 0.55 ...
$ 电力消费弹性系数.系数. : num 0.66 0.68 0.49 0.67 1.07 0.91 0.87 1.74 1.59 0.99 ...3.2 图形2——核密度图
# 重命名列名（简化处理）
colnames(df) <- c("Year", "GDP_Growth", "Energy_Production", "Electricity_Production",
"Energy_Consumption", "Electricity_Consumption",
"Energy_Production_Elasticity", "Electricity_Production_Elasticity",
"Energy_Consumption_Elasticity", "Electricity_Consumption_Elasticity")
# 选择要分析的变量 - 这里选择GDP增长、能源生产和电力生产
df_selected <- df %>% select(GDP_Growth, Energy_Production, Electricity_Production)
# 转换为长格式
df_long <- df_selected %>%
gather(key = "Indicator", value = "Value")
# 计算标准化值
df_long <- ddply(df_long, "Indicator", transform, Standardized_Value = scale(Value))
# 绘制原始数据核密度图
p1 <- ggplot(df_long) +
aes(x = Value, y = ..density.., fill = Indicator) +
geom_density(position = "identity", alpha = 0.5, color = "gray60") +
scale_fill_brewer(palette = "Set3") +
theme_bw() +
theme(legend.position = c(0.8, 0.8),
legend.background = element_rect(fill = "grey90", color = "grey"),
plot.title = element_text(hjust = 0.5)) +
labs(x = "原始值", y = "密度") +
ggtitle("(a) 原始数据的核密度图")
# 绘制标准化数据核密度图
p2 <- ggplot(df_long) +
aes(x = Standardized_Value, y = ..density.., fill = Indicator) +
geom_density(position = "identity", alpha = 0.5, color = "gray60") +
scale_fill_brewer(palette = "Set3") +
theme_bw() +
theme(legend.position = c(0.8, 0.8),
legend.background = element_rect(fill = "grey90", color = "grey"),
plot.title = element_text(hjust = 0.5)) +
labs(x = "标准化值", y = "密度") +
ggtitle("(b) 标准化数据的核密度图")
# 并排显示两个图形
grid.arrange(p1, p2, ncol = 2)
- 图形解读：该核密度图从概率分布视角揭示了中国能源经济的深层特征，特别是电力生产的”超常增长”与能源生产的”高波动性”形成鲜明对比，这种结构性差异正是能源转型过程中的典型特征，需要差异化的政策引导。未来应更加注重电力高增长下的清洁化配套，以及能源生产波动中的安全保供机制建设。
- 原始数据核密度图
横轴：显示指标原始增长率数值范围（-5%至15%）
纵轴：表示概率密度
峰值特征：GDP增长和电力生产在5-10%区间形成明显高峰，能源生产分布相对分散
- 标准化数据核密度图
横轴：显示标准化后的数值（均值为0，标准差为1）
纵轴：表示概率密度
形态对比：三条曲线形态差异显著，电力生产呈现明显右偏，GDP增长最接近正态分布
关键发现与深度分析
电力生产的高增长特征
原始数据图中电力生产密度高峰位于7-10%区间，显著高于能源生产
标准化图中右偏形态印证电力生产存在”超常增长”现象
反映中国电气化进程加速，特别是新能源发电装机快速增长
能源生产的波动性
原始数据分布最分散，显示受政策调控和市场波动影响大
2016年出现-4.5%的异常值（供给侧改革去产能）
表明传统能源生产已进入结构调整深水区
GDP增长的稳健性
最接近正态分布，反映宏观经济调控成效
主要密集区间6-10%，与”新常态”中高速增长定位吻合
2020年2.2%的异常低值明显拉宽分布区间
- 延伸观点与政策启示
电力系统转型窗口期
电力持续高增长与分布右偏特征，提示需加快清洁能源替代
建议：完善绿电交易机制，提高新能源消纳能力
能源安全韧性建设
能源生产波动大反映供应链脆弱性
建议：建立煤炭产能弹性调控机制，加强油气储备
经济增长质量提升
GDP分布相对集中显示调控能力增强
建议：利用好经济增长区间收窄的”稳态期”推进结构改革
4 变量关系可视化
4.1 案例数据解释与展示
'data.frame': 44 obs. of 10 variables:
$ Year : num 1982 1983 1984 1985 1986 ...
$ 国内生产总值增长速度...: num 9 10.8 15.2 13.4 8.9 11.7 11.2 4.2 3.9 9.3 ...
$ 能源生产增长速度... : num 5.6 6.7 9.2 9.9 3 3.6 5 6.1 2.2 0.9 ...
$ 电力生产增长速度... : num 6 7.2 7.3 8.9 9.5 10.6 9.6 7.3 6.2 9.1 ...
$ 能源消费增长速度... : num 4.4 6.4 7.4 8.1 5.4 7.2 7.4 4.2 1.8 5.1 ...
$ 电力消费增长速度... : num 5.9 7.3 7.4 9 9.5 10.6 9.7 7.3 6.2 9.2 ...
$ 能源生产弹性系数.系数. : num 0.62 0.62 0.61 0.74 0.34 0.31 0.45 1.45 0.56 0.1 ...
$ 电力生产弹性系数.系数. : num 0.67 0.67 0.48 0.66 1.07 0.91 0.86 1.74 1.59 0.98 ...
$ 能源消费弹性系数.系数. : num 0.49 0.59 0.49 0.6 0.61 0.62 0.66 1 0.46 0.55 ...
$ 电力消费弹性系数.系数. : num 0.66 0.68 0.49 0.67 1.07 0.91 0.87 1.74 1.59 0.99 ...4.2 图形3——分面气泡图
# 加载必要的包
library(tidyverse)
library(gridExtra)
library(ggplot2)
library(reshape2) # 用于melt函数
library(gridExtra)
# 重命名列名
colnames(df) <- c("Year", "GDP_Growth", "Energy_Production", "Electricity_Production",
"Energy_Consumption", "Electricity_Consumption",
"Energy_Prod_Elasticity", "Electricity_Prod_Elasticity",
"Energy_Cons_Elasticity", "Electricity_Cons_Elasticity")
# 准备关键指标数据 - 使用melt替代pivot_longer
df_indicators <- df[, c("Year", "GDP_Growth", "Energy_Production",
"Electricity_Production", "Energy_Consumption",
"Electricity_Consumption")]
df_indicators_long <- melt(df_indicators,
id.vars = "Year",
variable.name = "Indicator",
value.name = "Value")
# 转换因子水平
df_indicators_long$Indicator <- factor(
df_indicators_long$Indicator,
levels = c("GDP_Growth", "Energy_Production", "Electricity_Production",
"Energy_Consumption", "Electricity_Consumption"),
labels = c("GDP增长", "能源生产", "电力生产", "能源消费", "电力消费")
)
# 准备弹性系数数据 - 同样使用melt
df_elasticity <- df[, c("Year", "Energy_Prod_Elasticity",
"Electricity_Prod_Elasticity",
"Energy_Cons_Elasticity",
"Electricity_Cons_Elasticity")]
df_elasticity_long <- melt(df_elasticity,
id.vars = "Year",
variable.name = "Elasticity_Type",
value.name = "Value")
# 转换因子水平
df_elasticity_long$Elasticity_Type <- factor(
df_elasticity_long$Elasticity_Type,
levels = c("Energy_Prod_Elasticity", "Electricity_Prod_Elasticity",
"Energy_Cons_Elasticity", "Electricity_Cons_Elasticity"),
labels = c("能源生产弹性", "电力生产弹性", "能源消费弹性", "电力消费弹性")
)
# 图（a）关键指标分面气泡图
p1 <- ggplot(df_indicators_long, aes(x = Year, y = Value)) +
geom_point(aes(size = abs(Value)), color = "steelblue", alpha = 0.6) +
scale_size(range = c(1, 6)) +
facet_grid(. ~ Indicator, scales = "free_y") +
theme_bw() +
theme(panel.grid.minor = element_blank(),
axis.text.x = element_text(angle = 45, hjust = 1),
legend.position = "none") +
labs(x = "年份", y = "增长速度(%)",
title = "(a) 中国能源经济关键指标趋势") +
scale_x_continuous(breaks = seq(1980, 2020, by = 10))
# 图（b）弹性系数分面气泡图
p2 <- ggplot(df_elasticity_long, aes(x = Year, y = Value)) +
geom_point(aes(size = abs(Value)), color = "darkred", alpha = 0.6) +
geom_hline(yintercept = 1, linetype = "dashed", color = "red") +
scale_size(range = c(1, 6)) +
facet_grid(. ~ Elasticity_Type) +
theme_bw() +
theme(panel.grid.minor = element_blank(),
axis.text.x = element_text(angle = 45, hjust = 1),
legend.position = "none") +
labs(x = "年份", y = "弹性系数",
title = "(b) 中国能源弹性系数趋势",
caption = "红线表示弹性系数=1的临界值") +
scale_x_continuous(breaks = seq(1980, 2020, by = 10))
# 组合图形
grid.arrange(p1, p2, ncol = 1, heights = c(1.2, 1))
图形解读：这两组气泡图有效揭示了中国能源经济转型的阶段性特征，特别是展现了电力系统在能源转型中的核心作用，以及经济增长与能源消费逐渐”脱钩”的趋势。未来应重点关注电力消费的清洁化配套，以及弹性系数的稳定性。
关键指标分面气泡图分析
GDP增长趋势特征：
呈现明显的周期性波动，1984年(15.2%)、1992年(14.2%)和2007年(14.2%)出现三个高峰
2012年后进入”新常态”，增速稳定在6-8%区间
2020年受疫情影响显著下滑至2.2%，2021年反弹至8.4%
能源与电力生产比较：
电力生产增速普遍高于能源生产整体增速，特别是在2003-2007年和2010-2011年期间
反映电力在能源系统中占比持续提升，电气化进程加速
消费端特征：
电力消费增速与生产增速基本匹配，显示供需平衡
能源消费增速在2015年后明显低于GDP增速，能效提升显著
- 弹性系数分面气泡图分析
异常波动时期：
2003-2005年所有弹性系数均大于1.4，显示”高增长-高能耗”发展模式
2020年电力消费弹性高达1.68，反映疫情下电力需求刚性
结构性差异：
电力生产弹性波动大于能源生产弹性，显示电力系统对经济变化更敏感
消费弹性普遍低于生产弹性，可能因能效提升和结构调整
转型关键节点：
2015年多个弹性系数接近零，反映供给侧改革成效
2016年能源生产弹性缺失(因生产负增长)，标志去产能关键期
5 样本相似性可视化
5.1 案例数据解释与展示
library(ggiraphExtra)
library(ggplot2)
library(dplyr)
library(tidyr)
library(readr)
library(gridExtra)
# 读取数据 - 使用readr包处理中文编码
df <- read.csv("F://数据可视化//中国能源数据库.csv", header = TRUE, fileEncoding = "GB18030")
datatable(df,rownames = F)# 查看数据结构
str(df)'data.frame': 44 obs. of 10 variables:
$ Year : chr "1982" "1983" "1984" "1985" ...
$ 国内生产总值增长速度...: num 9 10.8 15.2 13.4 8.9 11.7 11.2 4.2 3.9 9.3 ...
$ 能源生产增长速度... : num 5.6 6.7 9.2 9.9 3 3.6 5 6.1 2.2 0.9 ...
$ 电力生产增长速度... : num 6 7.2 7.3 8.9 9.5 10.6 9.6 7.3 6.2 9.1 ...
$ 能源消费增长速度... : num 4.4 6.4 7.4 8.1 5.4 7.2 7.4 4.2 1.8 5.1 ...
$ 电力消费增长速度... : num 5.9 7.3 7.4 9 9.5 10.6 9.7 7.3 6.2 9.2 ...
$ 能源生产弹性系数.系数. : num 0.62 0.62 0.61 0.74 0.34 0.31 0.45 1.45 0.56 0.1 ...
$ 电力生产弹性系数.系数. : num 0.67 0.67 0.48 0.66 1.07 0.91 0.86 1.74 1.59 0.98 ...
$ 能源消费弹性系数.系数. : num 0.49 0.59 0.49 0.6 0.61 0.62 0.66 1 0.46 0.55 ...
$ 电力消费弹性系数.系数. : num 0.66 0.68 0.49 0.67 1.07 0.91 0.87 1.74 1.59 0.99 ...print(df) Year 国内生产总值增长速度... 能源生产增长速度...
1 1982 9.0 5.6
2 1983 10.8 6.7
3 1984 15.2 9.2
4 1985 13.4 9.9
5 1986 8.9 3.0
6 1987 11.7 3.6
7 1988 11.2 5.0
8 1989 4.2 6.1
9 1990 3.9 2.2
10 1991 9.3 0.9
11 1992 14.2 2.3
12 1993 13.9 3.6
13 1994 13.0 6.9
14 1995 11.0 8.7
15 1996 9.9 3.1
16 1997 9.2 0.3
17 1998 7.8 -2.7
18 1999 7.7 1.6
19 2000 8.5 5.0
20 2001 8.3 6.4
21 2002 9.1 6.0
22 2003 10.0 14.1
23 2004 10.1 15.6
24 2005 11.4 11.1
25 2006 12.7 6.9
26 2007 14.2 7.9
27 2008 9.7 5.0
28 2009 9.4 3.1
29 2010 10.6 9.1
30 2011 9.6 9.0
31 2012 7.9 3.2
32 2013 7.8 2.2
33 2014 7.4 1.0
34 2015 7.0 0.0
35 2016 6.8 -4.5
36 2017 6.9 3.7
37 2018 6.7 5.6
38 2019 6.0 4.9
39 2020 2.2 2.5
40 2021 8.4 4.9
41 2022 3.0 8.6
42 NA NA
43 数据来源：中国能源统计年鉴 NA NA
44 由EPS DATA整理 NA NA
电力生产增长速度... 能源消费增长速度... 电力消费增长速度...
1 6.0 4.4 5.9
2 7.2 6.4 7.3
3 7.3 7.4 7.4
4 8.9 8.1 9.0
5 9.5 5.4 9.5
6 10.6 7.2 10.6
7 9.6 7.4 9.7
8 7.3 4.2 7.3
9 6.2 1.8 6.2
10 9.1 5.1 9.2
11 11.3 5.2 11.5
12 15.3 6.3 11.0
13 10.7 5.8 9.9
14 8.6 6.9 8.2
15 7.2 3.1 7.4
16 5.1 0.5 4.8
17 2.7 0.2 2.8
18 6.3 3.2 6.1
19 9.4 4.5 9.5
20 9.2 5.8 9.3
21 11.7 9.0 11.8
22 15.5 16.2 15.6
23 15.3 16.8 15.4
24 13.5 13.5 13.5
25 14.6 9.6 14.6
26 14.5 8.7 14.4
27 5.6 2.9 5.6
28 7.1 4.8 7.2
29 13.3 7.3 13.2
30 12.0 7.3 12.1
31 5.8 3.9 5.9
32 8.9 3.7 8.9
33 6.7 2.7 6.7
34 0.3 1.3 0.3
35 5.5 1.7 5.5
36 7.7 3.2 7.7
37 8.5 3.5 8.5
38 4.7 3.3 4.7
39 3.7 2.2 3.7
40 9.7 5.5 9.8
41 3.7 2.9 3.7
42 NA NA NA
43 NA NA NA
44 NA NA NA
能源生产弹性系数.系数. 电力生产弹性系数.系数. 能源消费弹性系数.系数.
1 0.62 0.67 0.49
2 0.62 0.67 0.59
3 0.61 0.48 0.49
4 0.74 0.66 0.60
5 0.34 1.07 0.61
6 0.31 0.91 0.62
7 0.45 0.86 0.66
8 1.45 1.74 1.00
9 0.56 1.59 0.46
10 0.10 0.98 0.55
11 0.16 0.80 0.37
12 0.26 1.10 0.45
13 0.53 0.82 0.45
14 0.79 0.78 0.63
15 0.31 0.73 0.31
16 0.03 0.55 0.05
17 NA 0.35 0.03
18 0.21 0.82 0.42
19 0.59 1.11 0.53
20 0.77 1.11 0.70
21 0.66 1.29 0.99
22 1.41 1.55 1.62
23 1.54 1.51 1.66
24 0.97 1.18 1.18
25 0.54 1.15 0.76
26 0.56 1.02 0.61
27 0.52 0.58 0.30
28 0.33 0.76 0.51
29 0.86 1.25 0.69
30 0.94 1.25 0.76
31 0.41 0.73 0.49
32 0.28 1.14 0.47
33 0.14 0.91 0.36
34 NA 0.04 0.19
35 NA 0.81 0.25
36 0.54 1.12 0.46
37 0.84 1.27 0.52
38 0.82 0.78 0.55
39 1.14 1.68 1.00
40 0.58 1.15 0.65
41 2.87 1.23 0.97
42 NA NA NA
43 NA NA NA
44 NA NA NA
电力消费弹性系数.系数.
1 0.66
2 0.68
3 0.49
4 0.67
5 1.07
6 0.91
7 0.87
8 1.74
9 1.59
10 0.99
11 0.81
12 0.79
13 0.76
14 0.75
15 0.75
16 0.52
17 0.36
18 0.79
19 1.12
20 1.12
21 1.30
22 1.56
23 1.52
24 1.18
25 1.15
26 1.01
27 0.58
28 0.77
29 1.25
30 1.26
31 0.75
32 1.14
33 0.91
34 0.04
35 0.81
36 1.12
37 1.27
38 0.78
39 1.68
40 1.17
41 1.23
42 NA
43 NA
44 NA5.2 图形4——雷达图
# 重命名列名（简化处理）
colnames(df) <- c("Year", "GDP_Growth", "Energy_Production", "Electricity_Production",
"Energy_Consumption", "Electricity_Consumption",
"Energy_Production_Elasticity", "Electricity_Production_Elasticity",
"Energy_Consumption_Elasticity", "Electricity_Consumption_Elasticity")
# 选择特定年份的数据 - 这里选择2010、2015和2020三个年份进行比较
df_selected <- df %>%
filter(Year %in% c(2010, 2015, 2020)) %>%
select(Year, GDP_Growth, Energy_Production, Electricity_Production,
Energy_Consumption, Electricity_Consumption) %>%
mutate(Year = as.factor(Year)) # 将年份转换为因子变量
# 设置图形主题
myangle <- seq(-20, -340, length.out = 5) # 5个变量
mytheme <- theme_bw() +
theme(legend.position = "bottom",
axis.text.x = element_text(size = 9, color = "blue4", angle = myangle),
plot.title = element_text(hjust = 0.5))
# 图（a）使用原始数据
p1 <- ggRadar(data = df_selected, aes(group = Year),
rescale = FALSE, # 数据不归一化
ylim = c(-10, 20), # 设置y轴范围以适应数据
alpha = 0, # 设置颜色透明度
size = 2) + # 设置点的大小
mytheme +
xlab("指标") +
ylab("增长速度(%)") +
ggtitle("(a) 原始数据雷达图 (2010, 2015, 2020)")
# 图（b）使用归一化数据
p2 <- ggRadar(data = df_selected, aes(group = Year),
rescale = TRUE, # 数据标准化(缩放到[0,1]范围)
ylim = c(-0.3, 1.3), # 设置y轴范围
alpha = 0.3, # 设置颜色透明度
size = 2) + # 设置点的大小
mytheme +
xlab("指标") +
ylab("归一化值") +
ggtitle("(b) 归一化雷达图 (2010, 2015, 2020)")
# 并排显示两个图形
grid.arrange(p1, p2, ncol = 2)
图形解读：该图直观展示了十年间中国能源经济发展的关键转变，特别是电力在能源系统中的核心地位日益凸显，以及经济增长模式逐步与能源消费脱钩的积极趋势。
原始数据雷达图特征
展示了GDP增长、能源消费和电力消费三个指标的绝对值比较
2010年各项指标表现最为突出，形成最大的多边形
2020年受疫情影响，GDP增长(2.2%)明显收缩，形成最小的多边形
电力消费指标在各年份都保持相对较高的增长水平
- 归一化雷达图特征
将所有指标缩放到相同尺度(0-1范围)，突出各指标间的相对关系
2010年呈现较为均衡的发展模式
2015年显示电力消费相对GDP和能源消费更为突出
2020年各指标比例关系发生显著变化，电力消费相对重要性提升
- 关键发现与观点
经济增长与能源消费的脱钩趋势
归一化图显示2015年后GDP增长与能源消费增长的比例关系发生变化
表明单位GDP能耗持续下降，经济结构向低能耗转型
电力化进程加速
电力消费指标在各年份都保持相对优势
特别在2020年疫情下仍保持3.7%增长，显示电力需求刚性
疫情影响显著
2020年原始数据雷达图明显收缩
但归一化图显示电力消费占比提升，可能反映居家办公等新生活方式
十二五与十三五规划效果
2010-2015年间能源消费增速明显放缓
反映能效提升和产业结构调整政策见效
建议
巩固能效提升成果
保持经济增长与能源消费脱钩的良好趋势
加强重点行业节能技术改造
优化电力供应结构
电力需求持续增长需要清洁能源配套
发展智能电网应对用电模式变化
增强能源系统韧性
疫情等突发事件对能源系统影响显著
需建立更灵活的能源应急体系
6 时间序列可视化
6.1 案例数据解释与展示
library(ggstream)
library(ggplot2)
library(dplyr)
library(readr)
library(tidyr)
# 读取数据 - 使用readr包处理中文编码
df <- read.csv("F://数据可视化//中国能源数据库.csv", header = TRUE, fileEncoding = "GB18030")
datatable(df,rownames = F)# 查看数据结构
str(df)'data.frame': 44 obs. of 10 variables:
$ Year : chr "1982" "1983" "1984" "1985" ...
$ 国内生产总值增长速度...: num 9 10.8 15.2 13.4 8.9 11.7 11.2 4.2 3.9 9.3 ...
$ 能源生产增长速度... : num 5.6 6.7 9.2 9.9 3 3.6 5 6.1 2.2 0.9 ...
$ 电力生产增长速度... : num 6 7.2 7.3 8.9 9.5 10.6 9.6 7.3 6.2 9.1 ...
$ 能源消费增长速度... : num 4.4 6.4 7.4 8.1 5.4 7.2 7.4 4.2 1.8 5.1 ...
$ 电力消费增长速度... : num 5.9 7.3 7.4 9 9.5 10.6 9.7 7.3 6.2 9.2 ...
$ 能源生产弹性系数.系数. : num 0.62 0.62 0.61 0.74 0.34 0.31 0.45 1.45 0.56 0.1 ...
$ 电力生产弹性系数.系数. : num 0.67 0.67 0.48 0.66 1.07 0.91 0.86 1.74 1.59 0.98 ...
$ 能源消费弹性系数.系数. : num 0.49 0.59 0.49 0.6 0.61 0.62 0.66 1 0.46 0.55 ...
$ 电力消费弹性系数.系数. : num 0.66 0.68 0.49 0.67 1.07 0.91 0.87 1.74 1.59 0.99 ...print(df) Year 国内生产总值增长速度... 能源生产增长速度...
1 1982 9.0 5.6
2 1983 10.8 6.7
3 1984 15.2 9.2
4 1985 13.4 9.9
5 1986 8.9 3.0
6 1987 11.7 3.6
7 1988 11.2 5.0
8 1989 4.2 6.1
9 1990 3.9 2.2
10 1991 9.3 0.9
11 1992 14.2 2.3
12 1993 13.9 3.6
13 1994 13.0 6.9
14 1995 11.0 8.7
15 1996 9.9 3.1
16 1997 9.2 0.3
17 1998 7.8 -2.7
18 1999 7.7 1.6
19 2000 8.5 5.0
20 2001 8.3 6.4
21 2002 9.1 6.0
22 2003 10.0 14.1
23 2004 10.1 15.6
24 2005 11.4 11.1
25 2006 12.7 6.9
26 2007 14.2 7.9
27 2008 9.7 5.0
28 2009 9.4 3.1
29 2010 10.6 9.1
30 2011 9.6 9.0
31 2012 7.9 3.2
32 2013 7.8 2.2
33 2014 7.4 1.0
34 2015 7.0 0.0
35 2016 6.8 -4.5
36 2017 6.9 3.7
37 2018 6.7 5.6
38 2019 6.0 4.9
39 2020 2.2 2.5
40 2021 8.4 4.9
41 2022 3.0 8.6
42 NA NA
43 数据来源：中国能源统计年鉴 NA NA
44 由EPS DATA整理 NA NA
电力生产增长速度... 能源消费增长速度... 电力消费增长速度...
1 6.0 4.4 5.9
2 7.2 6.4 7.3
3 7.3 7.4 7.4
4 8.9 8.1 9.0
5 9.5 5.4 9.5
6 10.6 7.2 10.6
7 9.6 7.4 9.7
8 7.3 4.2 7.3
9 6.2 1.8 6.2
10 9.1 5.1 9.2
11 11.3 5.2 11.5
12 15.3 6.3 11.0
13 10.7 5.8 9.9
14 8.6 6.9 8.2
15 7.2 3.1 7.4
16 5.1 0.5 4.8
17 2.7 0.2 2.8
18 6.3 3.2 6.1
19 9.4 4.5 9.5
20 9.2 5.8 9.3
21 11.7 9.0 11.8
22 15.5 16.2 15.6
23 15.3 16.8 15.4
24 13.5 13.5 13.5
25 14.6 9.6 14.6
26 14.5 8.7 14.4
27 5.6 2.9 5.6
28 7.1 4.8 7.2
29 13.3 7.3 13.2
30 12.0 7.3 12.1
31 5.8 3.9 5.9
32 8.9 3.7 8.9
33 6.7 2.7 6.7
34 0.3 1.3 0.3
35 5.5 1.7 5.5
36 7.7 3.2 7.7
37 8.5 3.5 8.5
38 4.7 3.3 4.7
39 3.7 2.2 3.7
40 9.7 5.5 9.8
41 3.7 2.9 3.7
42 NA NA NA
43 NA NA NA
44 NA NA NA
能源生产弹性系数.系数. 电力生产弹性系数.系数. 能源消费弹性系数.系数.
1 0.62 0.67 0.49
2 0.62 0.67 0.59
3 0.61 0.48 0.49
4 0.74 0.66 0.60
5 0.34 1.07 0.61
6 0.31 0.91 0.62
7 0.45 0.86 0.66
8 1.45 1.74 1.00
9 0.56 1.59 0.46
10 0.10 0.98 0.55
11 0.16 0.80 0.37
12 0.26 1.10 0.45
13 0.53 0.82 0.45
14 0.79 0.78 0.63
15 0.31 0.73 0.31
16 0.03 0.55 0.05
17 NA 0.35 0.03
18 0.21 0.82 0.42
19 0.59 1.11 0.53
20 0.77 1.11 0.70
21 0.66 1.29 0.99
22 1.41 1.55 1.62
23 1.54 1.51 1.66
24 0.97 1.18 1.18
25 0.54 1.15 0.76
26 0.56 1.02 0.61
27 0.52 0.58 0.30
28 0.33 0.76 0.51
29 0.86 1.25 0.69
30 0.94 1.25 0.76
31 0.41 0.73 0.49
32 0.28 1.14 0.47
33 0.14 0.91 0.36
34 NA 0.04 0.19
35 NA 0.81 0.25
36 0.54 1.12 0.46
37 0.84 1.27 0.52
38 0.82 0.78 0.55
39 1.14 1.68 1.00
40 0.58 1.15 0.65
41 2.87 1.23 0.97
42 NA NA NA
43 NA NA NA
44 NA NA NA
电力消费弹性系数.系数.
1 0.66
2 0.68
3 0.49
4 0.67
5 1.07
6 0.91
7 0.87
8 1.74
9 1.59
10 0.99
11 0.81
12 0.79
13 0.76
14 0.75
15 0.75
16 0.52
17 0.36
18 0.79
19 1.12
20 1.12
21 1.30
22 1.56
23 1.52
24 1.18
25 1.15
26 1.01
27 0.58
28 0.77
29 1.25
30 1.26
31 0.75
32 1.14
33 0.91
34 0.04
35 0.81
36 1.12
37 1.27
38 0.78
39 1.68
40 1.17
41 1.23
42 NA
43 NA
44 NA6.2 图形5——流线图
# 重命名列名
colnames(df) <- c("Year", "GDP_Growth", "Energy_Production", "Electricity_Production",
"Energy_Consumption", "Electricity_Consumption",
"Energy_Production_Elasticity", "Electricity_Production_Elasticity",
"Energy_Consumption_Elasticity", "Electricity_Consumption_Elasticity")
# 准备流线图数据 - 选择4个主要指标
stream_data <- df %>%
select(Year, Energy_Production, Electricity_Production,
Energy_Consumption, Electricity_Consumption) %>%
pivot_longer(cols = -Year, names_to = "Indicator", values_to = "Value") %>%
mutate(Year = as.numeric(Year)) # 确保年份是数值型
# 绘制流线图
ggplot(stream_data, aes(x = Year, y = Value, fill = Indicator)) +
geom_stream(bw = 0.5, # 带宽参数，控制平滑度
type = "ridge", # 流线类型
alpha = 0.8, # 透明度
color = "white", # 边界线颜色
size = 0.3) + # 边界线粗细
scale_fill_brewer(palette = "Set2", # 使用Set2调色板
labels = c("能源生产", "电力生产", "能源消费", "电力消费")) +
theme_minimal() +
theme(legend.position = "bottom",
legend.title = element_blank(),
plot.title = element_text(hjust = 0.5, size = 14),
axis.title = element_text(size = 12)) +
labs(x = "年份",
y = "增长速度(%)",
title = "1982-2022年中国能源与电力生产消费增长趋势") +
guides(fill = guide_legend(nrow = 1)) # 图例单行显示
# 可选：绘制GDP与能源消费的流线图比较
stream_data_gdp <- df %>%
select(Year, GDP_Growth, Energy_Consumption, Electricity_Consumption) %>%
pivot_longer(cols = -Year, names_to = "Indicator", values_to = "Value") %>%
mutate(Year = as.numeric(Year))
ggplot(stream_data_gdp, aes(x = Year, y = Value, fill = Indicator)) +
geom_stream(bw = 0.6, type = "mirror", alpha = 0.7) +
scale_fill_manual(values = c("#66C2A5", "#FC8D62", "#8DA0CB"),
labels = c("GDP增长", "能源消费", "电力消费")) +
theme_minimal() +
labs(x = "年份", y = "增长速度(%)",
title = "GDP与能源消费增长趋势对比") +
theme(legend.position = "bottom")
- 图形解读：该流线图生动展现了中国经济从”规模速度型”向”质量效率型”转变的能源维度特征，特别是电力作为优质能源的地位持续提升，为能源转型提供了重要支撑。未来需保持电力消费清洁化与经济增长脱碳化的协同推进。
指标对比：
GDP增长（蓝色流线）：反映宏观经济整体增速
能源消费（橙色流线）：代表一次能源总消费增速
电力消费（绿色流线）：显示全社会用电量增速
波动特征：三条流线的宽度变化直观显示各时期增长速度差异
- 关键趋势分析
1. 高速增长期（1990-2012）
同步波动特征：三条流线基本同向波动，显示经济增长与能源消费高度关联
2003-2007黄金期：GDP增速持续高于10%，能源电力消费同步飙升（电力消费增速13-15%）
金融危机影响：2008-2009年三项指标同步下滑，反映外部冲击传导机制
2. 转型调整期（2012-2020）
增速换挡：GDP进入”6-8%“中高速增长区间
分化显现：电力消费（绿线）保持相对高位，能源消费（橙线）增速更快下降
疫情冲击：2020年GDP增速骤降至2.2%，但电力消费仍保持3.7%正增长
深度观点
电力化进程加速
2015年后电力消费增速持续高于能源消费整体增速
印证电能替代战略成效，2020年电力消费占比已达27%左右
特别值得关注：即使在2020年经济低谷期，电力消费仍保持韧性
能效提升显著
2012年后能源消费增速普遍低于GDP增速
显示单位GDP能耗持续下降，产业结构优化见效
但能效提升速度仍需加快以实现”双碳”目标
发展阶段转型
从”高增长-高能耗”到”中高速增长-低能耗”模式转变
2015年成为重要转折点，能源消费弹性系数降至0.3以下
- 政策建议
巩固电力化成果
继续推进工业、交通等领域电能替代
配套发展可再生能源发电，避免煤电反弹
深化能效革命
重点提升钢铁、建材等高耗能行业能效
建立能耗双控向碳排放双控转变的机制
增强系统韧性
电力系统需适应增速换挡下的新需求特征
发展分布式能源提高抗风险能力