一只猫和一只狗与蟒蛇的发射CO

嗨，

我发现了一篇关于宠物排放的小文章，因此我决定显示二氧化碳排放（如果它们不存在）。

代码：
https://github.com/victordalet/kaggle_analysis/tree/feat/dog_co2

来源：

• https://www.lekaba.fr/article/l-empreinte-carbone-des-chiens-et-des-chats-un-amour-qui-pese-lourd-sur-le-climat

• https://www.umweltbundesamt.de/en/image/global-f-gas-emissions-up-to-2050-total

• https://www.rover.com/fr/blog/combien-y-a-t-il-de-chats-dans-le-monde/

i-获取数据

首先，我获得了估算世界二氧化碳消耗量、狗和猫的平均排放量以及这些宠物的数量的数据。

import plotly.express as px


class main:
    def __init__(self):
        self.estimation = {
            "2005": 750,
            "2010": 900,
            "2020": 1300,
            "2030": 1800,
            "2040": 2700,
            "2050": 4000,
        }

        self.estimation_no_cat = {
            "2005": 750,
            "2010": 900,
            "2020": 1300,
            "2030": 1800,
            "2040": 2700,
            "2050": 4000,
        }

        self.estimation_no_dog = {
            "2005": 750,
            "2010": 900,
            "2020": 1300,
            "2030": 1800,
            "2040": 2700,
            "2050": 4000,
        }

        self.estimation_no_cat_and_dog = {
            "2005": 750,
            "2010": 900,
            "2020": 1300,
            "2030": 1800,
            "2040": 2700,
            "2050": 4000,
        }

        self.cat_emission = 240
        self.dog_emission = 358
        self.nb_cats = 600000000
        self.nb_dogs = 900000000

二、转型

总排放量以百万吨为单位，因此我创建了一种转换动物数据的方法，单位为公斤。

通义万相

通义万相，一个不断进化的AI艺术创作大模型

下载

    @staticmethod
    def transform_to_million_of_tonnes(value):
        return value / (1000000 * 1000)

iii - 计算

要修改没有猫或狗的估计，请执行第一个估计，并将其他字典的值替换为第一步中找到的值。

    def calculate(self):
        for year, value in self.estimation.items():
            self.estimation_no_cat[year] = value - self.transform_to_million_of_tonnes(
                self.cat_emission * self.nb_cats
            )
            self.estimation_no_dog[year] = value - self.transform_to_million_of_tonnes(
                self.dog_emission * self.nb_dogs
            )
            self.estimation_no_cat_and_dog[year] = (
                value
                - self.transform_to_million_of_tonnes(self.cat_emission * self.nb_cats)
                - self.transform_to_million_of_tonnes(self.dog_emission * self.nb_dogs)
            )

iv - 显示结果

为了显示包含所有数据的图表，我使用了plotly 库。

pip 安装代码：

pip install plotly

显示三个估计值的代码：

    def display(self):
        fig = px.line(
            x=list(self.estimation.keys()),
            y=[
                list(self.estimation.values()),
                list(self.estimation_no_cat.values()),
                list(self.estimation_no_dog.values()),
                list(self.estimation_no_cat_and_dog.values()),
            ],
            labels={
                "x": "Year",
                "y": "CO2 Emission (in million of tonnes)",
                "color": "Legend",
            },
            title="CO2 Emission with and without cats and dogs",
            color_discrete_map={
                "CO2 Emission": "blue",
                "CO2 Emission without cats": "green",
                "CO2 Emission without dogs": "red",
                "CO2 Emission without cats and dogs": "orange",
            },
        )
        fig.show()

现在我们有了包含结果的图表。