Emisi CO daripada kucing dan anjing dengan ular sawa

Hai,

Saya telah menemui artikel kecil yang membincangkan tentang pelepasan haiwan peliharaan, jadi saya telah memutuskan untuk memaparkan pelepasan CO2 jika ia tidak wujud.

Kod :
https://github.com/victordalet/Kaggle_analysis/tree/feat/dog_co2

Sumber:

• https://www.lelaba.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/

---

Saya - Dapatkan data

Pertama sekali, saya mendapatkan data menganggarkan penggunaan CO2 dunia, purata pelepasan anjing dan kucing serta bilangan haiwan peliharaan ini.

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

II - Transformasi

Jumlah pelepasan adalah dalam jutaan tan, jadi saya telah mencipta kaedah untuk menukar data haiwan, iaitu dalam kg.

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

III - Kira

Untuk mengubah suai anggaran tanpa kucing atau anjing, ikuti anggaran pertama dan gantikan nilai kamus lain dengan nilai yang terdapat dalam langkah pertama.

    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 - Paparan hasil

Untuk memaparkan graf dengan semua data, saya menggunakan perpustakaan plotly.

Kod untuk pemasangan pip :

pip install plotly

Kod untuk memaparkan tiga anggaran :

    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()

Jadi sekarang kami mempunyai carta dengan keputusan kami.

Atas ialah kandungan terperinci Emisi CO daripada kucing dan anjing dengan ular sawa. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!