### 使用 Matplotlib 或 Seaborn 库绘制中国男性和女性人口数量的折线图 为了展示2021年至2024年间中国男女人口统计的变化趋势，可以采用 `matplotlib` 或者 `seaborn` 来实现这一目标。下面分别给出两种方法的具体实施方式。 #### 方法一：使用 Matplotlib 绘制折线图 首先定义所需的数据集，这里假设已经获取到了每年度按性别划分的人口数： ```python import matplotlib.pyplot as plt years = ['2021', '2022', '2023', '2024'] male_population = [723_489_000, 722_567_000, 721_645_000, 720_723_000] # 假设数据 female_population = [689_543_000, 688_621_000, 687_699_000, 686_777_000] # 假设数据 plt.figure(figsize=(10, 6)) plt.plot(years, male_population, marker='o', label="Male", color='blue') plt.plot(years, female_population, marker='*', label="Female", color='red') plt.title('Population Trend by Gender from 2021 to 2024 in China') plt.xlabel('Year') plt.ylabel('Population (in millions)') plt.legend() plt.grid(True) plt.show() ``` 这段代码通过调用 `matplotlib.pyplot` 的绘图函数来创建两个不同颜色标记表示男女两性的折线，并设置了坐标轴标签以及图表标题等属性[^1]。 #### 方法二：利用 Seaborn 进行更美观的呈现 如果希望得到更加精致直观的效果，则可以选择借助于 `seaborn` 提供的功能来进行同样的操作： ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt data = { "year": ["2021", "2022", "2023", "2024"] * 2, "gender": ["Male", "Male", "Male", "Male", "Female", "Female", "Female", "Female"], "population": [ 723_489_000, 722_567_000, 721_645_000, 720_723_000, 689_543_000, 688_621_000, 687_699_000, 686_777_000 ] } df = pd.DataFrame(data) sns.set(style="whitegrid") plt.figure(figsize=(10, 6)) ax = sns.lineplot(x="year", y="population", hue="gender", style="gender", markers=True, dashes=False, data=df) ax.set_title('Population Trends by Gender from 2021 to 2024 in China') ax.set_xlabel('Year') ax.set_ylabel('Population (in millions)') for line in ax.lines: line.set_linewidth(2.5) plt.tight_layout() plt.show() ``` 此段脚本先构建了一个包含时间序列、性别分类及对应人数的信息表单；接着运用 `pandas` 将这些资料转换成 DataFrame 结构以便后续处理；最后再由 `seaborn` 负责渲染出带有区分色彩线条样式的图像并调整样式细节[^3]。