程式範例採用 Google Colaboratory 執行，請搭配程式碼閱讀
接續著在SEP教室學習長大所提，從人生的意義來思考未來，再帶著K5~K10的孩子們透過經濟數據來看看這個世界。
就像我們想大致上快速認識某人，會先從一些能描述這個人的數值資料著手，例如：目前幾歲、月收入有多少、每週工作時間、每週學習時間。那如果想要快速瀏覽一個國家，就可以從經濟數據中去挑出幾個指標，來觀察這個國家，在某段時期的狀況。
為降低孩子們進入資料分析的門檻，直接使用Python Plotly module內建的蓋普曼德基金會（Gapminder Foundation）資料集，作為分析之資料來源。接著，透過互動式問答，逐步帶出Python DataFrame的使用語法。
Pecu: 請問這個資料表中，使用了哪些欄位來描述一個國家？
import plotly.express as px
df = px.data.gapminder()
df.head()我們印出前五筆資料後，看到的欄位有country(國家名稱)、continent(洲名)、year(年份)、lifeExp(國人平均壽命)、pop(國家人口數)、gdpPercap(以美元計價的人均GDP)。
除了人均GDP比較不直觀，我們特地提出來說明，其餘的欄位都能一目了然。從wiki查到的資訊如下：
人均GDP是國內生產總值除以年中人口數。 這裡的數字沒有考慮到生活費用在不同的國家的差異，而且因為滙率變化每年其結果可以差別很大。 這種滙率波動可能會改變一個國家的每年排名，即使他們往往很少或根本沒有改變其人民的生活水平。 因此，這些數字應謹慎使用，否則有可能會在應用時發生錯誤。
Pecu: 假設我們先以人均GDP來代表某個國家的富裕程度，請問這個資料集中，最有錢的國家是哪一個？
rich = df.loc[(df['gdpPercap']==max(df['gdpPercap']))]
richPecu: df這個變數是從px這個模組中取得內建資料px.data.gapminder()，使用==判斷式，過濾出df[‘gdpPercap’]的最大值max(df[‘gdpPercap’])，結果出現了Kuwait(科威特)在1957年時人均GDP達113523.1329美元，是當時最有錢的國家。
孩子們開始好奇，那是甚麼樣的時代，科威特是甚麼國家？為什麼都沒聽過？為什麼不是美國最有錢？
Pecu: 這時我們先暫停一下，科威特在1957年是最有錢的國家，大家相信嗎？如果懷疑的話，我們來Google一下，為什麼這個國家在那個時候有錢，而現在你們看到這個結果，卻覺得很奇怪？
孩子們開始回應，發現了1990年的波斯灣戰爭，伊拉克軍隊入侵科威特，推翻科威特政府，並宣布科威特的「回歸」以及大伊拉克的「統一」。或許是經歷了這場戰爭後，造成科威特不再是最有錢的國家。
欠錢不還，更翻臉併吞債主國！30年前伊拉克揮兵入侵科威特，成自取滅亡的開端
更多的科威特故事，就留待之後我們再繼續探討。但孩子們已經慢慢察覺到，透過寫程式的過程，來橫向連結更多不同的學科學習技巧，讓學習變得更有趣，讓腦袋更靈活。
Pecu: 為了要比較不同年份不同國家的人均GDP，我們先來瀏覽一下，這份資料所收錄的區間是哪幾年？
df['year']Pecu: 我們看到從1952年到2007年，總共有1704筆資料，那這些資料中最近年的最有錢國家又是哪一個？
lastdata = df.loc[(df['year']==max(df['year']))]
lastdata孩子們依樣畫葫蘆地，使用==判斷式，搭配df.loc取得特定的橫列資料，過濾出df[‘year’]的最大值max(df[‘year’])，即為最近年份的資料，再將2007年的所有資料置於lastdata變數中。接著，要舉一反三地，繼續使用max來找出lastdata中最有錢的國家。
rich = lastdata.loc[lastdata['gdpPercap']==max(lastdata['gdpPercap'])]
rich孩子們學著如何用口語化的表達，轉成Python程式語言，很自然地說出，將year換成gdpPercap，將df換成lastdata，就可以得到最有錢的國家是挪威。
Pecu: 那我們這樣子一步步列下抽取特定資料的語法，還是看不到全貌，我們來嘗試看看，把這些條件放在Plotly視覺化套件中，一起比比看不同國家，在2007年的人均GDP、平均壽命、人口數是如何。
fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",size="pop", color="continent",hover_name="country", log_x=True, size_max=60)fig.show()
從px這個plotly模組中，使用XY散佈圖scatter，將資料範圍鎖定在2007年，橫軸x是人均GDP，縱軸y是平均壽命，圓圈大小size是人口數，不同顏色color代表不同的洲名。當滑鼠滑過特定點，hover_name指定顯示出相對應的國家名country，因為人均GDP的金額範圍尺度跨越太大，有從幾百美金到幾十萬美金，這時候橫軸x的對數尺度log_x，就要設定為True。
當圖表數據源的數據差異較大時，較小的數據點可能與橫坐標軸重合，或者不能清晰的顯示變化趨勢，如圖所示。若數據都大於零，則可以使用對數刻度來解決此問題。
最後透過fig.show()畫出來。
Pecu: 我們看到平均壽命和人均GDP呈現一個正相關的走勢，人均GDP低以及平均壽命短的，集中在非洲。人均GDP高以及平均壽命長的，集中在美國和歐洲，而亞洲介於非洲與歐美之間。除了這些，你們還看到甚麼呢？為什麼會產生這樣的結果呢？和國家施行的政策有關係嗎？歐美奉行的是甚麼主義？非洲呢？亞洲呢？
請大家回家後，再好好地從網路上收集資料，下堂課，我們再一起解讀這張圖背後所隱含的故事。