@proscience Datenquelle hinzugefügt.

@proscience Zusammensetzung erfolgte mit ffmpeg -i Global_CO2_Race_20_Clean.mp4 -i Global_CO2_Low_Emittents.mp4 -filter_complex \
"[0:v]scale=1280:-2[top]; \
[1:v]scale=1280:-2[bottom]; \
[top][bottom]vstack=inputs=2,tpad=stop_mode=clone:stop_duration=5" \
-c:v libx264 -profile:v high -level:v 4.2 -pix_fmt yuv420p -b:v 5M -movflags +faststart linkedin_emissions_stacked.mp4

@proscience bcr.bar_chart_race(
df=plot_data,
filename=DATEI_NAME,
title='Top 20-Emittenten (Ländervergleich)',
period_label={'x': .95, 'y': .15, 'ha': 'right', 'size': 25},
period_summary_func=summary_func,
n_bars=20,
sort='desc',
steps_per_period=30,
period_length=800,
dpi=144,
cmap='tab20',
fixed_max=False
)

sort='desc' und sort="asc' und das ganze dann zusammengesetzt

@proscience import pandas as pd
import bar_chart_race as bcr
import math
import os

# ==========================================
# KONFIGURATION
# ==========================================
START_JAHR = 1950
END_JAHR = 2024
CSV_FILE = 'annual-co2-emissions-per-country.csv'
DATEI_NAME = f"Global_CO2_Race_20_Clean.mp4"
# ==========================================
in etwa so.

@proscience sorry ist https://ourworldindata.org die herungergeladenen csv habe ich durch ein Pythonscript gejagt.

Weil ich es als Antwort für jemanden erstellte, den die Fakten vermutlich gar nicht interessieren, poste ich es einfach so.Datenquelle https://ourworldindata.org