数据可视化｜用动态折线图分析疫情

01

截止到 2020 年 7 月 12 日零点，新冠病毒全球累计确诊人数超过 1280 万人，美国单日新增确诊人数再破纪录，7 月 11 日这一天新增确诊人数就接近 7 万人。

为了直观地反映新冠病毒确诊人数的变化趋势，我制作了一个动态折线图的短视频。

02

下面是视频制作的过程。

首先，导入所需的库，并设置中文字体和定义颜色等。

# 导入所需的库
import os
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker 
import matplotlib.animation as animation
import datetime
from IPython.display import HTML

# 正常显示中文标签
mpl.rcParams['font.sans-serif'] = ['SimHei']

# 自动适应布局
mpl.rcParams.update({'figure.autolayout': True})

# 正常显示负号
mpl.rcParams['axes.unicode_minus'] = False

# 让网格线显示在下方
mpl.rc('axes', axisbelow=True)

# 禁用科学计数法
pd.set_option('display.float_format', lambda x: '%.2f' % x) 

# 定义颜色，主色：蓝色，辅助色：灰色，互补色：橙色
c = {'蓝色':'#00589F', '深蓝色':'#003867', '浅蓝色':'#5D9BCF',
     '灰色':'#999999', '深灰色':'#666666', '浅灰色':'#CCCCCC',
     '橙色':'#F68F00', '深橙色':'#A05D00', '浅橙色':'#FBC171'}

# 防止动态图显示不完整
plt.rcParams['animation.embed_limit'] = 1e100

其次，读取和定义数据。

# # 当需要更新数据时，去掉注释后运行一次
# import akshare as ak

# # 从 akshare 获取历史数据，速度比较慢
# df_all_history = ak.covid_19_history()

# # 保存到 Excel 文件中，以便下次快速读取数据
# df_all_history.to_excel('./data/covid_19_history_20200711.xlsx')

# 定义想要展示的国家
countries = ['中国', '美国']

# 从 Excel 文件中读取数据
df_all = pd.read_excel('./data/covid_19_history_20200711.xlsx', index_col=0).fillna('')

# 将字符串格式的日期转换为日期格式
df_all['date'] = pd.to_datetime(df_all['date'])

# 将时间格式转为字符串格式的日期，以 YYYY-mm-dd 的形式保存到另外一列
df_all['dates'] = df_all['date'].apply(lambda x:x.strftime('%Y-%m-%d'))

# 添加现存确诊列
df_all['current'] = df_all['confirmed'] - df_all['cured'] - df_all['dead']

# 排除省份的数据，只保留国家的数据，设置日期为索引
dfc = df_all.query("province==''").set_index('date')

# 对应每个国家的序号
n_list = [i for i in range(len(countries))]

# 以字典的方式存放每个国家的数据
dic = {}
for country_i in countries:
    dfi = dfc.query("country==@country_i")
    dfi = dfi.sort_index(ascending=True)
    dic[country_i] = dfi

# 计算最大的确诊人数
y_max = 0
for country_i in countries:
    y_max_i = dic[country_i]['confirmed'].max()
    y_max = max(y_max, y_max_i)

# 合并两个国家的确诊人数
df1 = pd.concat([dic[countries[0]].confirmed, dic[countries[1]].confirmed], axis=1)
df1.columns = [countries[0], countries[1]]
df1 = df1.fillna(0)

# 总天数
length = df1.shape[0] + 1

接下来，开始用「面向对象」的方法进行画图，并输出动画文件。

# 使用「面向对象」的方法画图，定义图片的大小
fig, ax = plt.subplots(figsize=(10, 8))

# 设置背景颜色
fig.set_facecolor('w')
ax.set_facecolor('w')

# 隐藏边框
ax.spines['top'].set_visible(False)
ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines['right'].set_visible(False)

# 隐藏刻度线
ax.tick_params(axis='x', which='major', length=0)
ax.tick_params(axis='y', which='major', length=0)

# 设置坐标标签字体大小和颜色
ax.tick_params(labelsize=16, colors=c['深灰色'])

# 定义动画函数
def animate(num): 
    # 先清空画面
    ax.clear()
    
    # 动态显示新的数据
    df_temp = df1.iloc[0:num, :]
    idx = df_temp.index

    # 绘制第一个国家的折线图
    ax.plot(idx, df_temp[countries[0]], color=c['蓝色'], linewidth=3, zorder=2)
    string = '★'+countries[0]+str(df_temp[countries[0]][-1])
    ax.text(idx[-1], df_temp[countries[0]][-1], string, size=20, ha='left', va='center', color=c['蓝色'])
    
    # 绘制第二个国家的折线图
    ax.plot(idx, df_temp[countries[1]], color=c['橙色'], linewidth=3, zorder=2)
    string = '●'+countries[1]+str(int(df_temp[countries[1]][-1]))
    ax.text(idx[-1], df_temp[countries[1]][-1], string, size=20, ha='left', va='bottom', color=c['橙色'])

    # 设置标题
    ax.set_title('\n新冠病毒确诊人数的变化趋势\n', loc='left', fontsize=26)
    
    # 图片背景显示日期的动态变化
    ymean = (ax.get_ylim()[0] + ax.get_ylim()[1]) / 2
    string = (df1.index[0]+datetime.timedelta(days=int(num-1))).strftime('%Y年%m月%d日')
    ax.text(df1.index[0], ymean, string, ha='left', va='center', fontsize=90, color=c['灰色'], zorder=-1, alpha=0.2)
    
    # 设置 X 轴坐标范围
    ax.set_xlim(df1.index[0]+datetime.timedelta(days=-5), df1.index[-1]+datetime.timedelta(days=5))
    # ax.set_xticks(ticks=[df1.index[0]] + [df1.index[int(length/2)]] + [df1.index[-1]])
    ax.set_xticklabels([])
    
    # 设置 Y 轴坐标范围
    ax.set_ylim(0, df1.iloc[0:num,:].values.max()*1.2)
    ax.set_yticklabels([])
    
# 绘制动画
animator = animation.FuncAnimation(fig, animate, frames=np.arange(1, length, 1), interval=100)

# 在 Jupyter Notebook 中显示动画
# HTML(animator.to_jshtml())

# 保存为 mp4 的文件格式
animator.save('动态折线图.mp4')

你可以点击左下方的阅读原文，前往 https://github.com/linjiwx/mp 下载画图用的数据和完整代码。

03

最后，把代码生成的 mp4 文件，导入剪映软件，再配上音效，这个视频就做好了。

●心中无码便是高清，用“脑补”除马赛克！●用Python玩连连看是什么效果？画面太美后台回复“入群”即可入群交流数据干货
干货????