数据可视化大作业 (HIV数据研究及可视化 javascript d3 +python 爬虫 + 页面整合)

成果展示

 

 

 

 

 

 艾滋病在性别的传播上有较大的的可分类性,所以我们将男性、女性与儿童群体的传染途径单独绘制成饼图。 基于不同的传播途径,患者感染艾滋病有诸多可能原因,且目前艾滋病感染人群中,男性最常见。根据男性、女性及儿童对数据进行划分, 从可视化结果可以看出,他们的主要感染原因各不相同。

感染分布: 男性大部分都为男男性接触感染,其次为吸毒感染,两者都具有高危性。女性主要为异性性接触感染;而儿童主要为围产期感染

思考: 我们可以看到,在调查数据的这几年里,吸毒感染和围产期感染所占比例都有所下降,这主要得益于艾滋病医疗水平的发展及世界对毒品的打击力度,但男男性接触感染的比例还是在不断上升 艾滋病主要是一种性传播疾病,因而不安全的性接触还是占感染原因的主体,从生理上来看,男男发生性关系发生血液交换的可能性更高;从社会因素上看,男男伴侣关系不受法律保护,也缺乏法律的约束,大部分男同性恋者多性伴性行为十分普遍,这样加剧了HIV传播的可能性 

 

 

   我们这个图表主要通过散点来描述个体,使用完全随机的模拟来表示一群人,他们随着时间的推移形成的性伙伴关系以及传染病的传播。 将顺序一夫一妻制与不同级别的并发进行比较,使感染过程的所有其他特征保持不变。 基于四阶段疾病进展模型模拟HIV感染,该模型从急性到潜在到预科阶段过渡到艾滋病阶段。 这些过渡以确定性间隔发生(这里设为一个月),该间隔基于每个阶段平均时间的估计。我们采用相对简单的生物学假设,设定一个性伴侣并发的概率,同时,固定住艾滋病的传播概率,选择是否执行一夫一妻制

 思考:现在,世界不同地区的 HIV 流行时间和强度存在很大差异 [1]。 对这些差异的解释,尤其是在撒哈拉以南非洲异性恋人群中迅速而普遍的传播,集中在三个因素上

 

 

 

 

 

HIV传播模型参考源码 https://github.com/mtomcal/HIV-AIDS-Concurrency-Sim
图表制作参考网址 https://codepen.io/following

  • 32
    点赞
  • 70
    收藏
    觉得还不错? 一键收藏
  • 127
    评论
Python爬虫综合作业的数据可视化分析是基于抓取Python职位数据的结果进行分析和展示。首先,我们需要使用Python爬虫技术抓取招聘网站或者职位搜索平台上的Python职位相关信息,包括职位名称、薪资、公司名称、工作地点、发布日期等。 抓取到的数据可以存储在数据库中,比如MySQL或者MongoDB等。接下来,我们可以使用数据分析和可视化的库,比如pandas、numpy、matplotlib等,对数据进行处理和可视化分析。 首先,我们可以使用pandas进行数据清洗和转换,比如去除重复数据、空数据、格式转换等。然后,我们可以使用pandas进行数据统计和分析,比如计算平均薪资、城市分布、公司薪资排名等。 接着,我们可以使用matplotlib库进行数据可视化。可以绘制一些统计图表,比如直方图、饼图、散点图、折线图等,以展示数据的分布、趋势和关联性。比如,我们可以通过柱状图展示不同城市Python职位的数量,通过饼图展示不同薪资区间的职位比例等。 此外,我们还可以使用其他可视化工具进行更加复杂和多样化的数据展示。比如使用Tableau、Power BI等工具,可以生成更加交互式和美观的数据可视化报表和仪表盘,让数据更加直观和易于理解。 最后,我们可以对可视化的结果进行解读和分析,从中获取一些有用并且具有洞察力的信息。比如,我们可以发现哪些城市的Python职位需求量较高,哪些薪资区间的职位更为普遍等。 综上所述,通过Python爬虫技术抓取Python职位数据,并使用数据分析和可视化工具对其进行分析和展示,可以帮助我们更好地了解Python职位市场的情况,并从中获取有价值的信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 127
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值