「 Python数据可视化系列」9.处理COVID-19数据

来源 | 「Practical Python Data Visualization  A Fast Track Approach To Learning Data Visualization With Python」

作者 | Ashwin Pajankar

译者 | Liangchu

校对 | gongyouliu

编辑 | auroral-L

全文共2541字，预计阅读时间15分钟。

第九章  处理COVID-19数据

目录

 

  

  一、疫情COVID-19和数据集

    1、COVID-19数据的数据源

  二、可视化COVID-19数据

  ❤总结

第八章「Pandas入门」介绍了SciPy数据科学库——pandas的基础知识。你学习了系列（series）和数据帧（dataframe）这两种数据结构的基础知识，并且学会了可视化数据帧和系列中的数据。

这一章是你在前面几章中所习得的所有知识的终点。在本章中，我们将检索真实数据并将其可视化。在本章结束时，你应该熟悉了真实数据集的可视化步骤。

一、疫情COVID-19和数据集

在写这本书的时候，世界正面临着一场前所未有的自然灾害——一种由severe acute respiratory syndrome coronavirus 2（SARS-CoV-2）引起的疫情（一种在各大洲传播的传染病）以及由此产生的冠状病毒COVID-19。这种病毒来自同一个病毒家族（冠状病毒），这些病毒可导致像普通感冒的非致命性疾病，以及像非典和MERS这样的更致命的疾病。这些病毒引起哺乳动物和人类呼吸道感染，如果不及时治疗，可能致命。

1.COVID-19数据的数据源

许多组织正在全世界范围内跟踪COVID-19病例，并定期更新其网站和网络服务上的数据，其中最著名的组织是约翰霍普金斯大学（https://coronavirus.jhu.edu/map.html）和World-O-Meter （https://www.worldometers.info/coronavirus/）。这些是COVID-19非常可靠的数据来源，他们非常频繁地更新其统计数据（至少每24小时更新一次），以便下游系统获得最新的数据。

我们可以使用Python中的自定义库检索这些数据，可以在https://ahmednafies.github.io/covid/找到像这样的库。它可以从约翰霍普金斯大学和World-O-Meter检索数据。要安装它，请为此章创建一个新笔记本，并在代码单元中运行以下命令：

!pip3 install covid

接下来，按如下方式导入库：

from covid import Covid

你可以使用以下代码获取数据：

covid=Covid()

默认情况下，它从约翰霍普金斯大学获取数据。你也可以明确地指定数据源：

covid = Covid(source="john_hopkins")

要从World-O-Meter获取数据，请更改源值：

covid = Covid(source="worldometers")

可以使用以下命令显示所有数据：

covid.get_data()

它将返回一个字典列表，如图（9-1）所示：

 

 

我们可以确定数据来源，如下：

covid.source

该案例输出如下所示：

'worldometers'

你还可以按国家名称检索，如下所示：

covid.get_status_by_country_name("italy")

结果如图（9-2）所示：

 

 

你也可以按国家/地区ID检索数据（此函数仅对Johns Hopkins数据源有效），代码如下：

covid.get_status_by_country_id(115)

要检索受COVID-19疫情影响的国家列表，请使用以下语法：

covid.list_countries()

它返回如图（9-3）所示的列表：

 

 

现有确诊病例的总数如下所示：

covid.get_total_active_cases()

确诊病例总数如下：

covid.get_total_confirmed_cases()

治愈病例总数如下：

covid.get_total_recovered()

死亡总人数如下：

covid.get_total_deaths()

运行这些语句就可以得到输出。

二、可视化COVID-19数据

现在你可以将上述所有数据转换为一个pandas数据帧，如下所示：

import pandas as pd

df = pd.DataFrame(covid.get_data())

print(df)

输出如图（9-4）所示：

 

 

使用以下代码对数据进行排序：

sorted = df.sort_values(by=['confirmed'], ascending=False)

这些数据包含了所有大陆和整个世界的累积数据。我们可以排除以下地区的数据：

excluded = sorted[~sorted.country.isin(['Europe', 'South America', 'Asia', 'World', 'North America', 'Africa'])]

前10个国家可检索如下：

top10 = excluded.head(10)

print(top10)

输出如图（9-5）所示：

 

 

现在我们可以将数据提取到变量中，如下所示：

x = top10.country

y1 = top10.confirmed

y2 = top10.active

y3 = top10.deaths

y4 = top10.recovered

接下来将它可视化。导入Matplotlib并使用以下命令在笔记本上启用打印：

%matplotlib inline

import matplotlib.pyplot as plt

创建一个简单的线形图，如下所示：

plt.plot(x, y1)

plt.xticks(rotation=90)

plt.show()

结果如图（9-6）所示：

 

 

我们可以将之显示为条形图：

plt.bar(x, y1)

plt.xticks(rotation=90)

plt.show()

结果如图（9-7）所示：

 

 

使用以下代码创建多行图：

plt.plot(x, y1, label='Confirmed')

plt.plot(x, y2, label='Active')

plt.plot(x, y3, label='Deaths')

plt.plot(x, y4, label='Recovered')

plt.legend(loc='upper right')

plt.xticks(rotation=90)

plt.show()

输出如图（9-8）所示：

 

 

我们可以用更简洁的代码和更好的格式重写前面的示例，如下所示：

labels = ['Confirmed', 'Active', 'Deaths', 'Recovered']

plt.plot(x, y1, x, y2, x, y3, x, y4)

plt.legend(labels, loc='upper right')

plt.xticks(rotation=90)

plt.grid()

plt.show()

结果如图（9-9）所示：

 

 

我们可以用垂直多条形图显示数据，如下所示：

df2 = pd.DataFrame([y1, y2, y3, y4])

df2.plot.bar();

plt.legend(x, loc='upper center')

plt.xticks(rotation=90)

plt.grid()

plt.show()

如图（9-10）显示了输出：

 

 

我们可以用垂直堆叠条形图显示数据，如下所示：

df2.plot.bar(stacked=True);

plt.legend(x, loc='upper center')

plt.xticks(rotation=90)

plt.grid()

plt.show()

如图（9-11）显示了输出：

 

 

我们可以创建水平条形图，如下所示：

df2.plot.barh();

plt.legend(x, loc='upper right')

plt.xticks(rotation=90)

plt.grid()

plt.show()

如图（9-12）显示了输出：

 

 

接下来，使用以下代码创建水平堆叠条形图：

df2.plot.barh(stacked=True);

plt.legend(x, loc='upper right')

plt.xticks(rotation=90)

plt.grid()

plt.show()

输出如图（9-13）所示：

 

 

我们甚至可以使用面积图来可视化这些数据。默认情况下，面积图是堆叠的。我们可以创建如下：

df2.plot.area();

plt.legend(x, loc='upper right')

plt.xticks(rotation=90)

plt.grid()

plt.show()

输出如图（9-14）所示：

 

 

你甚至可以创建重叠（非堆叠）面积图，如下所示：

df2.plot.area(stacked=False);

plt.legend(x, loc='upper right')

plt.xticks(rotation=90)

plt.grid()

plt.show()

输出如图（9-15）所示：

 

 

若要创建点的大小与数据大小成比例的散点图，请使用以下代码：

factor=0.0001

plt.scatter(x, y1, s=y1*factor);

plt.scatter(x, y2, s=y2*factor);

plt.scatter(x, y3, s=y3*factor);

plt.scatter(x, y4, s=y4*factor);

plt.legend(labels, loc='upper right')

plt.xticks(rotation=90)

plt.grid()

plt.show()

输出如图（9-16）所示：

 

 

最后，你可以使用以下代码创建一个漂亮的饼图：

plt.pie(y1, labels=x)

plt.title('Confirmed Cases')

plt.show()

输出如图（9-17）所示：

 

 

❤总结

在本章中，你学习了如何通过各种在线源检索COVID-19数据并将数据转换为数据帧，你还学习了如何准备各种类型的可视化，以图形方式表示COVID-19数据。

现在我们使用真实的数据与案例结束了我们的数据可视化之旅。我希望你能喜欢阅读和演示这本书中的例子，就像我喜欢编写它们一样。数据可视化是一个非常广阔的领域，有许多其他的Python库可以用于数据可视化，例如ggplot、plotly和seaborn，这些库提供了高级的数据可视化功能，可以满足你的业务和科学可视化需求。