Python实现数据可视化：从数据来源到完整代码教程

苏小简

于 2024-10-27 14:23:30 发布

阅读量1.7k

点赞数 16

分类专栏： python知识区文章标签：信息可视化 python 开发语言

本文链接：https://blog.csdn.net/tuzajun/article/details/143268372

版权

python知识区专栏收录该内容

11 篇文章

订阅专栏

一、数据的来源与意义

数据来源：在本教程中，我们使用开源的数据集“COVID-19全球确诊病例数”。该数据集来自约翰斯·霍普金斯大学公开的数据，包含了全球不同国家和地区在不同时间点的确诊病例数。

数据意义：该数据集记录了从COVID-19疫情爆发到目前为止的全球确诊病例数，通过可视化可以帮助我们了解疫情的发展趋势、各国疫情的严重程度以及防控措施的效果。

二、代码环境与运行平台

开发环境：推荐使用Jupyter Notebook、Visual Studio Code（VS Code）或PyCharm等Python编程软件。在这些平台上可以方便地运行Python代码、展示数据可视化图表。

所需库：我们将使用以下Python库：

Pandas：用于数据处理和分析。
Matplotlib：用于基本的绘图。
Seaborn：用于创建更高级的统计图形。

安装这些库：

pip install pandas matplotlib seaborn

三、数据加载与处理

1. 加载数据

我们首先从网络上获取COVID-19数据集，可以直接使用已下载的CSV文件。假设文件名为covid19_data.csv。

import pandas as pd

# 加载COVID-19数据集
data = pd.read_csv('covid19_data.csv')
data.head()

2. 数据结构与处理

查看数据集的前几行，确保数据加载成功，并了解数据结构。假设数据集包含以下列：

Country/Region：国家/地区名称
Date：日期
Confirmed：确诊病例数
Deaths：死亡病例数
Recovered：康复病例数

# 查看数据的基本信息
print(data.info())

# 将日期列转换为日期格式
data['Date'] = pd.to_datetime(data['Date'])

3. 数据筛选

我们可以选择几个国家的数据进行展示，以便观察这些国家的疫情趋势。这里我们选择“美国”、“印度”和“巴西”。

# 筛选出美国、印度、巴西的确诊病例数据
selected_countries = ['US', 'India', 'Brazil']
country_data = data[data['Country/Region'].isin(selected_countries)]

四、可视化实现

接下来，我们通过可视化呈现COVID-19确诊病例的趋势。

1. 绘制时间序列图

使用Matplotlib和Seaborn绘制确诊病例的时间序列图，以观察疫情在不同国家的变化趋势。

import matplotlib.pyplot as plt
import seaborn as sns

# 设置Seaborn主题
sns.set(style="whitegrid")

# 绘制时间序列图
plt.figure(figsize=(14, 7))
for country in selected_countries:
    country_df = country_data[country_data['Country/Region'] == country]
    plt.plot(country_df['Date'], country_df['Confirmed'], label=country)

# 添加标题和标签
plt.title("COVID-19 Confirmed Cases Over Time")
plt.xlabel("Date")
plt.ylabel("Confirmed Cases")
plt.legend(title="Country")
plt.xticks(rotation=45)
plt.show()

代码解析：

plt.plot()：绘制时间序列图，x轴为日期，y轴为确诊病例数。
plt.legend()：在图表上添加图例，以区分不同国家的数据。

2. 绘制累计死亡病例柱状图

接下来，我们绘制这些国家的累计死亡病例柱状图，以了解疫情的严重性。

# 获取最新日期的数据
latest_data = country_data[country_data['Date'] == country_data['Date'].max()]

# 绘制柱状图
plt.figure(figsize=(10, 6))
sns.barplot(data=latest_data, x='Country/Region', y='Deaths', palette="viridis")
plt.title("COVID-19 Deaths in Selected Countries (Latest Data)")
plt.xlabel("Country")
plt.ylabel("Deaths")
plt.show()

代码解析：

sns.barplot()：绘制柱状图，x轴为国家，y轴为死亡病例数。
palette="viridis"：设置颜色主题，便于图表的可读性。

3. 绘制恢复率饼图

绘制恢复率的饼图可以让我们直观了解不同国家的康复比例。

# 计算恢复率
latest_data['Recovery Rate'] = latest_data['Recovered'] / latest_data['Confirmed'] * 100

# 绘制饼图
plt.figure(figsize=(8, 8))
plt.pie(latest_data['Recovery Rate'], labels=latest_data['Country/Region'], autopct='%1.1f%%', startangle=140)
plt.title("COVID-19 Recovery Rate in Selected Countries")
plt.show()

代码解析：