全国疫情及疫苗接种进度可视化
- 全球疫情及疫苗接种进度可视化之一–全球疫情形势动态地图展示
- 全球疫情及疫苗接种进度可视化之二–新冠疫情形势气泡图
- 全球疫情及疫苗接种进度可视化三–疫苗研发情况
- 全球疫情及疫苗接种进度可视化之四–各国疫苗接种进度
如果想了解更多有趣的项目和小玩意,都可以来我这里哦通道
2020年底以来,欧美、印度、中国、俄罗斯等多国得制药公司纷纷推出了针对新冠肺炎的疫苗,这部分要分析了2020年以来全球疫情形势、各类疫苗在全球的地理分布、疫苗在各国的接种进度进行可视化展示,以期给读者提供当前疫情以及未来疫情防控的直观展示。
安装plotly库
因为这部分内容主要是用plotly库进行数据动态展示,所以要先安装plotly库
pip install plotly
除此之外,我们对数据的处理还用了numpy和pandas库,如果你没有安装的话,可以用以下命令一行安装
pip install plotly numpy pandas
#导入所需库
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
全球疫情形势
分析2020年以来、全球感染人数、死亡人数、治愈人数的情况,由于涉及时间序列数据,因此拟采用plotly库中动态图表的方式进行直观展示。
定义工具函数
抽取数据
#抽取数据
def fetch_data(file):
df=pd.read_csv(file)# 用pd.read_csv读取csv文件
#由于美国等国数据是按二级行政区划提供的,需按国家进行汇总,并且去掉了Lat,Long两列
result=df.groupby(['Country/Region']).sum().drop(['Lat','Long'],axis=1).stack()
# 重新定义索引
result=result.reset_index()
result.columns=['Country','date','value']
result['date_']=pd.to_datetime(result.date)#生成时间索引
result=result.sort_values(by='date_',axis=0,ascending=True)#按时间排序
result=result.replace('\*','',regex=True)#有些国家名字中有*,去掉国名中的*
return result
绘制动态图表
#绘制动态图表
def draw_data(df, label,color):
fig=px.choropleth(df,
locations='Country',#选择城市为坐标
locationmode='country names',
animation_frame='date',#以时间为轴
color='value',#颜色变化选择人数
color_continuous_scale=[[0, 'White'],[1, color]],#按提供的颜色作为最大值的颜色color
labels={'value':label},#按提供的label绘制图例
range_color=[df.value.min(), df.value.max()])#按全程数据的最大值、最小值进行绘制,不采用autoscale
fig.show()
重抽样
#重抽样 源数据为按天展示的数据,为减少数据展示的计算量,需重抽样为周或月
def resample(df,period):
country_list=df.Country.drop_duplicates()#计算城市,得到城市的列表
temp=df.copy()
result=pd.DataFrame()
for i in country_list: #按国家分别进行重抽样,并合并数据
r_temp=temp.loc[temp.Country==i]#选择对应的城市的行
r_temp=r_temp.drop_duplicates(['date_'])#对数据去重
r_temp=r_temp.set_index('date_')
r_temp=r_temp.resample(period).asfreq().dropna()#重采样并且删除缺失值
r_temp=r_temp.reset_index()
result=pd.concat([result,r_temp])
return result.sort_values(by='date_',axis=0,ascending=True)
数据抽取、整理与可视化展示
抽取原始数据
#抽取原始数据
confirmed=fetch_data(r'data/time_series_covid19_confirmed_global.csv')
recovered=fetch_data(r'data/time_series_covid19_recovered_global.csv')
deaths=fetch_data(r'data/time_series_covid19_deaths_global.csv')
按周重抽样
#按周重抽样
confirmed=resample(confirmed,'W')
recovered=resample(recovered,'W')
deaths=resample(deaths,'W')
气泡图可视化
以下汇总确诊病例、治愈病例、死亡病例进行统一展示,拟采用地理气泡图,在地图上同时展示三种数据,并比较期相对趋势。
#气泡中心点地理数据
geodata=pd.read_csv(r'data/time_series_covid19_confirmed_global.csv',
usecols=['Country/Region','Lat','Long']).drop_duplicates(subset=['Country/Region'])
geodata
我们可以得到geodata,在这个数据中有我们的经纬度的位置,也就是我们气泡的位置
#连接各国的气泡坐标 并去掉County/Region这一列
#pd.merge以左边的索引为主
confirmed_loc=pd.merge(confirmed,geodata,how='left',left_on='Country',right_on='Country/Region').drop('Country/Region',axis=1)
recovered_loc=pd.merge(recovered,geodata,how='left',left_on='Country',right_on='Country/Region').drop('Country/Region',axis=1)
deaths_loc=pd.merge(deaths,geodata,how='left',left_on='Country',right_on='Country/Region').drop('Country/Region',axis=1)
有关pd.merge的解释可以去这里看【python】详解pandas库的pd.merge函数,简单来说,顾名思义,就是一个合并函数啦,只不过策略不同
#标记3类数据
confirmed_loc['case_type']='confirmed'
recovered_loc['case_type']='recovered'
deaths_loc['case_type']='deaths'
#组合数据
total_loc=pd.concat([confirmed_loc,recovered_loc,deaths_loc])
total_loc
#绘制气泡图
fig=px.scatter_geo(total_loc,
lat='Lat',#纬度位置
lon='Long',#经度位置
size='value',#以value作为气泡的大小
size_max=50,#气泡最大是50
animation_frame='date',#随着时间变换
color='case_type',#颜色依据case_type
color_discrete_sequence=['Red','Green','Black'],
hover_name='Country')
fig.show()
我们可以得到以上的气泡图,我们可以比较气泡的大小来判断,三种情况,死亡,痊愈,确诊的情况,由上图可以发现,3类数据基本均与确诊病例数呈正相关,但就治愈人数与确诊人数比例而言,美国、加勒比海各国、欧洲各国表现较差,而印度、俄罗斯、巴西、阿根廷相对较好。
气泡图进阶
为了更清楚地展示数据,我们换一种方式来绘制气泡图:
- 横坐标为治愈人数
- 纵坐标为死亡人数
- 气泡大小为确诊人数
#整理数据宽表
#得到新的数据表
total_loc_combined=total_loc.set_index(['date_','Country','case_type']).unstack().droplevel(0,axis=1).iloc[:,[0,3,4,5,6,9]]
total_loc_combined=total_loc_combined.reset_index()
#重新设置索引
total_loc_combined.columns=['date_','Country','date','confirmed','deaths','recovered','Lat','Long']
total_loc_combined
如果不太明白droplevel()的可以看看Python pandas.DataFrame.droplevel函数方法的使用,其实只是去掉多了一个索引,因为在我们unstack以后会出现多个行索引
#绘制气泡图:
fig=px.scatter(total_loc_combined,
x='recovered',#x为治愈人数
y='deaths',#y为死亡人数
size='confirmed',#气泡的大小由确诊人数定
size_max=50,
color='Country',
animation_frame='date',
hover_name='Country')
#设置x和y的范围,以期能较好表示更多的数据
fig.update_layout(xaxis={'range':[-1500000,total_loc_combined.recovered.max()*1.2]},
yaxis={'range':[-20000,total_loc_combined.deaths.max()*1.2]})
fig.show()
同样可以看到我们之前发现的结论:
- 各个国家大致分布在一个向右上方倾斜的直线上,且越向右上,气泡越大,表示对大多数国家而言,确诊人数、治愈人数、死亡人数呈一定比例
- 印度、巴西、俄罗斯、土耳其等国分布在直线以下,表示其治愈人数较多,死亡较少
- 美国、欧洲各国分布在直线以上,表示其治愈人数较少,死亡较多