用Python只需要三分钟即可精美地可视化COVID-19数据

IT大咖说

发布于 2020-05-19 17:52:23

2.6K0

发布于 2020-05-19 17:52:23

文章被收录于专栏：IT大咖说

Matplotlib可能是Python的事实数据可视化库，但它并不总是最漂亮的。在本文中，我们将探讨如何将单调的默认Matplotlib图变成漂亮的数据可视化。我们将探索COVID-19数据，以了解该病毒如何在不同国家传播（我们只是针对数据进行分析不对任何做出评价）。

首先加载数据

我们将使用来Github存储库中的数据，这个存储库每天会自动更新各国数据。我们将根据URL将数据加载到Pandas的数据框中，以便每天自动为我们更新。

# Section 1 - Loading our Libraries
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter
import matplotlib.ticker as ticker
%matplotlib inline #if you're working in a Jupyter notebook

# Section 2 - Loading and Selecting Data
df = pd.read_csv('https://raw.githubusercontent.com/datasets/covid-19/master/data/countries-aggregated.csv', parse_dates=['Date'])
countries = ['Canada', 'Germany', 'United Kingdom', 'US', 'France', 'China']
df = df[df['Country'].isin(countries)]

# Section 3 - Creating a Summary Column
df['Cases'] = df[['Confirmed', 'Recovered', 'Deaths']].sum(axis=1)

在第一步中，我们加载我们需要使用的库。本文中我们将使用Pandas和Matplotlib。
在第二步中，我们将数据读入数据框df，然后仅选择列表中的countries。选择数据使结果可视化更具可读性。
在第三步中，我们创建一个汇总列，该汇总列汇总了已确认病例，已恢复病例以及因COVID-19而死亡的任何个人的病例总数。

为数据可视化准备我们的数据框

现在我们已经将数据存储在一个数据框中，让我们准备另外两个数据框，这些数据框将我们的数据保存在交叉表中，这将使我们能够更轻松地可视化数据。

# Section 4 - Restructuring our Data
df = df.pivot(index='Date', columns='Country', values='Cases')
countries = list(df.columns)
covid = df.reset_index('Date')
covid.set_index(['Date'], inplace=True)
covid.columns = countries

# Section 5 - Calculating Rates per 100,000
populations = {'Canada':37664517, 'Germany': 83721496 , 'United Kingdom': 67802690 , 'US': 330548815, 'France': 65239883, 'China':1438027228}
percapita = covid.copy()
for country in list(percapita.columns):
    percapita[country] = percapita[country]/populations[country]*100000

在第四步中，我们df对数据框进行数据透视，将案例数作为数据字段在国家/地区之外创建列。这个新的数据框称为covid。然后，我们将数据框的索引设置为日期，并将国家/地区名称分配给列标题。
在第五步中，我们复制数据框covid并将其命名为percapita。我们使用一个字典来存储我们所有国家的人口，然后将每个值除以人口，然后将其乘以100,000，以产生每100,000人中有多少病例。

创建我们的第一个可视化案例

让我们首先创建我们的第一个可视化，它将演示随着时间的推移在不同国家的总病例数:

# Section 6 - Generating Colours and Style
colors = {'Canada':'#045275', 'China':'#089099', 'France':'#7CCBA2', 'Germany':'#FCDE9C', 'US':'#DC3977', 'United Kingdom':'#7C1D6F'}
plt.style.use('fivethirtyeight')

# Section 7 - Creating the Visualization
plot = covid.plot(figsize=(18,18), color=list(colors.values()), linewidth=5, legend=False)
plot.yaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))
plot.grid(color='#d4d4d4')
plot.set_xlabel('Date')
plot.set_ylabel('# of Cases')

# Section 8 - Assigning Colour
for country in list(colors.keys()):
    plot.text(x = covid.index[-1], y = covid[country].max(), color = colors[country], s = country, weight = 'bold')

# Section 9 - Adding Labels
plot.text(x = covid.index[1], y = int(covid.max().max())+45000, s = "COVID-19 在各国中的数据显示", fontsize = 23, weight = 'bold', alpha = .75)
plot.text(x = covid.index[1], y = int(covid.max().max())+15000, s = "For the USA, China, Germany, France, United Kingdom, and Canada\nIncludes Current Cases, Recoveries, and Deaths", fontsize = 16, alpha = .75)
plot.text(x = percapita.index[1], y = -100000                     Source: https://github.com/datasets/covid-19/blob/master/data/countries-aggregated.csv', fontsize = 10)

在第六步中，我们创建了一个字典，其中包含不同国家的十六进制值。将其存储在字典中将使我们稍后可以在for循环中轻松调用它。我们还指定了FiveThirtyEight样式以添加一些常规格式，这些格式将在很大程度上建立。
在第七步中，我们使用Pandas的绘图功能创建了第一个可视化。我们使用colors参数将颜色分配给不同的列。我们还使用该set_major_formatter方法以数千个分隔符设置值的格式。
然后，在第八步中，我们创建一个for循环，为各个国家/地区生成标签文本。该for循环以列表的形式从字典中的键中获取每个国家的名称，并在该列表上进行迭代。它将包含国家/地区名称的文本放在最后covid.index[-1]一天的y值（始终等于该列的最大值）的最后一个x值（→数据框中的最后日期）的右侧。
最后，在第九步中，我们添加了有关图表的标题，副标题和源信息。我们再次使用变量来定位数据，以使图形更新时，这些位置也会动态更新！

这是第一张图表的最终结果：

COVID-19 在各国中的数据显示

创建第二个可视化视图-每100,000人的案例数

为了创建第二个可视化，我们将使用以下代码：

percapitaplot = percapita.plot(figsize=(20,20), color=list(colors.values()), linewidth=5, legend=False)
percapitaplot.grid(color='#d4d4d4')
percapitaplot.set_xlabel('Date')
percapitaplot.set_ylabel('# of Cases per 100,000 People')
for country in list(colors.keys()):
    percapitaplot.text(x = percapita.index[-1], y = percapita[country].max(), color = colors[country], s = country, weight = 'bold')
percapitaplot.text(x = percapita.index[1], y = percapita.max().max()+25, s = "按国家分COVID-19人均病例数", fontsize = 23, weight = 'bold', alpha = .75)
percapitaplot.text(x = percapita.index[1], y = percapita.max().max()+10, s = "中国、美国、德国、法国、英国和加拿大目前的病例、康复和死亡人数", fontsize = 16, alpha = .75)