如何使用Python绘制COVID-19的全球扩散图

​[[358773]]​

成都创新互联服务项目包括临川网站建设、临川网站制作、临川网页制作以及临川网络营销策划等。多年来,我们专注于互联网行业,利用自身积累的技术优势、行业经验、深度合作伙伴关系等,向广大中小型企业、政府机构等提供互联网行业的解决方案,临川网站推广取得了明显的社会效益与经济效益。目前,我们服务的客户以成都为中心已经辐射到临川省份的部分城市,未来相信会继续扩大服务区域并继续获得客户的支持与信任!

使用这些开源框架创建一个彩色地图,显示病毒的可能的传播路径。

对于一个全球旅行司空见惯的世界来说,疾病的传播是一个真正令人担忧的问题。一些组织会跟踪重大的流行病(还有所有普遍的流行病),并将他们的跟踪工作获得的数据公开出来。不过,这些原始的数据对人来说可能很难处理,这就是为什么数据科学如此重要的原因。比如,用 Python 和 Pandas 可视化 COVID-19 在全球范围内的传播路径可能对这些数据的分析有所帮助。

最开始,当面对如此大数量的原始数据时可能难以下手。但当你开始处理数据之后,慢慢地就会发现一些处理数据的方式。下面是用于处理 COVID-19 数据的一些常见的情况:

  1. 从 GitHub 上下载 COVID-19 的国家每日传播数据,保存为一个 Pandas 中的 DataFrame 对象。这时你需要使用 Python 中的 Pandas 库。
  2. 处理并清理下载好的数据,使其满足可视化数据的输入格式。所下载的数据的情况很好(数据规整)。这个数据有一个问题是它用国家的名字来标识国家,但最好是使用三位数的 ISO 3 码(国家代码表)来标识国家。为了生成 ISO 3 码,可是使用​​pycountry​​ 这个 Python 库。生成了这些代码之后,可以在原有的 DataFrame 上增加一列,然后用这些代码填充进去。
  3. 最后为了实现可视化,使用 Plotly 库中的​​express​​ 模块。这篇文章是使用名为choropleth 的地图(可在 Plotly 库中获得)来可视化该疾病在全球的传播。

第一步:Corona 数据

从下面这个网站上下载最新的 corona 数据(LCTT 译注:2020-12-14 仍可访问,有墙):

  • ​​https://raw.githubusercontent.com/datasets/covid-19/master/data/countries-aggregated.csv​​

我们之间将这个下载好的数据载入为 Pandas 的 DataFrame。Pandas 提供了一个函数, ​​read_csv()​​,可以直接使用 URL 读取数据,并返回一个 DataFrame 对象,具体如下所示:

import pycountry

import plotly.express as px

import pandas as pd

URL_DATASET = r'https://raw.githubusercontent.com/datasets/covid-19/master/data/countries-aggregated.csv'

df1 = pd.read_csv(URL_DATASET)

print(df1.head(3)) # Get first 3 entries in the dataframe

print(df1.tail(3)) # Get last 3 entries in the dataframe

在 Jupyter 上的输出截图:

​​

Jupyter screenshot

从这个输出可以看到这个 DataFrame(​​df1​​)包括以下几列数据:

  1. ​Date​
  2. ​Country​
  3. ​Confirmed​
  4. ​Recovered​
  5. ​Dead​

之后还可以看到 ​​Date​​ 这一列包含了从 1 月 22 日到 3 月 31 日的条目信息。这个数据是每天更新的,所以你会得到你当天的值。

第二步:清理和修改 DataFrame

我们要往这个 DataFrame 中增加一列数据,就是那个包含了 ISO 3 编码。可以通过以下三步完成这个任务:

  1. 创建一个包含所有国家的列表。因为在​​df1​​​ 的​​Country​​​ 列中,国家都是每个日期就重复一次。所以实际上​​Country​​​ 列中对每个国家就会有多个条目。我使用​​unique().tolist()​​ 函数完成这个任务。
  2. 我使用​​d_country_code​​ 字典对象(初始为空),然后将其键设置为国家的名称,然后它的值设置为其对应的 ISO 3 编码。
  3. 我使用​​pycountry.countries.search_fuzzy(country)​​​ 为每个国家生成 ISO 3 编码。你需要明白的是这个函数的返回值是一个​​Country​​​ 对象的列表。我将这个函数的返回值赋给​​country_data​​​ 对象。以这个对象的第一个元素(序号​​0​​​)为例。这个​​\​​​ 对象有一个​​alpha_3​​​ 属性。所以我使用​​country_data[0].alpha_3​​​ 就能“获得”第一个元素的 ISO 3 编码。然而,在这个 DataFrame 中有些国家的名称可能没有对应的 ISO 3 编码(比如有争议的领土)。那么对这些“国家/地区”,我就用一个空白字符串来替代 ISO 3 编码。你也可以用一个​​try-except​​​ 代码来替换这部分。​​except​​​ 中的语句可以写:​​print(‘could not add ISO 3 code for ->', country)​​。这样就能在找不到这些“国家/地区”对应的 ISO 3 编码时给出一个输出提示。实际上,你会发现这些“国家/地区”会在最后的输出中用白色来表示。
  4. 在获得了每个国家的 ISO 3 编码(有些是空白字符串)之后,我把这些国家的名称(作为键)还有国家对应的 ISO 3 编码(作为值)添加到之前的字典​​d_country_code​​​ 中。可以使用 Python 中字典对象的​​update()​​ 方法来完成这个任务。
  5. 在创建好了一个包含国家名称和对应 ISO 3 编码的字典之后,我使用一个简单的循环将他们加入到 DataFrame 中。

第三步:使用 Plotly 可视化传播路径

choropleth 地图是一个由彩色多边形组成的地图。它常常用来表示一个变量在空间中的变化。我们使用 Plotly 中的 ​​px​​​ 模块来创建 choropleth 图,具体函数为:​​px.choropleth​​。

这个函数的所包含的参数如下:

plotly.express.choropleth(data_frame=None, lat=None, lon=None, locations=None, locationmode=None, geojson=None, featureidkey=None, color=None, hover_name=None, hover_data=None, custom_data=None, animation_frame=None, animation_group=None, category_orders={}, labels={}, color_discrete_sequence=None, color_discrete_map={}, color_continuous_scale=None, range_color=None, color_continuous_midpoint=None, projection=None, scope=None, center=None, title=None, template=None, width=None, height=None)

​choropleth()​​ 这个函数还有几点需要注意:

  1. ​geojson​​​ 是一个​​geometry​​​ 对象(上面函数第六个参数)。这个对象有点让人困扰,因为在函数文档中没有明确地提到这个对象。你可以提供,也可以不提供​​geojson​​​ 对象。如果你提供了​​geojson​​​ 对象,那么这个对象就会被用来绘制地球特征,如果不提供​​geojson​​​ 对象,那这个函数默认就会使用一个内建的​​geometry​​​ 对象。(在我们的实验中,我们使用内建的​​geometry​​​ 对象,因此我们不会为​​geojson​​ 参数提供值)
  2. DataFrame 对象有一个​​data_frame​​​ 属性,在这里我们先前就提供了一个我们创建好的​​df1​​。
  3. 我们用​​Confirmed​​(确诊数)来决定每个国家多边形的颜色。
  4. 最后,我们​​Date​​​ 列创建一个​​animation_frame​​​。这样我们就能通过日期来划分数据,国家的颜色会随着​​Confirmed​​ 的变化而变化。

最后完整的代码如下:

import pycountry

import plotly.express as px

import pandas as pd

# ----------- Step 1 ------------

URL_DATASET = r'https://raw.githubusercontent.com/datasets/covid-19/master/data/countries-aggregated.csv'

df1 = pd.read_csv(URL_DATASET)

# print(df1.head) # Uncomment to see what the dataframe is like

# ----------- Step 2 ------------

list_countries = df1['Country'].unique().tolist()

# print(list_countries) # Uncomment to see list of countries

d_country_code = {} # To hold the country names and their ISO

for country in list_countries:

try:

country_data = pycountry.countries.search_fuzzy(country)

# country_data is a list of objects of class pycountry.db.Country

# The first item ie at index 0 of list is best fit

# object of class Country have an alpha_3 attribute

country_code = country_data[0].alpha_3

d_country_code.update({country: country_code})

except:

print('could not add ISO 3 code for ->', country)

# If could not find country, make ISO code ' '

d_country_code.update({country: ' '})


# print(d_country_code) # Uncomment to check dictionary


# create a new column iso_alpha in the df

# and fill it with appropriate iso 3 code

for k, v in d_country_code.items():

df1.loc[(df1.Country == k), 'iso_alpha'] = v


# print(df1.head) # Uncomment to confirm that ISO codes added

# ----------- Step 3 ------------

fig = px.choropleth(data_frame = df1,

locations= "iso_alpha",

color= "Confirmed", # value in column 'Confirmed' determines color

hover_name= "Country",

color_continuous_scale= 'RdYlGn', # color scale red, yellow green

animation_frame= "Date")


fig.show()

Map

你可以从这里下载并运行​​完整代码​​。

最后,这里还有一些关于 Plotly 绘制 choropleth 图的不错的资源。

当前文章:如何使用Python绘制COVID-19的全球扩散图
文章源于:http://www.gawzjz.com/qtweb/news27/161127.html

网站建设、网络推广公司-创新互联,是专注品牌与效果的网站制作,网络营销seo公司;服务项目有等

广告

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联