用 Python可视化神器 Plotly 动态演示全球疫情变化趋势
作者:Lemonbit出品:Python数据之道
用 Python可视化神器 Plotly
动态演示全球疫情变化趋势
各位同学早上好,我是 Lemonbit 。
近期对疫情数据进行可视化的内容比较多,今天我来用 Python 可视化申请 Plotly 对国外的疫情发展情况进行可视化,以项目实战的形式,在分析和了解国外疫情变化趋势的同时,加深大家对 Plotly 的学习应用。
在开始之前,我们先来看看最终制作的部分效果图,如果你觉得有兴趣,不妨继续往下看。
数据来源
国内的疫情,目前已逐步受到控制,各项指标已开始明显好转,但国外的情况,看起来不是太乐观,已有的作业也没有抄好,所以,本次我们主要来可视化分析国外疫情的发展情况。
疫情的数据来源于开源项目 Akshare,由于使用该项目获取数据时,有时不太稳定,可能会遇到连接失败的情况,所以,这里我提供了保存好的数据供大家使用。
准备工作
照例,还是先介绍下我运行的环境
Mac 系统
Anaconda(Python 3.7)
Jupyter Notebook
本次使用到的 Python 库包括 akshare, pandas, plotly 等,导入如下:
import akshare as ak import pandas as pd import plotly from plotly.offline import iplot, init_notebook_mode import plotly.express as px from datetime import datetime init_notebook_mode()接着,我们读取已获得的数据,已保存的数据是截至3月7日的。
# 从 akshare 获取数据 # df_all_history = ak.epidemic_history() # 从csv文件获取数据 df_all_history = pd.read_csv('epidemic_all_20200307.csv',index_col=0) df_all_history从上面获取的数据,有些数据格式需要加以调整,对于日期,我们这里会组织两列数据,一列是时间格式的日期(
['date']),一列是字符串格式的日期 (
['dates'])。这样设置的原因,是因为我们后续分别需要用到这两种格式的日期。
df_all = df_all_history # 将字符串格式的日期 另保存为一列 df_all['dates'] = df_all_history['date'] # 将字符串格式的日期转换为 日期格式 df_all['date'] = pd.to_datetime(df_all['date'])
获取国外的疫情数据
上面的数据,是全球的数据,我们可以把其中属于中国的剔除,就可以得到国外的数据了。# 国外,按国家统计 df_oversea = df_all.query("country!='中国'") df_oversea.fillna(value="", inplace=True) df_oversea先来用 plotly express 看下国外疫情分国家的整体走势。
fig_oversea = px.line(df_oversea, x='dates', y='confirmed', line_group='country', color='country', color_discrete_sequence=px.colors.qualitative.D3, hover_name='country', ) fig_oversea.show()
从上图可以看出,国外的疫情发展情况,大部分国家从2月10日期,发展趋势较为明显,因此,后面我们重点分析这段时间之后的情况。
# 现有数据演示从 2020年2月10日开始 df_oversea_recent = df_oversea.set_index('date') df_oversea_recent = df_oversea_recent['2020-02-10':] df_oversea_recent由于部分国家的数据不是从2020年2月10日开始记录的,所以要补充数据。我们可以手动新建一个 excel数据表,将补充日期的数值填充为 0 。
我这里主要补充的是伊朗的数据,因为伊朗实在是发展太快了,必须纳入分析的范围内。其他国家,如果有需要补充的,后续可以继续完善。
# 由于部分国家,数据不是从2020年2月10日开始的,所以要补充数据,数值为 0 # 数据在 excel 表格中进行补充,这里进行读取 df_oversea_buchong = pd.read_excel('epidemic_buchong.xlsx') df_oversea_buchong['dates'] = df_oversea_buchong['date'].apply(lambda x:x.strftime('%Y-%m-%d')) df_oversea_buchong.set_index('date', inplace=True) df_oversea_buchong.fillna(value="", inplace=True) print(df_oversea_buchong.info()) df_oversea_buchong将需要补充的数据弄好后,我们可以合并上面这两部分数据,一起进行分析。
# 合并补充数据 df_oversea_recent_new = df_oversea_recent.append(df_oversea_buchong) df_oversea_recent_new.sort_index(inplace=True) df_oversea_recent_new得到合并的数据后,首先,我们用气泡图来对变化情况进行可视化,这里用的是 plotly express 的散点图。
plotly express 现在已经合并到 plotly 中,个人觉得跟 plotly 原生内容的协同性相对 cufflinks 要好用点。
# -*- coding: utf-8 -*- """ @Author: Lemonbit @出品:Python数据之道 @Homepage: liyangbit.com """ fig_oversea_recent = px.scatter(df_oversea_recent_new, x='dead', y='confirmed', size='confirmed', text='country', color='country', color_discrete_sequence=px.colors.qualitative.Light24, animation_frame='dates',animation_group='country', hover_name='country', range_x=[-10,260], range_y=[0,8000], size_max=50, template='plotly_white', ) fig_oversea_recent.show()
从上面这个动态图可以清晰的看出,当前,在海外的国家中,韩国、伊朗、意大利三个国家最为严重。这三个国家中,就增长趋势而言,伊朗和意大利又比韩国要更明显,目前韩国的增长有所放缓,而伊朗和意大利还处于快速增长的过程中,后续情况不容乐观。
此外,在这个图中,另外还有几个国家值得关注,日本,除去钻石号之外,从数据来看,本土的增长目前还算是在稍微较好的范围内。反倒是,德国、法国、西班牙,个人觉得已成逐步壮大之势,不得不防。
而且,由于整个欧盟国家之间,人员是自由流通的,现在看来,整个欧盟很可能会成为疫情的重灾区,其影响巨大。
上图左下角的这些国家的走势,我们可以拉近来看,走势如下,这样,对于 德国、法国、西班牙就会看的更明显了。
这里,还有一个国家,就是美国,虽然从数据以及增长情况来看,好像美国还好,但恐怕实际情况,要糟糕很多。
上面是以气泡图的方式来演示变化过程,我们也可以以柱状图的形式来演示,效果如下:
关于上面的效果图,各位可以自行研究下,欢迎交流。
需要说明的是,本文代码是在 Jupyter Notebook 中运行的, 如果是在 PyCharm 等 IDE 中运行,需要稍微修改下代码。
最后,再次感谢开源项目 Akshare 提供了数据接口。
近期文章漂亮~pandas可以无缝衔接Bokeh
使用Pandas、Jinja和WeasyPrint制作pdf报告
使用Python制作WORD报告
Python网络爬虫与文本数据分析
综述:文本分析在市场营销研究中的应用Lazy Prices公司年报内容变动碰上股价偷懒用python帮你生产指定内容的word文档2020年B站跨年晚会弹幕内容分析YelpDaset: 酒店管理类数据集10+GNRC词语情绪词典和词语色彩词典Loughran&McDonald金融文本情感分析库股评师分析报告文本情感分析预测股价使用分析师报告中含有的情感信息预测上市公司股价变动代码不到40行的超燃动态排序图
公众号后台回复关键词“20200309”获取本文 jupyter notebook代码
- 点赞
- 收藏
- 分享
- 文章举报
- 如何利用Python将疫情数据制作成折线变化图,继上篇“关于新型冠状病毒肺炎疫情追踪的可视化数据的采集、处理”的补充
- 【D3.JS数据可视化实战记录】绘制动态状态变化趋势图
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(Button的command/Label/PhotoImage/封装为类)——Jason niu
- python实现可视化动态CPU性能监控
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(LabelFrame/Checkbutton/Radiobutton)——Jason niu
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(Listbox/Scrollbar)——Jason niu
- Python数据可视化:顶级绘图库plotly
- 2019-nCoV 全国新型肺炎疫情每日动态趋势可视图
- TF之NN:matplotlib动态演示深度学习之tensorflow将神经网络系统自动学习并优化修正并且将输出结果可视化—Jason niu
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(Scale/Scale的Command)——Jason niu
- 使用Python制作疫情数据分析可视化图表(二)
- PowerBI新冠疫情可视化数据面板 动态更新 新闻可跳转 by btharp
- 新手学算法 2:可视化动态演示==》算法原理
- 使用Python制作疫情数据分析可视化图表(一)
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(Find/undo事件)——Jason niu
- Plotly 4.0 发布,流行的Python数据可视化框架
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(Canvas)——Jason niu
- jQuery实现的动态文字变化输出效果示例【附演示与demo源码下载】
- 大话编程:非常有趣的循环(Python语言可视化海龟画图演示)
- python——pyecharts库geo函数/map函数实现【安徽省肺炎疫情等级分布】地图数据的可视化