用Python可視化神器Plotly動態(tài)演示全球疫情變化趨勢

作者：佚名 2020-03-23 14:55:52

今天我來用 Python 可視化申請 Plotly 對國外的疫情發(fā)展情況進行可視化，以項目實戰(zhàn)的形式，在分析和了解國外疫情變化趨勢的同時，加深大家對 Plotly 的學習應(yīng)用。

用 Python可視化神器 Plotly

動態(tài)演示全球疫情變化趨勢

各位同學早上好，我是 Lemonbit 。

近期對疫情數(shù)據(jù)進行可視化的內(nèi)容比較多，今天我來用 Python 可視化申請 Plotly 對國外的疫情發(fā)展情況進行可視化，以項目實戰(zhàn)的形式，在分析和了解國外疫情變化趨勢的同時，加深大家對 Plotly 的學習應(yīng)用。

在開始之前，我們先來看看最終制作的部分效果圖，如果你覺得有興趣，不妨繼續(xù)往下看。

數(shù)據(jù)來源

國內(nèi)的疫情，目前已逐步受到控制，各項指標已開始明顯好轉(zhuǎn)，但國外的情況，看起來不是太樂觀，已有的作業(yè)也沒有抄好，所以，本次我們主要來可視化分析國外疫情的發(fā)展情況。

疫情的數(shù)據(jù)來源于開源項目 Akshare，由于使用該項目獲取數(shù)據(jù)時，有時不太穩(wěn)定，可能會遇到連接失敗的情況，所以，這里我提供了保存好的數(shù)據(jù)供大家使用。

準備工作

照例，還是先介紹下我運行的環(huán)境

Mac 系統(tǒng)
Anaconda（Python 3.7）
Jupyter Notebook

本次使用到的 Python 庫包括 akshare, pandas, plotly 等，導(dǎo)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()

接著，我們讀取已獲得的數(shù)據(jù)，已保存的數(shù)據(jù)是截至3月7日的。

# 從 akshare 獲取數(shù)據(jù) 
   # df_all_history = ak.epidemic_history()  
   # 從csv文件獲取數(shù)據(jù)  
   df_all_history = pd.read_csv('epidemic_all_20200307.csv',index_col=0)  
   df_all_history

從上面獲取的數(shù)據(jù)，有些數(shù)據(jù)格式需要加以調(diào)整，對于日期，我們這里會組織兩列數(shù)據(jù)，一列是時間格式的日期（ ['date']），一列是字符串格式的日期 ( ['dates'])。這樣設(shè)置的原因，是因為我們后續(xù)分別需要用到這兩種格式的日期。

df_all = df_all_history  
    # 將字符串格式的日期 另保存為一列  
    df_all['dates'] = df_all_history['date']  
    # 將字符串格式的日期轉(zhuǎn)換為 日期格式  
    df_all['date'] = pd.to_datetime(df_all['date'])

獲取國外的疫情數(shù)據(jù)

上面的數(shù)據(jù)，是全球的數(shù)據(jù)，我們可以把其中屬于中國的剔除，就可以得到國外的數(shù)據(jù)了。

# 國外，按國家統(tǒng)計 
    df_oversea = df_all.query("country!='中國'")  
    df_oversea.fillna(value="", inplace=True)  
    df_oversea

先來用 plotly express 看下國外疫情分國家的整體走勢。

# 國外，按國家統(tǒng)計  
    df_oversea = df_all.query("country!='中國'") 
    df_oversea.fillna(value="", inplace=True)  
    df_oversea

從上圖可以看出，國外的疫情發(fā)展情況，大部分國家從2月10日期，發(fā)展趨勢較為明顯，因此，后面我們重點分析這段時間之后的情況。

# 現(xiàn)有數(shù)據(jù)演示從 2020年2月10日開始 
   df_overseadf_oversea_recent = df_oversea.set_index('date') 
   df_oversea_recentdf_oversea_recent = df_oversea_recent['2020-02-10':]  
   df_oversea_recent

由于部分國家的數(shù)據(jù)不是從2020年2月10日開始記錄的，所以要補充數(shù)據(jù)。我們可以手動新建一個 excel數(shù)據(jù)表，將補充日期的數(shù)值填充為 0 。

我這里主要補充的是伊朗的數(shù)據(jù)，因為伊朗實在是發(fā)展太快了，必須納入分析的范圍內(nèi)。其他國家，如果有需要補充的，后續(xù)可以繼續(xù)完善。

# 由于部分國家，數(shù)據(jù)不是從2020年2月10日開始的，所以要補充數(shù)據(jù)，數(shù)值為 0  
   # 數(shù)據(jù)在 excel 表格中進行補充，這里進行讀取  
   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

將需要補充的數(shù)據(jù)弄好后，我們可以合并上面這兩部分數(shù)據(jù)，一起進行分析。

# 合并補充數(shù)據(jù)  
  df_oversea_recentdf_oversea_recent_new = df_oversea_recent.append(df_oversea_buchong)  
  df_oversea_recent_new.sort_index(inplace=True)  
  df_oversea_recent_new

得到合并的數(shù)據(jù)后，首先，我們用氣泡圖來對變化情況進行可視化，這里用的是 plotly express 的散點圖。

plotly express 現(xiàn)在已經(jīng)合并到 plotly 中，個人覺得跟 plotly 原生內(nèi)容的協(xié)同性相對 cufflinks 要好用點。

# 合并補充數(shù)據(jù)  
  df_oversea_recentdf_oversea_recent_new = df_oversea_recent.append(df_oversea_buchong)  
  df_oversea_recent_new.sort_index(inplace=True)  
  df_oversea_recent_new