前言本项目主要通过python的matplotlib pandas pyecharts等库对疫情数据进行可视化分析 数据来源:
功能函数读取文件df = pd.read_csv(r'C:\Users\Hasee\Desktop/covid_19_data.csv')df.head() 更换列名,便于查看cols= ['序号','日期','省/州','国家','最近更新','确诊','死亡','治愈']df.columns = cols df.日期 = pd.to_datetime(df.日期) df ## 利用groupby按照日期统计确诊死亡治愈病例的总和 #合并同一天同国家日期global_confirm = df.groupby('日期')[['确诊', '死亡', '治愈']].sum() global_confirm 全球疫情趋势ax = global_confirm.plot(figsize = (12,10), title = '全球疫情趋势图')筛选出中国的数据利用groupby按照日期统计确诊死亡治愈病例的总和 global_china = df[df['国家'] == 'Mainland China'].reset_index()global_china_confirm = global_china.groupby('日期')[['确诊', '死亡', '治愈']].sum().reset_index() 画图,三条线组合到一个图 利用groupby按照省统计确诊死亡治愈病例的总和global_china = df[df['国家'] == 'Mainland China'].reset_index()global_china_province_confirm = global_china.groupby('省/州')[['确诊', '死亡', '治愈']].sum().reset_index() recovercent = 100.*global_china_province_confirm['治愈'] / global_china_province_confirm['治愈'].sum() labels = ['{0}-{1:1.2f}%-{2}'.format(i,j,k) for i,j,k in zip(list(global_china_province_confirm['省/州']), recovercent, list(global_china_province_confirm['治愈']))] plt.figure(figsize=(10,10)) plt.pie(global_china_province_confirm['治愈'],radius = 0.3) 确诊人数排名前15的国家plt.figure(figsize=(16,16))plt.barh(list(global_country_confirm_rank.国家)[::-1], list(global_country_confirm_rank.确诊)[::-1]) plt.title('确诊人数排名前15的国家') plt.xlabel('人数(千万)') plt.ylabel('国家') 这里用pyecharts库画图,绘制的玫瑰图,rosetypeset_global_opts是设置格式: 中国确诊人数前十的省china_confirm = df[df['国家'] == "Mainland China"]china_latest = china_confirm[china_confirm['日期'] == max(china_confirm['日期'])] words = WordCloud() words.add('确诊人数', [tuple(dic) for dic in zip(list(china_latest['省/州']),list(china_latest['确诊']))], word_size_range=[20,100]) 区域图china_death = df[df['国家'] == "Mainland China"]china_death_latest = china_death[china_death['日期'] == max(china_death['日期'])] china_death_latest = china_death_latest.groupby('省/州')[['确诊', '死亡']].max().reset_index() geo.add("中国死亡病例分布", [list(z) for z in zip(china_death_prodic,list(china_death_latest['死亡']))], "china") geo.set_global_opts(title_opts=opts.TitleOpts(title="全国各省死亡病例数据分布"),visualmap_opts=opts.VisualMapOpts(is_piecewise=True, pieces=[ {"min": 1500, "label": '>10000人', "color": "#6F171F"}, {"min": 500, "max": 15000, "label": '500-1000人', "color": "#C92C34"}, {"min": 100, "max": 499, "label": '100-499人', "color": "#E35B52"}, {"min": 10, "max": 99, "label": '10-99人', "color": "#F39E86"}, {"min": 1, "max": 9, "label": '1-9人', "color": "#FDEBD0"}])) geo.render_notebook() 热力图geo = Geo()geo.add_schema(maptype="china") geo.add("中国死亡病例分布", [list(dic) for dic in zip(china_death_prodic,list(china_death_latest['死亡']))],type_=GeoType.EFFECT_SCATTER) geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(),title_opts=opts.TitleOpts(title="全国各省死亡病例数据分布")) geo.render_notebook() 全球死亡人数地理分布情况map = Map()map.set_global_opts(title_opts=opts.TitleOpts(title="全球死亡人数地理分布情况"),visualmap_opts=opts.VisualMapOpts(is_piecewise=True, pieces=[ {"min": 100001, "label": '>100001人', "color": "#6F171F"}, {"min": 10001, "max": 100000, "label": '10001-100000人', "color": "#C92C34"}, {"min": 1001, "max": 10000, "label": '1001-10000人', "color": "#E35B52"}, {"min": 101, "max": 10000, "label": '101-10000人', "color": "#F39E86"}, {"min": 1, "max": 100, "label": '1-100人', "color": "#FDEBD0"}])) map.add("全球死亡人数地理分布情况", [list(z) for z in zip(global_death_n,list(global_death['死亡']))], "world") map.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) map.render_notebook() 全球疫情频率直方图global_confirm.plot.hist(alpha=0.5)plt.xlabel('人数(千万)') plt.ylabel('出现频率') plt.title('全球疫情频率直方图') 其他图陕西确诊病例饼图陕西省确诊病例数据分布中国治愈病例玫瑰图到此这篇关于Python疫情数据可视化分析的文章就介绍到这了,更多相关Python可视化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家! |
本文实例为大家分享了C# GDI+实现时钟表盘的具体代码,供大家参考,具体内容如下一、...
目录一、正则表达式应用举例1、C#校验合法性:2、C#限制输入3、正则表达式匹配闭合HTM...
本文实例为大家分享了C#实现图形界面的时钟的具体代码,供大家参考,具体内容如下秒针...
目录一、ObjectContext对象上下文1、ObjectContext和DbContext的对比2、ObjectContext...
IronPython是一种在 .NET及 Mono上的 Python实现,由微软的 Jim Hugunin所发起,是一...
本文实例为大家分享了使用C#写一个时钟,供大家参考,具体内容如下时钟是这样的一共使...
一、介绍Topshelf是一个开源的跨平台的宿主服务框架,支持Windows和Mono,只需要几行...
本文实例为大家分享了C#实现动态数字时钟和日历的具体代码,供大家参考,具体内容如下...