Linux中國

如何使用 Python 繪製 COVID-19 的全球擴散圖

對於一個全球旅行司空見慣的世界來說,疾病的傳播是一個真正令人擔憂的問題。一些組織會跟蹤重大的流行病(還有所有普遍的流行病),並將他們的跟蹤工作獲得的數據公開出來。不過,這些原始的數據對人來說可能很難處理,這就是為什麼數據科學如此重要的原因。比如,用 Python 和 Pandas 可視化 COVID-19 在全球範圍內的傳播路徑可能對這些數據的分析有所幫助。

最開始,當面對如此大數量的原始數據時可能難以下手。但當你開始處理數據之後,慢慢地就會發現一些處理數據的方式。下面是用於處理 COVID-19 數據的一些常見的情況:

  1. 從 GitHub 上下載 COVID-19 的國家每日傳播數據,保存為一個 Pandas 中的 DataFrame 對象。這時你需要使用 Python 中的 Pandas 庫。
  2. 處理並清理下載好的數據,使其滿足可視化數據的輸入格式。所下載的數據的情況很好(數據規整)。這個數據有一個問題是它用國家的名字來標識國家,但最好是使用三位數的 ISO 3 碼(國家代碼表)來標識國家。為了生成 ISO 3 碼,可是使用 pycountry 這個 Python 庫。生成了這些代碼之後,可以在原有的 DataFrame 上增加一列,然後用這些代碼填充進去。
  3. 最後為了實現可視化,使用 Plotly 庫中的 express 模塊。這篇文章是使用名為choropleth 的地圖(可在 Plotly 庫中獲得)來可視化該疾病在全球的傳播。

第一步:Corona 數據

從下面這個網站上下載最新的 corona 數據(LCTT 譯註:2020-12-14 仍可訪問,有牆):

我們之間將這個下載好的數據載入為 Pandas 的 DataFrame。Pandas 提供了一個函數, read_csv(),可以直接使用 URL 讀取數據,並返回一個 DataFrame 對象,具體如下所示:

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 上的輸出截圖:

![Jupyter screenshot](/data/attachment/album/202012/20/005202ap39m52pp4z9hams.png "Jupyter screenshot")

從這個輸出可以看到這個 DataFrame(df1)包括以下幾列數據:

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

之後還可以看到 Date 這一列包含了從 1 月 22 日到 3 月 31 日的條目信息。這個數據是每天更新的,所以你會得到你當天的值。

第二步:清理和修改 DataFrame

我們要往這個 DataFrame 中增加一列數據,就是那個包含了 ISO 3 編碼。可以通過以下三步完成這個任務:

  1. 創建一個包含所有國家的列表。因為在 df1Country 列中,國家都是每個日期就重複一次。所以實際上 Country 列中對每個國家就會有多個條目。我使用 unique().tolist() 函數完成這個任務。
  2. 我使用 d_country_code 字典對象(初始為空),然後將其鍵設置為國家的名稱,然後它的值設置為其對應的 ISO 3 編碼。
  3. 我使用 pycountry.countries.search_fuzzy(country) 為每個國家生成 ISO 3 編碼。你需要明白的是這個函數的返回值是一個 Country 對象的列表。我將這個函數的返回值賦給 country_data 對象。以這個對象的第一個元素(序號 0)為例。這個 對象有一個 alpha_3 屬性。所以我使用 country_data[0].alpha_3 就能「獲得」第一個元素的 ISO 3 編碼。然而,在這個 DataFrame 中有些國家的名稱可能沒有對應的 ISO 3 編碼(比如有爭議的領土)。那麼對這些「國家/地區」,我就用一個空白字元串來替代 ISO 3 編碼。你也可以用一個 try-except 代碼來替換這部分。except 中的語句可以寫:print(『could not add ISO 3 code for ->', country)。這樣就能在找不到這些「國家/地區」對應的 ISO 3 編碼時給出一個輸出提示。實際上,你會發現這些「國家/地區」會在最後的輸出中用白色來表示。
  4. 在獲得了每個國家的 ISO 3 編碼(有些是空白字元串)之後,我把這些國家的名稱(作為鍵)還有國家對應的 ISO 3 編碼(作為值)添加到之前的字典 d_country_code 中。可以使用 Python 中字典對象的 update() 方法來完成這個任務。
  5. 在創建好了一個包含國家名稱和對應 ISO 3 編碼的字典之後,我使用一個簡單的循環將他們加入到 DataFrame 中。

第三步:使用 Plotly 可視化傳播路徑

choropleth 地圖是一個由彩色多邊形組成的地圖。它常常用來表示一個變數在空間中的變化。我們使用 Plotly 中的 px 模塊來創建 choropleth 圖,具體函數為:px.choropleth

這個函數的所包含的參數如下:

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() 這個函數還有幾點需要注意:

  1. geojson 是一個 geometry 對象(上面函數第六個參數)。這個對象有點讓人困擾,因為在函數文檔中沒有明確地提到這個對象。你可以提供,也可以不提供 geojson 對象。如果你提供了 geojson 對象,那麼這個對象就會被用來繪製地球特徵,如果不提供 geojson 對象,那這個函數默認就會使用一個內建的 geometry 對象。(在我們的實驗中,我們使用內建的 geometry 對象,因此我們不會為 geojson 參數提供值)
  2. DataFrame 對象有一個 data_frame 屬性,在這裡我們先前就提供了一個我們創建好的df1
  3. 我們用 Confirmed(確診數)來決定每個國家多邊形的顏色。
  4. 最後,我們 Date 列創建一個 animation_frame。這樣我們就能通過日期來劃分數據,國家的顏色會隨著 Confirmed 的變化而變化。

最後完整的代碼如下:

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()

你可以從這裡下載並運行完整代碼

最後,這裡還有一些關於 Plotly 繪製 choropleth 圖的不錯的資源。

via: https://opensource.com/article/20/4/python-map-covid-19

作者:AnuragGupta 選題:lujun9972 譯者:zhangxiangping 校對:wxy

本文由 LCTT 原創編譯,Linux中國 榮譽推出


本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive

對這篇文章感覺如何?

太棒了
0
不錯
0
愛死了
0
不太好
0
感覺很糟
0
雨落清風。心向陽

    You may also like

    Leave a reply

    您的電子郵箱地址不會被公開。 必填項已用 * 標註

    此站點使用Akismet來減少垃圾評論。了解我們如何處理您的評論數據

    More in:Linux中國