0
0

世界各国当日数据探索性分析

2.2 读取世界各国当日数据

  1. import chardet
  2. import pandas as pd
  4. # 查看文件编码格式
  5. with open('./today_world.csv', 'rb') as f:
  6.     data = f.read()   
  7. encoding = chardet.detect(data)['encoding']
  9. # 数据读取
  10. today_world = pd.read_csv("./today_world.csv",encoding=encoding)
  12. # 展示前5行数据
  13. print(today_world.head())
  15. # 查看数据的基本信息
  16. today_world.info()
  18. # 查看数据的描述性统计信息
  19. today_world_des = today_world.describe(include='all')
  21. print(today_world_des)

在这里插入图片描述

2.3 计算各国当日现存确诊人数

  1. import pandas as pd
  3. # 计算当日现存确诊
  4. today_world['当日现存确诊'] = today_world['累计确诊']-today_world['累计治愈']-today_world['累计死亡']
  6. today_world.head()

在这里插入图片描述

2.4 绘制当日现存确诊人数世界地图

  1. # 将国家中文名称映射为英文名称
  2. today_world['英文名称'] = today_world['名称'].replace(country_name['中文'].values,country_name["英文"].values)
  4. # 获取嵌套列表数据
  5. heatmap_data = today_world[['英文名称','当日现存确诊']].values.tolist()
  7. import pyecharts
  8. # 调整配置项
  9. import pyecharts.options as opts
  10. # Map类用于绘制地图
  11. from pyecharts.charts import Map
  13. # 绘制地图
  14. map_ = Map().add(series_name = "现存确诊人数", # 设置提示框标签
  15.                  data_pair = heatmap_data, # 输入数据
  16.                  maptype = "world", # 设置地图类型为世界地图
  17.                  is_map_symbol_show = False # 不显示标记点
  18.                 ) 
  20. # 设置系列配置项
  21. map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 不显示国家（标签）名称
  23. # 设置全局配置项
  24. map_.set_global_opts(title_opts = opts.TitleOpts(title="世界各国当日现存确诊人数地图"), # 设置图标题
  25.                      # 设置视觉映射配置项
  26.                      visualmap_opts = opts.VisualMapOpts(pieces=[ # 自定义分组的分点和颜色
  27.                                                                {"min": 1000000,"color":"#800000"}, # 栗色
  28.                                                                {"min": 400000, "max": 1000000, "color":"#B22222"}, # 耐火砖
  29.                                                                {"min": 100000, "max": 400000,"color":"#CD5C5C"}, # 印度红
  30.                                                                {"min": 10000, "max": 100000, "color":"#BC8F8F"}, # 玫瑰棕色
  31.                                                                {"max": 10000, "color":"#FFE4E1"}, # 薄雾玫瑰
  32.                                                               ], 
  33.                      is_piecewise = True))  # 显示分段式图例
  35. map_.render()

在这里插入图片描述

2.5 查看当日现存确诊Top10国家

  1. import pandas as pd
  2. import seaborn as sns
  3. import matplotlib.pyplot as plt
  5. # 根据当日现存确诊一列，按从大到小进行排序，并选取前十名
  6. today_storeConfirm10 = today_world.sort_values(['当日现存确诊'],ascending=False)[0:10]
  8. fig, ax = plt.subplots(figsize=(8,5))
  10. # 绘制当日现存确诊Top10国家水平条形图
  11. sns.barplot(x=today_storeConfirm10["当日现存确诊"], y=today_storeConfirm10["名称"], data=today_storeConfirm10, palette='RdPu_r')
  13. # 隐藏右边、左边和上边的边框线
  14. sns.despine(left=True)
  16. # 设置坐标轴刻度的字体大小
  17. ax.tick_params(labelsize=15) 
  19. # y轴刻度标签单位更改成万人
  20. xlabels = [int(x) for x in ax.get_xticks()/10000]
  21. ax.set_xticklabels(xlabels)
  23. # 将绘图背景颜色更改为透明
  24. ax.patch.set_alpha(0)  
  26. #设置x坐标轴上(垂直方向)的栅格线
  27. ax.xaxis.grid(True)
  29. # 设置标题
  30. ax.set_title('世界各国当日现存确诊Top10（万人）', size=17)
  32. ax.set_xlabel('各国当日现存确诊人数')
  33. ax.set_ylabel('国家名称')
  34. plt.show()

在这里插入图片描述

2.6 计算世界各国新冠肺炎病死率

  1. import pandas as pd
  3. # 计算病死率，且保留两位小数
  4. today_world['病死率'] = (today_world['累计死亡']/today_world['累计确诊']).apply(lambda x:format(x,'.2f'))
  6. # 将病死率数据类型转换为float
  7. today_world['病死率'] = today_world['病死率'].astype('float')
  9. # 根据病死率降序排序，并在原数据上进行修改
  10. today_world.sort_values(['病死率'], ascending=False,inplace=True)
  12. # 显示病死率前五国家
  13. today_world.head()

在这里插入图片描述

2.7 当前累计确诊人数Top10国家累计确诊人数与病死率堆积分组柱状图

  1. # 累计确诊人数top10国家名称
  2. top10_name = list(today_world["累计确诊"].sort_values(ascending=False)[:10].index)
  4. # 累计确诊人数top10各国家累计治愈、累计死亡、现存确诊、病死率
  5. top10_heal = today_world.loc[top10_name,:]["累计治愈"].values.tolist()
  6. top10_dead = today_world.loc[top10_name,:]["累计死亡"].values.tolist()
  7. top10_state = today_world.loc[top10_name,:]["当日现存确诊"].values.tolist()
  8. top10_deadrate = today_world.loc[top10_name,:]["病死率"].values.tolist()
  10. # 载入绘图类
  11. from pyecharts.charts import Bar
  12. import pyecharts.options as opts
  14. # 实例化绘图类，设定图像宽度和高度
  15. bar_ = Bar(init_opts=opts.InitOpts(width="1000px", height="600px"))
  16. bar_.add_xaxis(top10_name) # 添加x轴数据
  17. bar_.add_yaxis("现存确诊", top10_state, stack="stack1", yaxis_index=0) # 添加y轴数据，指定坐标轴索引为0
  18. bar_.add_yaxis("累计治愈", top10_heal, stack="stack1", yaxis_index=0) # 添加y轴数据，指定坐标轴索引为0
  19. bar_.add_yaxis("累计死亡", top10_dead, stack="stack1", yaxis_index=0) # 添加y轴数据，指定坐标轴索引为0
  20. bar_.add_yaxis("病死率", top10_deadrate, yaxis_index=1) # 添加y轴数据，指定坐标轴索引为1
  22. # 添加额外坐标轴
  23. bar_.extend_axis(
  24.     yaxis=opts.AxisOpts(
  25.                         name="病死率", #名称
  26.                         type_="value", #类型
  27.                         min_=0,   # 最小范围
  28.                         max_=0.5, # 最大范围
  29.                         position="right" # 位置
  30.                        )
  31.                 )
  32. # 系列配置项
  33. bar_.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示标签
  34. # 全局配置项
  35. bar_.set_global_opts(yaxis_opts=opts.AxisOpts(name="累计确诊"), # 轴名称
  36.                                   title_opts=opts.TitleOpts(title="累计确诊Top10国家累计确诊与病死率堆积分组柱状图",
  37.                                                             title_textstyle_opts=opts.TextStyleOpts(font_size=14),
  38.                                                             pos_left='7%'), #图标题
  39.                                   legend_opts = opts.LegendOpts( # 设置图例
  40.                                                             pos_right="15%",
  41.                                                             pos_top='5%'))# 设置图例位置
  42. # 渲染
  43. bar_.render()

在这里插入图片描述

2.8 世界各国当日数据可视化分析（拓展）

  1. # 读取数据
  2. import pandas as pd
  3. today_world = pd.read_csv('./today_world_v1.csv')

输出：None

2.10 读取中国各省当日数据

  1. import chardet
  2. import pandas as pd
  4. # 查看文件编码格式
  5. with open('./today_province.csv', 'rb') as f:
  6.     data = f.read()   
  7. encoding = chardet.detect(data)['encoding']
  9. # 数据读取
  10. today_province = pd.read_csv('today_province.csv', encoding=encoding)
  12. # 展示前5行数据
  13. print(today_province.head())
  15. # 查看数据的基本信息
  16. today_province.info()
  18. # 查看数据的描述性统计信息
  19. today_province_des = today_province.describe(include='all')
  20. print(today_province_des)

在这里插入图片描述

2.11 查看国内当日现存确诊Top10省市

  1. import pandas as pd
  2. import seaborn as sns
  3. import matplotlib.pyplot as plt
  5. # 计算各省当日现存确诊人数
  6. today_province['当日现存确诊'] = today_province['累计确诊']-today_province['累计治愈']-today_province['累计死亡']
  8. # 根据当日现存确诊一列，按从大到小进行排序，并选取前十名
  9. today_storeConfirm10 = today_province.sort_values(['当日现存确诊'], ascending = False)[:10]
  11. fig, ax = plt.subplots(figsize=(8,5))
  13. # 绘制当日现存确诊Top10省市水平条形图
  14. sns.barplot(x=today_storeConfirm10["当日现存确诊"], y = today_storeConfirm10["名称"], data = today_storeConfirm10, palette='RdPu_r')
  16. # 隐藏右边、左边和上边的边框线
  17. sns.despine(left=True)
  19. # 设置坐标轴刻度的字体大小
  20. ax.tick_params(labelsize=15) 
  22. # 将绘图背景颜色更改为透明
  23. ax.patch.set_alpha(0) 
  25. #设置x坐标轴上(垂直方向)的栅格线
  26. ax.xaxis.grid(True)
  28. # 设置标题
  29. ax.set_title('中国当日现存确诊Top10', size=17)
  31. ax.set_xlabel('当日现存确诊人数')
  32. ax.set_ylabel('省市名称')
  33. plt.show()

在这里插入图片描述

2.12 各省市累计境外输入地图

  1. # 分组聚合计算各省市累计境外输入人数
  2. province_sum = today_input.groupby(by="流入地").sum()
  4. # 提取出各省市名称与累计境外输入人数对应的嵌套列表
  5. province_input = [list(key) for key in zip(today_input['流入地'].drop_duplicates(),province_sum['数量'])]
  7. # 载入绘图类
  8. import pyecharts.options as opts
  9. from pyecharts.charts import Map
  11. # 绘制地图
  12. map_ = Map().add(series_name = "累计境外输入人数", # 设置提示框标签
  13.                  data_pair = province_input, # 输入数据
  14.                  maptype = "china", # 设置地图类型为中国地图
  15.                  is_map_symbol_show = False # 不显示标记点
  16.                 ) 
  18. # 设置系列配置项
  19. map_.set_series_opts(label_opts=opts.LabelOpts(is_show=True))  # 不显示省市（标签）名称
  21. # 设置全局配置项
  22. map_.set_global_opts(title_opts = opts.TitleOpts(title="中国各省累计境外输入人数地图"), # 设置图标题
  23.                      # 设置视觉映射配置项
  24.                      visualmap_opts = opts.VisualMapOpts(pieces=[ # 自定义分组的分点和颜色
  25.                                                                {"min": 200,"color":"#800000"}, # 栗色
  26.                                                                {"min": 100, "max": 200, "color":"#B22222"}, # 耐火砖
  27.                                                                {"min": 50, "max": 100,"color":"#CD5C5C"}, # 印度红
  28.                                                                {"min": 10, "max": 50, "color":"#BC8F8F"}, # 玫瑰棕色
  29.                                                                {"max": 10, "color":"#FFE4E1"}, # 薄雾玫瑰
  30.                                                               ], 
  31.                      is_piecewise = True))  # 显示分段式图例
  33. # 渲染
  34. map_.render()

在这里插入图片描述

2.13 境外输入桑基图（预处理）

  1. import pandas as pd
  3. today_input = today_input.sort_values('数量', ascending=False)
  5. # 定义节点
  6. nodes = []
  8. for i in range(2):
  9.     values = today_input.iloc[:,i].unique()    # 每个城市的名称
  10.     # print(values)
  11.     for value in values:
  12.         dic = {}
  13.         dic['name'] = value
  14.         # print(dic)
  15.         # 将字典dic添加到列表nodes中
  16.         nodes.append(dic)
  17. # print(nodes)
  18. # 定义边和流量
  19. links = []
  21. for i in today_input.values:   # ['俄罗斯' '内蒙古' 108]
  22.     dic={}
  23.     # print(i)  
  24.     # 将today_input中对应的值添加到字典dic中
  25.     dic['source'] = i[0]
  26.     dic['target'] = i[1]
  27.     dic['value'] = i[2]
  28.     # 将字典dic添加到列表links中
  29.     links.append(dic)
  31. # 输出节点、边和流量
  32. print('查看节点nodes中的前3个数据：\n', nodes[:3], '\n')
  33. print('查看边和流量links中的前3个数据：\n', links[:3])

在这里插入图片描述

2.14 各省市累计境外输入桑基图

  1. import pyecharts
  2. from pyecharts.charts import Sankey 
  3. from pyecharts import options as opts
  5. pic = (Sankey({'height':'1000px'}).add( 
  6.                                         '', #图例名称
  7.                                         nodes , #传入节点数据
  8.                                         links , #传入边和流量数据 
  9.                                         #设置透明度、弯曲度、颜色
  10.                                         linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = "source"),
  11.                                         #标签显示位置
  12.                                         label_opts=opts.LabelOpts(position= "right"), 
  13.                                         #节点之间的距离
  14.                                         node_gap = 12).set_global_opts(title_opts=opts.TitleOpts(title = '境外输入确诊病例来源流量图'))
  15.                                         )
  17. # 渲染图表
  18. pic.render()

在这里插入图片描述

2.15 中国各省当日数据可视化分析（拓展）

  1. # 读取数据
  2. import pandas as pd
  3. today_province = pd.read_csv("today_province_v1.csv")
  4. today_input = pd.read_csv('today_input_v1.csv')

输出：None

2.17 读取美国各州当日数据

  1. import chardet
  2. import pandas as pd
  4. # 查看文件编码格式
  5. with open('./today_usa.csv', 'rb') as f:
  6.     data = f.read()   
  7. encoding = chardet.detect(data)['encoding']
  9. # 数据读取
  10. today_usa = pd.read_csv("./today_usa.csv",encoding=encoding)
  12. # 展示前5行数据
  13. print(today_usa.head())
  15. # 查看数据的基本信息
  16. today_usa.info()
  18. # 查看数据的描述性统计信息
  19. today_usa_des = today_usa.describe(include='all')
  21. print(today_usa_des)

在这里插入图片描述

2.18 美国各州当日现存确诊可视化分析

  1. import pandas as pd
  2. from pyecharts.charts import Pie
  3. import pyecharts.options as opts
  5. # 计算当日现存确诊
  6. today_usa['当日现存确诊'] = today_usa['累计确诊']-today_usa['累计治愈']-today_usa['累计死亡']
  8. # 选取名称和当日现存确诊两列，根据当日现存确诊一列从大到小排序，选取前20个数据，保存为嵌套列表
  9. rank_store = today_usa[['名称','当日现存确诊']].values.tolist()
  11. pie = Pie().add("当日现存确诊人数", # 添加提示框标签
  12.                 rank_store, # 输入数据
  13.                 center=["60%", "50%"],
  14.                 radius=150) 
  16. pie.set_global_opts(title_opts = opts.TitleOpts(title="美国当日现存确诊人数饼图",  # 设置图标题
  17.                                                 pos_right = '40%'),  # 图标题的位置
  18.                     legend_opts = opts.LegendOpts( # 设置图例
  19.                                                 orient='vertical', # 垂直放置图例
  20.                                                 pos_right="70%", # 设置图例位置
  21.                                                 pos_top="15%"))
  23. pie.set_series_opts(label_opts = opts.LabelOpts(formatter="{b} : {d}%")) # 设置标签文字形式为（国家：占比（%））
  25. # 在notebook中进行渲染     
  26. pie.render()

在这里插入图片描述

2.19 美国各州累计死亡人数可视化分析

  1. import pandas as pd
  2. from pyecharts.charts import Pie
  3. import pyecharts.options as opts
  5. # 选取名称和累计死亡两列，根据累计死亡一列从大到小排序，选取前20个数据，保存为嵌套列表
  6. rank_dead = today_usa[['名称','累计死亡']].values.tolist()
  8. pie = Pie().add("累计死亡人数", # 添加提示框标签
  9.                 rank_dead, # 输入数据
  10.                 radius = ["20%", "80%"],  # 设置内半径和外半径
  11.                 center = ["65%", "60%"],  # 设置圆心位置
  12.                 rosetype = "area")  # 玫瑰图模式，通过半径区分数值大小，角度大小表示占比
  14. pie.set_global_opts(title_opts = opts.TitleOpts(title="美国累计死亡人数玫瑰图",  # 设置图标题
  15.                                                 pos_right = '40%'),  # 图标题的位置
  16.                     legend_opts = opts.LegendOpts( # 设置图例
  17.                                                 orient='vertical', # 垂直放置图例
  18.                                                 pos_right="70%", # 设置图例位置
  19.                                                 pos_top="15%"))
  21. pie.set_series_opts(label_opts = opts.LabelOpts(formatter="{b} : {d}%")) # 设置标签文字形式为（国家：占比（%））
  23. # 在notebook中进行渲染     
  24. pie.render()

在这里插入图片描述

2.20 各州累计治愈、累计死亡与人口对比气泡图

  1. # 重设索引
  2. today_usa = today_usa.set_index(['名称'])
  3. # print(state_name)
  4. # print(state_name[['颜色']])
  6. # 提取数据
  7. use_data = pd.DataFrame([])
  8. use_data['累计死亡'] = today_usa.loc[state_name[['中文名称']]['中文名称']]['累计死亡']
  9. use_data['累计治愈'] = today_usa.loc[state_name[['中文名称']]['中文名称']]['累计治愈']
  10. use_data['累计确诊'] = today_usa.loc[state_name[['中文名称']]['中文名称']]['累计确诊']
  11. use_data['人口'] = state_name['人口'].values
  12. use_data['颜色'] = state_name['颜色'].values
  13. # print(use_data)
  14. # 定义气泡图点的大小
  15. sizes = pd.cut(use_data['人口'],bins=5,labels=False)
  16. sizes.replace(dict([(0,100),(1,400),(2,800),(3,1500),(4,2000)]),inplace=True)
  18. # 载入绘图库并设置正常显示中文
  19. import matplotlib.pyplot as plt
  20. plt.rcParams['font.sans-serif'] = ['SimHei']
  21. plt.rcParams['axes.unicode_minus'] = False
  23. # 创建绘图框并绘图
  24. fig = plt.figure(figsize=(7,6))
  25. plt.scatter(use_data['累计死亡'] ,use_data['累计治愈'], s=sizes, c=use_data['颜色']) 
  27. # 在图上标注累计死亡大于10000且累计治愈大于30000的州名称
  28. use_data_marker = use_data[(use_data['累计死亡']>=10000)&(use_data['累计治愈']>=30000)].iloc[:,:2]
  29. for i,xy in enumerate(zip(use_data_marker['累计死亡'],use_data_marker['累计治愈'])):
  30.     plt.annotate(use_data_marker.index[i], xy=xy,xytext=(xy[0],xy[1]+70000))
  32. plt.xlabel('累计死亡')  # 横坐标轴标题
  33. plt.ylabel('累计治愈')  # 纵坐标轴标题
  34. plt.ylim(-1e4,1e6) # 设置y轴刻度范围
  35. plt.title('美国各州累计治愈、累计死亡与人口对比气泡图')
  36. plt.box(False) # 去掉图边框
  37. plt.show()

在这里插入图片描述

2.21 美国各州当日数据可视化分析（拓展）

  1. # 读取数据
  2. import pandas as pd
  3. today_usa = pd.read_csv("today_usa_v1.csv")

输出：None

标签： python 人工智能 机器学习
本文转载自: https://blog.csdn.net/weixin_47219875/article/details/126709032
版权归原作者 涛涛涛不淘 所有， 如有侵权，请联系我们删除。
登录后发布评论

“世界各国当日数据探索性分析”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

网络安全法-网络运行安全

使用selenium/drissionpage时如何阻止chrome自动跳转http到https

docker desktop 里部署的Open WebUI 管理员密码忘记了的处理方法

在ubuntu20.04中搭建onsite比赛运行环境

利用开源的低代码表单设计器FcDesigner高效管理和渲染复杂表单结构

Kafka学习笔记

【前端】浏览器输入url到页面呈现发生了什么？

文章导航
没有找到文章内容分段。。。