美国疫情实时大数据动态,python疫情数据可视化网站
全球疫情和疫苗接种进展可视化之一——全球疫情动态地图展示；安装plotly库；全球疫情定义工具；数据的函数提取；动态图表的绘制；数据的重采样；分类和直观显示；原始数据的提取；每周对确诊病例进行重新采样；治愈病例；死亡病例
中国疫情与疫苗接种进展的可视化
全球疫情及疫苗接种进度可视化一——全球疫情动态图全球疫情及疫苗接种进度展示二——新冠肺炎疫情气泡图全球疫情及疫苗接种进度可视化三——疫苗研发全球疫情及疫苗接种进度可视化四——各国疫苗接种进度
如果你想了解更多有趣的项目和小工具，可以来找我。
自2020年底以来，欧洲、美洲、印度、中国、俄国和其他国家的制药公司已经推出了针对新冠肺炎的疫苗。本部分对2020年以来的全球疫情、各种疫苗在全球的地理分布、各国的疫苗接种进展进行分析，进行直观展示，为读者提供当前疫情和未来疫情防控的直观展示。
安装plotly库。因为这部分内容主要使用plotly库动态显示数据，所以你要先安装plotly库。
安装Plotly另外，我们还使用numpy和pandas库进行数据处理。如果您没有安装它们，您可以使用下面的命令逐个安装它们
pip install plotly Numpy Pandas # Import所需库Import Pandas as PD Import Numpy as NP Import plotly。表达为PX导入Plotly。全球疫情分析。从2020年开始，世界范围内的感染人数、死亡人数和治愈人数都涉及时间序列数据，因此计划使用Plotly库中的动态图表进行可视化显示。
定义工具函数提取数据#提取数据def fetch _ data(file):df=pd.read_csv(file)#用PD . Read _ csv读取CSV文件#由于美国等国家的数据是按照二级行政区划提供的，需要按国家汇总，去掉了Lat。两列result=df.groupby ([国家/地区])。sum()。drop ([lat ， Long]，axis=1)。stack()# Redefining index Result=Result . reset _ index()Result . columns=[ country Date ， value ]Result[ Date _ ]=PD . to _ datetime(Result . Date)# Generate time index Result=Result . sort _ values(by= Date _ ，axis=0，Ascending=True)# Result=Result . replace( \ * ，regex=true)按时间顺序#有些国家名称中有*的，去掉名称中的* return result绘制动态图表#绘制动态图表def draw_data(df，label， Color): FIG=px.choopleth (df，locations= country ，#选择城市为坐标位置模式= country names ，animation _ frame= date ，#以时间为轴color=value ，#颜色变化选择人数color _ continuous _ scale=[[0， white]，[1，color]，#以提供的颜色为最大值的颜色标签={value: label}，#根据提供的标签绘制图例range_color=[df.value.min()， Df.value.max()])#根据全过程数据的最大值和最小值绘制，不采用autoscale fig.show()重采样#重采样的源数据是按日显示的数据。 为了减少数据显示的计算量，需要每周或每月重采样def resample(df，Period):country _ list=df . country . drop _ duplicates()# Calculate cities得到城市列表temp=df . copy()result=PD . data frame()for I in country _ list:# Re-sample by country，Merge data R _ temp=temp . loc[temp . country==I]#选择对应城市的行R _ temp=R _ temp . drop _ duplicates([ date _ )# Dedupe data R _ dataasfreq()。dropna () #重采样并删除缺失值r _ temp=r _ temp . reset _ index()result=PD . concat([result，r_temp])返回result.sort_values(by=date_ ，axis=0，Ascending=True)数据提取、整理和可视化显示。提取原始数据#提取原始数据确认=fetch _ data(r data/Time _ series _ covid 19 _ Confirmed _ global . CSV )恢复=fetch _ data(r data/Time _ series _ covid 19 _ Recovered _ global . CSV )死亡数=fetch _ data(r data/Time _ series _ covid 19 _ deaths _ global . CSV )按周重采样#按周重采样确认=重采样(Confirmed，W )恢复=重采样(Recovered， W )死亡数=重采样(死亡数， W )确认病例数
这是一个动态图，你可以看到每个时期的变化。这里我给个图，可以详细实现代码观察。
从上图可以看出：
美国的大规模爆发始于2020年4月初，随后是俄罗斯、印度和南美国家。2020年6月后接连爆发，最后在欧洲。2020年底，疫情爆发。从目前全球累计感染人数来看，美国占绝大多数。此外，印度、巴西、俄罗斯和欧洲也有较多的治愈病例#治愈病例draw_data(已恢复，治愈病例数)。
从上图可以看出：
2020年6月中旬后，美国、巴西、印度和俄罗斯治愈的患者更多。2020年下半年印度治愈的病例更多。2020年12月底以后，美国治愈病例数据缺失，导致图像失真(打算找个机会做点数据)。死亡人数死亡人数draw_data(死亡人数，死亡人数，黑色)
从上图可以看出，死亡病例和确诊病例的趋势大致相同。
数据源：
约翰霍普金斯大学系统科学与工程中心(CSSE)的新冠肺炎数据库
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。