mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-26 21:30:55 +08:00
239 lines
10 KiB
Markdown
239 lines
10 KiB
Markdown
[#]: collector: (lujun9972)
|
||
[#]: translator: (wxy)
|
||
[#]: reviewer: (wxy)
|
||
[#]: publisher: (wxy)
|
||
[#]: url: (https://linux.cn/article-12172-1.html)
|
||
[#]: subject: (Using Python to visualize COVID-19 projections)
|
||
[#]: via: (https://opensource.com/article/20/4/python-data-covid-19)
|
||
[#]: author: (AnuragGupta https://opensource.com/users/999anuraggupta)
|
||
|
||
使用 Python 来可视化 COVID-19 预测
|
||
======
|
||
|
||
> 我将演示如何利用提供的全球病毒传播的开放数据，使用开源库来创建两个可视效果。
|
||
|
||
|
||
|
||
使用 [Python][2] 和一些图形库，你可以预测 COVID-19 确诊病例总数，也可以显示一个国家（本文以印度为例）在给定日期的死亡总数。人们有时需要帮助解释和处理数据的意义，所以本文还演示了如何为五个国家创建一个动画横条形图，以显示按日期显示病例的变化。
|
||
|
||
### 印度的确诊病例和死亡人数预测
|
||
|
||
这要分三步来完成。
|
||
|
||
#### 1、下载数据
|
||
|
||
科学数据并不总是开放的，但幸运的是，许多现代科学和医疗机构都乐于相互之间及与公众共享信息。关于 COVID-19 病例的数据可以在网上查到，并且经常更新。
|
||
|
||
要解析这些数据，首先必须先下载。 <https://raw.githubusercontent.com/datasets/covid-19/master/data/countries-aggregated.csv>。
|
||
|
||
直接将数据加载到 Pandas `DataFrame` 中。Pandas 提供了一个函数 `read_csv()`，它可以获取一个 URL 并返回一个 `DataFrame` 对象，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)) # 获取数据帧中的前 3 项
|
||
print(df1.tail(3)) # 获取数据帧中的后 3 项
|
||
```
|
||
|
||
数据集的顶行包含列名。
|
||
|
||
1. `Date`
|
||
2. `Country`
|
||
3. `Confirmed`
|
||
4. `Recovered`
|
||
5. `Deaths`
|
||
|
||
`head` 查询的输出包括一个唯一的标识符（不作为列列出）和每个列的条目。
|
||
|
||
```
|
||
0 2020-01-22 Afghanistan 0 0 0
|
||
1 2020-01-22 Albania 0 0 0
|
||
1 2020-01-22 Algeria 0 0 0
|
||
```
|
||
|
||
`tail` 查询的输出类似，但包含数据集的尾端。
|
||
|
||
```
|
||
12597 2020-03-31 West Bank and Gaza 119 18 1
|
||
12598 2020-03-31 Zambia 35 0 0
|
||
12599 2020-03-31 Zimbabwe 8 0 1
|
||
```
|
||
|
||
从输出中，可以看到 DataFrame（`df1`）有以下几个列：
|
||
|
||
1. 日期
|
||
2. 国家
|
||
3. 确诊
|
||
4. 康复
|
||
5. 死亡
|
||
|
||
此外，你可以看到 `Date` 栏中的条目从 1 月 22 日开始到 3 月 31 日。这个数据库每天都会更新，所以你会有当前的值。
|
||
|
||
#### 2、选择印度的数据
|
||
|
||
在这一步中，我们将只选择 DataFrame 中包含印度的那些行。这在下面的脚本中可以看到。
|
||
|
||
```
|
||
#### ----- Step 2 (Select data for India)----
|
||
df_india = df1[df1['Country'] == 'India']
|
||
print(df_india.head(3))
|
||
```
|
||
|
||
#### 3、数据绘图
|
||
|
||
在这里，我们创建一个条形图。我们将把日期放在 X 轴上，把确诊的病例数和死亡人数放在 Y 轴上。这一部分的脚本有以下几个值得注意的地方。
|
||
|
||
* `plt.rcParams["figure.figsize"]=20,20` 这一行代码只适用于 Jupyter。所以如果你使用其他 IDE，请删除它。
|
||
* 注意这行代码：`ax1 = plt.gca()`。为了确保两个图，即确诊病例和死亡病例的图都被绘制在同一个图上，我们需要给第二个图的 `ax` 对象。所以我们使用 `gca()` 来完成这个任务。（顺便说一下，`gca` 代表 “<ruby>获取当前坐标轴<rt>get current axis</rt></ruby>”）
|
||
|
||
完整的脚本如下所示。
|
||
|
||
```
|
||
# Author:- Anurag Gupta # email:- 999.anuraggupta@gmail.com
|
||
%matplotlib inline
|
||
import matplotlib.pyplot as plt
|
||
import pandas as pd
|
||
|
||
#### ----- Step 1 (Download data)----
|
||
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)) # Uncomment to see the dataframe
|
||
|
||
#### ----- Step 2 (Select data for India)----
|
||
df_india = df1[df1['Country'] == 'India']
|
||
print(df_india.head(3))
|
||
|
||
#### ----- Step 3 (Plot data)----
|
||
# Increase size of plot
|
||
plt.rcParams["figure.figsize"]=20,20 # Remove if not on Jupyter
|
||
# Plot column 'Confirmed'
|
||
df_india.plot(kind = 'bar', x = 'Date', y = 'Confirmed', color = 'blue')
|
||
|
||
ax1 = plt.gca()
|
||
df_india.plot(kind = 'bar', x = 'Date', y = 'Deaths', color = 'red', ax = ax1)
|
||
plt.show()
|
||
```
|
||
|
||
整个脚本[可在 GitHub 上找到][4]。
|
||
|
||
### 为五个国家创建一个动画水平条形图
|
||
|
||
关于 Jupyter 的注意事项：要在 Jupyter 中以动态动画的形式运行，而不是静态 png 的形式，你需要在单元格的开头添加一个神奇的命令，即: `%matplotlib notebook`。这将使图形保持动态，而不是显示为静态的 png 文件，因此也可以显示动画。如果你在其他 IDE 上，请删除这一行。
|
||
|
||
#### 1、下载数据
|
||
|
||
这一步和前面的脚本完全一样，所以不需要重复。
|
||
|
||
#### 2、创建一个所有日期的列表
|
||
|
||
如果你检查你下载的数据，你会发现它有一列 `Date`。现在，这一列对每个国家都有一个日期值。因此，同一个日期会出现多次。我们需要创建一个只具有唯一值的日期列表。这会用在我们条形图的 X 轴上。我们有一行代码，如 `list_dates = df[‘Date’].unique()`。`unique()` 方法将只提取每个日期的唯一值。
|
||
|
||
#### 3、挑选五个国家并创建一个 `ax` 对象。
|
||
|
||
做一个五个国家的名单。（你可以选择你喜欢的国家，也可以增加或减少国家的数量。）我也做了一个五个颜色的列表，每个国家的条形图的颜色对应一种。（如果你喜欢的话，也可以改一下。）这里有一行重要的代码是：`fig, ax = plt.subplots(figsize=(15, 8))`。这是创建一个 `ax` 对象所需要的。
|
||
|
||
#### 4、编写回调函数
|
||
|
||
如果你想在 Matplotlib 中做动画，你需要创建一个名为 `matplotlib.animation.FuncAnimation` 的类的对象。这个类的签名可以在网上查到。这个类的构造函数，除了其他参数外，还需要一个叫 `func` 的参数，你必须给这个参数一个回调函数。所以在这一步中，我们会写个回调函数，这个回调函数会被反复调用，以渲染动画。
|
||
|
||
#### 5、创建 `FuncAnimation` 对象
|
||
|
||
这一步在上一步中已经部分说明了。
|
||
|
||
我们创建这个类的对象的代码是：
|
||
|
||
```
|
||
my_anim = animation.FuncAnimation(fig = fig, func = plot_bar,
|
||
frames = list_dates, blit = True,
|
||
interval=20)
|
||
```
|
||
|
||
要给出的三个重要参数是：
|
||
|
||
* `fig`，必须给出一个 fig 对象，也就是我们之前创建的 fig 对象。
|
||
* `func`，必须是回调函数。
|
||
* `frames`，必须包含要做动画的变量。在我们这里，它是我们之前创建的日期列表。
|
||
|
||
#### 6、将动画保存为 mp4 文件
|
||
|
||
你可以将创建的动画保存为 mp4 文件。但是，你需要 `ffmpeg`。你可以用 `pip` 下载：`pip install ffmpeg-python`，或者用 conda（在 Jupyter 上）：`install -c conda-forge ffmpeg`。
|
||
|
||
最后，你可以使用 `plt.show()` 运行动画。请注意，在许多平台上，`ffmpeg` 可能无法正常工作，可能需要进一步“调整”。
|
||
|
||
```
|
||
%matplotlib notebook
|
||
# Author:- Anurag Gupta # email:- 999.anuraggupta@gmail.com
|
||
import pandas as pd
|
||
import matplotlib.pyplot as plt
|
||
import matplotlib.animation as animation
|
||
from time import sleep
|
||
|
||
#### ---- Step 1:- Download data
|
||
URL_DATASET = r'https://raw.githubusercontent.com/datasets/covid-19/master/data/countries-aggregated.csv'
|
||
df = pd.read_csv(URL_DATASET, usecols = ['Date', 'Country', 'Confirmed'])
|
||
# print(df.head(3)) # uncomment this to see output
|
||
|
||
#### ---- Step 2:- Create list of all dates
|
||
list_dates = df['Date'].unique()
|
||
# print(list_dates) # Uncomment to see the dates
|
||
|
||
#### --- Step 3:- Pick 5 countries. Also create ax object
|
||
fig, ax = plt.subplots(figsize=(15, 8))
|
||
# We will animate for these 5 countries only
|
||
list_countries = ['India', 'China', 'US', 'Italy', 'Spain']
|
||
# colors for the 5 horizontal bars
|
||
list_colors = ['black', 'red', 'green', 'blue', 'yellow']
|
||
|
||
### --- Step 4:- Write the call back function
|
||
# plot_bar() is the call back function used in FuncAnimation class object
|
||
def plot_bar(some_date):
|
||
df2 = df[df['Date'].eq(some_date)]
|
||
ax.clear()
|
||
# Only take Confirmed column in descending order
|
||
df3 = df2.sort_values(by = 'Confirmed', ascending = False)
|
||
# Select the top 5 Confirmed countries
|
||
df4 = df3[df3['Country'].isin(list_countries)]
|
||
# print(df4) # Uncomment to see that dat is only for 5 countries
|
||
sleep(0.2) # To slow down the animation
|
||
# ax.barh() makes a horizontal bar plot.
|
||
return ax.barh(df4['Country'], df4['Confirmed'], color= list_colors)
|
||
|
||
###----Step 5:- Create FuncAnimation object---------
|
||
my_anim = animation.FuncAnimation(fig = fig, func = plot_bar,
|
||
frames= list_dates, blit=True,
|
||
interval=20)
|
||
|
||
### --- Step 6:- Save the animation to an mp4
|
||
# Place where to save the mp4. Give your file path instead
|
||
path_mp4 = r'C:\Python-articles\population_covid2.mp4'
|
||
# my_anim.save(path_mp4, fps=30, extra_args=['-vcodec', 'libx264'])
|
||
my_anim.save(filename = path_mp4, writer = 'ffmpeg',
|
||
fps=30,
|
||
extra_args= ['-vcodec', 'libx264', '-pix_fmt', 'yuv420p'])
|
||
plt.show()
|
||
```
|
||
|
||
完整的脚本[可以在 GitHub 上找到][5]。
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
via: https://opensource.com/article/20/4/python-data-covid-19
|
||
|
||
作者：[AnuragGupta][a]
|
||
选题：[lujun9972][b]
|
||
译者：[wxy](https://github.com/wxy)
|
||
校对：[wxy](https://github.com/wxy)
|
||
|
||
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
|
||
|
||
[a]: https://opensource.com/users/999anuraggupta
|
||
[b]: https://github.com/lujun9972
|
||
[1]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/colorful_sound_wave.png?itok=jlUJG0bM (Colorful sound wave graph)
|
||
[2]: https://opensource.com/resources/python
|
||
[3]: mailto:999.anuraggupta@gmail.com
|
||
[4]: https://raw.githubusercontent.com/ag999git/jupyter_notebooks/master/corona_bar_india
|
||
[5]: https://raw.githubusercontent.com/ag999git/jupyter_notebooks/master/corona_bar_animated
|