如何使用 Python 繪制 COVID-19 的全球擴(kuò)散圖
使用這些開源框架創(chuàng)建一個(gè)彩色地圖，顯示病毒的可能的傳播路徑。
對(duì)于一個(gè)全球旅行司空見慣的世界來(lái)說(shuō)，疾病的傳播是一個(gè)真正令人擔(dān)憂的問題。一些組織會(huì)跟蹤重大的流行病（還有所有普遍的流行病），并將他們的跟蹤工作獲得的數(shù)據(jù)公開出來(lái)。不過(guò)，這些原始的數(shù)據(jù)對(duì)人來(lái)說(shuō)可能很難處理，這就是為什么數(shù)據(jù)科學(xué)如此重要的原因。比如，用 Python 和 Pandas 可視化 COVID-19 在全球范圍內(nèi)的傳播路徑可能對(duì)這些數(shù)據(jù)的分析有所幫助。
最開始，當(dāng)面對(duì)如此大數(shù)量的原始數(shù)據(jù)時(shí)可能難以下手。但當(dāng)你開始處理數(shù)據(jù)之后，慢慢地就會(huì)發(fā)現(xiàn)一些處理數(shù)據(jù)的方式。下面是用于處理 COVID-19 數(shù)據(jù)的一些常見的情況：
- 從 GitHub 上下載 COVID-19 的國(guó)家每日傳播數(shù)據(jù)，保存為一個(gè) Pandas 中的 DataFrame 對(duì)象。這時(shí)你需要使用 Python 中的 Pandas 庫(kù)。
- 處理并清理下載好的數(shù)據(jù)，使其滿足可視化數(shù)據(jù)的輸入格式。所下載的數(shù)據(jù)的情況很好（數(shù)據(jù)規(guī)整）。這個(gè)數(shù)據(jù)有一個(gè)問題是它用國(guó)家的名字來(lái)標(biāo)識(shí)國(guó)家，但最好是使用三位數(shù)的 ISO 3 碼（國(guó)家代碼表）來(lái)標(biāo)識(shí)國(guó)家。為了生成 ISO 3 碼，可是使用?
?pycountry?? 這個(gè) Python 庫(kù)。生成了這些代碼之后，可以在原有的 DataFrame 上增加一列，然后用這些代碼填充進(jìn)去。 - 最后為了實(shí)現(xiàn)可視化，使用 Plotly 庫(kù)中的?
?express?? 模塊。這篇文章是使用名為choropleth 的地圖（可在 Plotly 庫(kù)中獲得）來(lái)可視化該疾病在全球的傳播。
第一步：Corona 數(shù)據(jù)
從下面這個(gè)網(wǎng)站上下載最新的 corona 數(shù)據(jù)（LCTT 譯注：2020-12-14 仍可訪問，有墻）：
我們之間將這個(gè)下載好的數(shù)據(jù)載入為 Pandas 的 DataFrame。Pandas 提供了一個(gè)函數(shù)， ??read_csv()??，可以直接使用 URL 讀取數(shù)據(jù)，并返回一個(gè) DataFrame 對(duì)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
從這個(gè)輸出可以看到這個(gè) DataFrame（??df1??）包括以下幾列數(shù)據(jù)：
- ?
?Date?? - ?
?Country?? - ?
?Confirmed?? - ?
?Recovered?? - ?
?Dead??
之后還可以看到 ??Date?? 這一列包含了從 1 月 22 日到 3 月 31 日的條目信息。這個(gè)數(shù)據(jù)是每天更新的，所以你會(huì)得到你當(dāng)天的值。
第二步：清理和修改 DataFrame
我們要往這個(gè) DataFrame 中增加一列數(shù)據(jù)，就是那個(gè)包含了 ISO 3 編碼。可以通過(guò)以下三步完成這個(gè)任務(wù)：
- 創(chuàng)建一個(gè)包含所有國(guó)家的列表。因?yàn)樵?
?df1??? 的??Country??? 列中，國(guó)家都是每個(gè)日期就重復(fù)一次。所以實(shí)際上??Country??? 列中對(duì)每個(gè)國(guó)家就會(huì)有多個(gè)條目。我使用??unique().tolist()?? 函數(shù)完成這個(gè)任務(wù)。 - 我使用?
?d_country_code?? 字典對(duì)象（初始為空），然后將其鍵設(shè)置為國(guó)家的名稱，然后它的值設(shè)置為其對(duì)應(yīng)的 ISO 3 編碼。 - 我使用?
?pycountry.countries.search_fuzzy(country)??? 為每個(gè)國(guó)家生成 ISO 3 編碼。你需要明白的是這個(gè)函數(shù)的返回值是一個(gè)??Country??? 對(duì)象的列表。我將這個(gè)函數(shù)的返回值賦給??country_data??? 對(duì)象。以這個(gè)對(duì)象的第一個(gè)元素（序號(hào)??0???）為例。這個(gè)??\??? 對(duì)象有一個(gè)??alpha_3??? 屬性。所以我使用??country_data[0].alpha_3??? 就能“獲得”第一個(gè)元素的 ISO 3 編碼。然而，在這個(gè) DataFrame 中有些國(guó)家的名稱可能沒有對(duì)應(yīng)的 ISO 3 編碼（比如有爭(zhēng)議的領(lǐng)土）。那么對(duì)這些“國(guó)家/地區(qū)”，我就用一個(gè)空白字符串來(lái)替代 ISO 3 編碼。你也可以用一個(gè)??try-except??? 代碼來(lái)替換這部分。??except??? 中的語(yǔ)句可以寫：??print(‘could not add ISO 3 code for ->', country)??。這樣就能在找不到這些“國(guó)家/地區(qū)”對(duì)應(yīng)的 ISO 3 編碼時(shí)給出一個(gè)輸出提示。實(shí)際上，你會(huì)發(fā)現(xiàn)這些“國(guó)家/地區(qū)”會(huì)在最后的輸出中用白色來(lái)表示。 - 在獲得了每個(gè)國(guó)家的 ISO 3 編碼（有些是空白字符串）之后，我把這些國(guó)家的名稱（作為鍵）還有國(guó)家對(duì)應(yīng)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(duì)象的??update()?? 方法來(lái)完成這個(gè)任務(wù)。 - 在創(chuàng)建好了一個(gè)包含國(guó)家名稱和對(duì)應(yīng) ISO 3 編碼的字典之后，我使用一個(gè)簡(jiǎn)單的循環(huán)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(gè)由彩色多邊形組成的地圖。它常常用來(lái)表示一個(gè)變量在空間中的變化。我們使用 Plotly 中的 ??px??? 模塊來(lái)創(chuàng)建 choropleth 圖，具體函數(shù)為：??px.choropleth??。
這個(gè)函數(shù)的所包含的參數(shù)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(gè)函數(shù)還有幾點(diǎn)需要注意：
- ?
?geojson??? 是一個(gè)??geometry??? 對(duì)象（上面函數(shù)第六個(gè)參數(shù)）。這個(gè)對(duì)象有點(diǎn)讓人困擾，因?yàn)樵诤瘮?shù)文檔中沒有明確地提到這個(gè)對(duì)象。你可以提供，也可以不提供??geojson??? 對(duì)象。如果你提供了??geojson??? 對(duì)象，那么這個(gè)對(duì)象就會(huì)被用來(lái)繪制地球特征，如果不提供??geojson??? 對(duì)象，那這個(gè)函數(shù)默認(rèn)就會(huì)使用一個(gè)內(nèi)建的??geometry??? 對(duì)象。（在我們的實(shí)驗(yàn)中，我們使用內(nèi)建的??geometry??? 對(duì)象，因此我們不會(huì)為??geojson?? 參數(shù)提供值） - DataFrame 對(duì)象有一個(gè)?
?data_frame??? 屬性，在這里我們先前就提供了一個(gè)我們創(chuàng)建好的??df1??。 - 我們用?
?Confirmed??（確診數(shù)）來(lái)決定每個(gè)國(guó)家多邊形的顏色。 - 最后，我們?
?Date??? 列創(chuàng)建一個(gè)??animation_frame???。這樣我們就能通過(guò)日期來(lái)劃分?jǐn)?shù)據(jù)，國(guó)家的顏色會(huì)隨著??Confirmed?? 的變化而變化。
最后完整的代碼如下：
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()
Map
你可以從這里下載并運(yùn)行??完整代碼??。
最后，這里還有一些關(guān)于 Plotly 繪制 choropleth 圖的不錯(cuò)的資源。
