目錄
- 一、安裝plotly庫
- 二、疫苗研發情況
- 三、數據處理
- 四、可視化疫苗的分布情況
- 五、各品牌疫苗上市情況（僅部分國家）
- 六、組織寬表
- 七、補全缺失數據
- 八、繪制堆疊柱狀圖
一、安裝plotly庫
因為這部分內容主要是用plotly庫進行數據動態展示，所以要先安裝plotly庫
除此之外，我們對數據的處理還用了numpy和pandas庫，如果你沒有安裝的話，可以用以下命令一行安裝
pip install plotly numpy pandas
#導入所需庫
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
二、疫苗研發情況
各國采用的疫苗品牌概覽
通過對各國衛生部門確認備案的疫苗品牌，展示各廠商的疫苗在全球的分布
#讀取數據
locations=pd.read_csv(r'data/locations.csv')
這里我們的loacation中可以看到各個地方的疫苗和數據的來源與數據來源的網頁
三、數據處理
#發現數據中vaccines列中包含了多個品牌的情況，將這類數拆為多條
vaccines_by_country=pd.DataFrame()
for i in locations.iterrows():
df=pd.DataFrame({'Country':i[1].location,'vaccines':i[1].vaccines.split(',')})
vaccines_by_country=pd.concat([vaccines_by_country,df])
vaccines_by_country['vaccines']=vaccines_by_country.vaccines.str.strip()# 去掉空格
vaccines_by_country.vaccines.unique() # 查看疫苗的種類
四、可視化疫苗的分布情況
#繪圖
fig=px.choropleth(vaccines_by_country,
locations='Country',
locationmode='country names',
color='vaccines',
facet_col='vaccines',
facet_col_wrap=3)
fig.update_layout(width=1200, height=1000)
fig.show()
各品牌分布：
- Pfizer/BioNTech 主要分布于北美，南美的智利、厄瓜多爾，歐洲、沙特
- Sputnik V 主要分布于俄羅斯、伊朗、巴基斯坦、非洲的阿爾及利亞以及南美的玻利維亞、阿根廷
- Oxford/AstraZeneca 主要分布于歐洲、南亞、巴西
- Moderna 主要分布在北美和歐洲
- Sinopharm/Beijing 主要分布在中國、北非部分國家和南美的秘魯
- Sinovac 主要分布在中國、南亞、土耳其和南美
- Sinopharm/Wuhan 主要僅分布于中國
- Covaxin 主要分布于印度
綜上可以發現，全球采用最廣的仍是Pfizer/BioNTech，國產疫苗中Sinovac(北京科興疫苗)輸出到了較多國家
五、各品牌疫苗上市情況（僅部分國家）
根據數據集中提供的部分國家20年12月以來各品牌疫苗接種情況，分析各品牌上市時間及市場占有情況
#讀取數據
vacc_by_manu=pd.read_csv(r'data/vaccinations-by-manufacturer.csv')
#定義函數，用于從原始數據中組織寬表
def query(df,country,date,vaccine):
try:
result=df.loc[(df.location==country)(df.date==date)(df.vaccine==vaccine)].total_vaccinations.iloc[0]
except:
result=np.nan
return result
六、組織寬表
#組織寬表
vacc_combined=pd.DataFrame(columns=['location','date','Pfizer/BioNTech', 'Sinovac', 'Moderna', 'Oxford/AstraZeneca'])
for i in vacc_by_manu.location.unique():
for j in vacc_by_manu.date.unique():
for z in vacc_by_manu.vaccine.unique():
result=query(vacc_by_manu,i,j,z)
if vacc_combined.loc[(vacc_combined.location==i)(vacc_combined.date==j)].empty:
result_df=pd.DataFrame({'location':i,'date':j,z:result},index=['new'])
vacc_combined=pd.concat([vacc_combined,result_df])
else:
vacc_combined.loc[(vacc_combined.location==i)(vacc_combined.date==j),z]=result
七、補全缺失數據
#補全缺失數據
temp=pd.DataFrame()
for i in vacc_combined.location.unique():#按國家進行不全
r=vacc_combined.loc[vacc_combined.location==i]
r=r.fillna(method='ffill',axis=0)#先按最近一次的數據進行補全
temp=pd.concat([temp,r])#若沒有最近的數據，認為該項為0
temp=temp.fillna(0).reset_index(drop=True)
temp
八、繪制堆疊柱狀圖
#繪制堆疊柱狀圖
fig=px.bar(temp,
x='location',
y=vacc_by_manu.vaccine.unique(),
animation_frame='date',
color_discrete_sequence=['#636efa','#19d3f3','#ab63fa','#00cc96']#為了查看方便，品牌顏色與前一部分對應
)
fig.show()
數據中主要涉及Pfizer/BioNTech、Sinovac、Moderna、Oxford/AstraZeneca 4個品牌，其中：
- Pfizer/BioNTech 上市時間最早，20年12月24日時即已經開始在智利接種了，之后在12月底開始在歐洲接種，21年1月12日開始在美國接種
- Sinovac 21年2月2日開始在智利接種Moderna 21年1月8日先在意大利開始接種，隨后12日即開始在美國大量接種，最終在歐洲及美國均大量接種
- Oxford/AstraZeneca 21年2月2日先在意大利開始接種，隨后即在歐洲開始接種
- 整體上看，Pfizer/BioNTech上市最早，且在全球占有份額最大，Moderna 隨后上市，主要占據美國和歐洲市場，Sinovac、Oxford/AstraZeneca上市均較晚，其中Sinovac占據了智利的大部分市場份額，而Oxford/AstraZeneca主要分布于歐洲，且占份額很小
到此這篇關于Python實戰之疫苗研發情況可視化的文章就介紹到這了,更多相關Python疫苗研發情況可視化內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python利用folium實現地圖可視化
- Python編寫可視化界面的全過程（Python+PyCharm+PyQt）
- Python實現K-means聚類算法并可視化生成動圖步驟詳解
- python開發實時可視化儀表盤的示例
- python數據分析之員工個人信息可視化
- 使用python實現三維圖可視化
- 關于Python可視化Dash工具之plotly基本圖形示例詳解
- python用pyecharts實現地圖數據可視化
- Python繪制K線圖之可視化神器pyecharts的使用
- Python繪制詞云圖之可視化神器pyecharts的方法
- Python實現疫情地圖可視化
- python 可視化庫PyG2Plot的使用
- python使用Streamlit庫制作Web可視化頁面
