介绍
这篇文章将为大家详细讲解有关Python实战之疫苗研发情况可视化的示例分析,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
一、安装情节库
因为这部分内容主要是用阴谋库进行数据动态展示,所以要先安装<强>情节库强>
pip install 情节
除此之外,我们对数据的处理还用了<强> numpy 强>和<强>熊猫强>库,如果你没有安装的话,可以用以下命令一行安装
pip install plotly numpy 熊猫
#导入所需库 import pandas  as pd import numpy  as np import plotly.express  as px import plotly.graph_objects  as
二,疫苗研发情况
各国采用的疫苗品牌概览
通过对各国卫生部门确认备案的疫苗品牌,展示各厂商的疫苗在全球的分布
#读取数据 位置=pd.read_csv(" # 39;数据/locations.csv& # 39;)
位置
这里我们的loacation中可以看到各个地方的疫苗和数据的来源与数据来源的网页
引用>三,数据处理
#发现数据中疫苗列中包含了多个品牌的情况,将这类数拆为多条 vaccines_by_country=pd.DataFrame () for 小姐:locations.iterrows拷贝(): ,,,df=pd.DataFrame({& # 39;增长# 39;:我[1].location & # 39;疫苗# 39;:我[1].vaccines.split (& # 39; & # 39;)}) ,,,vaccines_by_country=pd.concat ([vaccines_by_country, df)) vaccines_by_country[& # 39;疫苗# 39;]=vaccines_by_country.vaccines.str.strip() #,去掉空格vaccines_by_country.vaccines.unique(), #,查看疫苗的种类
四,可视化疫苗的分布情况
#绘图 无花果=px.choropleth (vaccines_by_country, ,,,,,,,,,,,,,,,的位置=& # 39;增长# 39; ,,,,,,,,,,,,,,,locationmode=& # 39; country 名字# 39; ,,,,,,,,,,,,,,,颜色=& # 39;疫苗# 39; ,,,,,,,,,,,,,,,facet_col=& # 39;疫苗# 39; ,,,,,,,,,,,,,,,facet_col_wrap=3) fig.update_layout(=1200,宽度,高度=1000) fig.show ()
各品牌分布:
<李>
辉瑞/BioNTech主要分布于北美,南美的智利,厄瓜多尔、欧洲,沙特
李> <李>Sputnik V主要分布于俄罗斯,伊朗,巴基斯坦,非洲的阿尔及利亚以及南美的玻利维亚,阿根廷
李> <李>牛津/阿斯利康主要分布于欧洲、南亚、巴西
李> <李>现代化主要分布在北美和欧洲
李> <李>国药控股/北京主要分布在中国,北非部分国家和南美的秘鲁
李> <李>北京科兴主要分布在中国,南亚,土耳其和南美
李> <李>国药控股/武汉主要仅分布于中国
李> <李>Covaxin主要分布于印度
李>综上可以发现,全球采用最广的仍是辉瑞/BioNTech国产疫苗中科兴生物制品公司(北京科兴疫苗)输出到了较多国家
五,各品牌疫苗上市情况(仅部分国家)
根据数据集中提供的部分国家20年12月以来各品牌疫苗接种情况,分析各品牌上市时间及市场占有情况
#读取数据 vacc_by_manu=pd.read_csv(" # 39;数据/vaccinations-by-manufacturer.csv& # 39;)#定义函数,用于从原始数据中组织宽表 def 查询(df、国家、日期、疫苗): ,,,试一试: ,,,,,,,结果=df.loc [(df.location==), (df.date==日期),(df.vaccine==疫苗)].total_vaccinations.iloc [0] ,,,除了: ,,,,,,,结果=np.nan ,,,return 结果vacc_by_manu
六、组织宽表
#组织宽表 vacc_combined=pd.DataFrame(列=[& # 39;位置# 39;& # 39;日期# 39;,& # 39;辉瑞/BioNTech& # 39;,, & # 39;北京科兴# 39;,,& # 39;现代化# 39;,,& # 39;牛津/阿斯利康# 39;]) for 小姐:vacc_by_manu.location.unique拷贝(): ,,,for j 拷贝vacc_by_manu.date.unique (): ,,,,,,,for z 拷贝vacc_by_manu.vaccine.unique (): ,,,,,,,,,,,=结果查询(vacc_by_manu, j, z) ,,,,,,,,,,,if vacc_combined.loc [(vacc_combined.location==我),(vacc_combined.date==j)]空虚: ,,,,,,,,,,,,,,,result_df=pd.DataFrame({& # 39;位置# 39;:我& # 39;日期# 39;:j, z:结果},指数=[& # 39;新# 39;]) ,,,,,,,,,,,,,,,vacc_combined=pd.concat ([vacc_combined result_df]) ,,,,,,,,,,,其他的: null null null null null null null null null null null null null null nullPython实战之疫苗研发情况可视化的示例分析