Python实战之疫苗研发情况可视化的示例分析

　　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

pip  install 情节

除此之外,我们对数据的处理还用了<强> numpy 和<强>熊猫库,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 Python实战之疫苗研发情况可视化的示例分析

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

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

Python实战之疫苗研发情况可视化的示例分析

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 ()

Python实战之疫苗研发情况可视化的示例分析

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>

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>

牛津/阿斯利康主要分布于欧洲、南亚、巴西

<李>

现代化主要分布在北美和欧洲

<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>

北京科兴主要分布在中国,南亚,土耳其和南美

<李>

国药控股/武汉主要仅分布于中国

<李>

Covaxin主要分布于印度

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

Python实战之疫苗研发情况可视化的示例分析

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 　　null

Python实战之疫苗研发情况可视化的示例分析