2022年广东新冠疫情分析与可视化项目源码.zip

# big-data-and-visualization ## <b>2022年广东新冠肺炎疫情数据可视化</b> ## 案例背景 2022年初以来，新冠肺炎疫情对我省有较大影响，为了给疫情防控提供参考，需对全省包括各市的疫情传播情况有宏观的了解。在此背景下，我们小组参考了已有项目，制作了本案例。 ## 案例涉及到的知识点 - Python 编程基础 - Pandas 统计分析基础 - Pandas 数据载入与预处理 - Seaborn 可视化 - pyecharts 可视化 - 时间序列数据分析 ## 案例设计流程 1. 收集新冠疫情数据 2. 提取相关数据 3. 数据预处理 4. 绘制折线图 5. 绘制动态地图 6. 分析可视化数据 ## 案例实现过程 1. 收集新冠疫情数据 数据来源：[DXY-COVID-19-Data](https://github.com/BlankerL/DXY-COVID-19-Data/releases/tag/2022.05.20) 2. 提取相关数据 2.1 读取数据 ```Python data = pd.read_csv('data/DXYArea.csv') ``` 2.2 查看列名 ```Python print(list(data.columns)) ``` ```Python ['continentName', 'continentEnglishName', 'countryName', 'countryEnglishName', 'provinceName', 'provinceEnglishName', 'province_zipCode', 'province_confirmedCount', 'province_suspectedCount', 'province_curedCount', 'province_deadCount', 'cityName', 'cityEnglishName', 'city_zipCode', 'city_confirmedCount', 'city_suspectedCount', 'city_curedCount', 'city_deadCount', 'updateTime'] ``` 分别表示洲名、洲英文名、国家名、国家英文名、省名、省英文名、省邮编、省累计确诊数、省疑似人数、省累计治愈数、省累计死亡数、市名、市英文名、市邮编、市累计确诊数、市疑似人数、市累计治愈数、市累计死亡数、更新时间 我们只需要省名、省累计确诊数、省累计治愈数、省累计死亡数、市名、市累计确诊数、市累计治愈数、市累计死亡数、更新时间。 2.3 删除冗余列 ```Python data.drop(columns=['continentName', 'continentEnglishName', 'countryName', 'countryEnglishName', 'provinceEnglishName', 'province_zipCode', 'cityEnglishName', 'city_zipCode', 'province_suspectedCount', 'city_suspectedCount'], inplace=True) ``` 2.4 筛选出广东省的数据 ```Python data = data[data['provinceName'] == '广东省'] ``` 2.5 筛选出2022年的数据 ```Python data = data[data['updateTime'] >= '2022-01-01'] ``` 3. 数据预处理 3.1 修改列名 英文名太长，改成中文名。 ```Python data.rename(columns={'provinceName': '省名', 'province_confirmedCount': '省累计确诊', 'province_curedCount': '省累计治愈', 'province_deadCount': '省累计死亡', 'cityName': '市名', 'city_confirmedCount': '市累计确诊', 'city_curedCount': '市累计治愈', 'city_deadCount': '市累计死亡', 'updateTime': '更新时间'}, inplace=True) ``` 3.2 新增现有确诊列 ```Python data['省现有确诊'] = data['省累计确诊'] - data['省累计治愈'] - data['省累计死亡'] data['市现有确诊'] = data['市累计确诊'] - data['市累计治愈'] - data['市累计死亡'] ``` 3.3 按市名分组 ```Python cites = set(data['市名']) cites -= {'待明确地区'} print(cites) cites_data = dict() for city in cites: cites_data[city] = data[data['市名'] == city].copy() # print(f'查看{city}更新时间：\n',cites_data[city]['更新时间'].values) # 发现更新日期不连续，且有的日期重复，需要进行处理 ``` 3.4 处理重复日期数据，保留更新时间最新的数据 ```Python for city in cites: temp_date = '2022-05-20' for i, row in cites_data[city].iterrows(): if row['更新时间'][:10] == temp_date: cites_data[city].drop(i, inplace=True) else: temp_date = row['更新时间'][:10] cites_data[city].loc[:, '更新时间'] = pd.to_datetime( cites_data[city]['更新时间'].apply(lambda x: x[:10])).values cites_data[city].reset_index(inplace=True, drop=True) ``` 3.5 处理不连续日期数据，根据前后最近数据进行填充 ```Python for city in cites: # 新开一个DataFrame用于存放填充的数据 new_data = pd.DataFrame(columns=cites_data[city].columns) current_date = datetime.datetime(2022, 5, 20) current_index = 0 for i, row in cites_data[city].iterrows(): next_date = row['更新时间'] days = (current_date-next_date).days if days > 1: for j in range(1, days): new_row = row.copy() new_row['省累计确诊'] = round( (cites_data[city].iloc[current_index]['省累计确诊'] - row['省累计确诊']) / days * j + row['省累计确诊']) new_row['省累计治愈'] = round( (cites_data[city].iloc[current_index]['省累计治愈'] - row['省累计治愈']) / days * j + row['省累计治愈']) new_row['省累计死亡'] = round( (cites_data[city].iloc[current_index]['省累计死亡'] - row['省累计死亡']) / days * j + row['省累计死亡']) new_row['省现有确诊'] = new_row['省累计确诊'] - \ new_row['省累计治愈'] - new_row['省累计死亡'] new_row['市累计确诊'] = round( (cites_data[city].iloc[current_index]['市累计确诊'] - row['市累计确诊']) / days * j + row['市累计确诊']) new_row['市累计治愈'] = round( (cites_data[city].iloc[current_index]['市累计治愈'] - row['市累计治愈']) / days * j + row['市累计治愈']) new_row['市累计死亡'] = round( (cites_data[city].iloc[current_index]['市累计死亡'] - row['市累计死亡']) / days * j + row['市累计死亡']) new_row['市现有确诊'] = new_row['市累计确诊'] - \ new_row['市累计治愈'] - new_row['市累计死亡'] new_row['更新时间'] = next_date + datetime.timedelta(days=j) new_row = new_row.to_frame().T new_row['更新时间'] = pd.to_datetime( new_row['更新时间'].apply(lambda x: str(x)[:10])).values # 填充的数据放到新的DataFrame new_data = pd.concat([new_data, new_row], ignore_index=True) current_index = i current_date = next_date else: current_index = i current_date = next_date # 将新填充的数据添加到原数据中 cites_data[city] = pd.concat( [cites_data[city], new_data], ignore_index=True) # 按日期顺序排序 cites_data[city].sort_values(by='更新时间', inplace=True) cites_data[city].loc[:, '更新时间'] = pd.to_datetime( cites_data[city]['更新时间'].apply(lambda x: str(x)[:10])).values # 重建索引 cites_data[city].reset_index(inplace=True, drop=True) ``` 3.6 增加省、市每日新增确诊数 ```Python for city in cites: for i, row in cites_data[city].iterrows(): if i == 0: cites_data[city]['省新增确诊'] = '' cites_data[city]['市新增确诊'] = '' cites_data[city].loc[0, '省新增确诊'] = 0 cites_data[city].loc[0, '市新增确诊'] = 0 else: