Python實戰之疫苗研發情況可視化

Posted on by

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

pip install plotly

除此之外，我們對數據的處理還用瞭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佈

#讀取數據
locations=pd.read_csv(r'data/locations.csv')
locations

在這裡插入圖片描述

這裡我們的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列中包含瞭多個品牌的情況，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

在這裡插入圖片描述

四、可視化疫苗的分佈情況

#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()

在這裡插入圖片描述

各品牌分佈：

  • Pfizer/BioNTech 主要分佈於北美，南美的智利、厄瓜多爾，歐洲、沙特
  • Sputnik V 主要分佈於俄羅斯、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 主要分佈於歐洲、南亞、巴西
  • Moderna 主要分佈在北美和歐洲
  • Sinopharm/Beijing 主要分佈在中國、北非部分國傢和南美的秘魯
  • Sinovac 主要分佈在中國、南亞、土耳其和南美
  • Sinopharm/Wuhan 主要僅分佈於中國
  • Covaxin 主要分佈於印度

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)輸出到瞭較多國傢

五、各品牌疫苗上市情況（僅部分國傢）

根據數據集中提供的部分國傢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，用於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

vacc_by_manu

在這裡插入圖片描述

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

vacc_combined

在這裡插入圖片描述

七、補全缺失數據

#補全缺失數據
temp=pd.DataFrame()
for i in vacc_combined.location.unique():#按國傢進行不全
    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

在這裡插入圖片描述

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']#為瞭查看方便，品牌顏色與前一部分對應
        )
fig.show()

在這裡插入圖片描述

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瞭，之後在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，隨後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，隨後即在歐洲開始接種
  • 整體上看，Pfizer/BioNTech上市最早，且在全球占有份額最大，Moderna 隨後上市，主要占據美國和歐洲市場，Sinovac、Oxford/AstraZeneca上市均較晚，其中Sinovac占據瞭智利的大部分市場份額，而Oxford/AstraZeneca主要分佈於歐洲，且占份額很小

到此這篇關於Python實戰之疫苗研發情況可視化的文章就介紹到這瞭,更多相關Python疫苗研發情況可視化內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：