Skip to content

Latest commit

 

History

History
305 lines (237 loc) · 9.75 KB

Python-matplotlib 南丁格尔玫瑰图.md

File metadata and controls

305 lines (237 loc) · 9.75 KB
Raw

作者：shawn，欢迎关注微信公众号：‘肖恩札记

#血色玫瑰

前言

2020年，终将是会被人铭记，载入史册的一年。疫情席卷，我们过了特殊的一个年，终于国内疫情得到了，就在我们觉得可以松一口气时，国外的疫情却又来势凶猛，今天，我们通过几张图表，来简单看看国外疫情的进展情况。

读取数据

file = './ncov_dxy_to_20200318_abroad.json'
with open(file, 'r', encoding='utf-8') as f:
    jsonGlobal = json.load(f)

file = './ncov_dxy_to_20200318_china.json'
with open(file, 'r', encoding='utf-8') as f:
    jsonChina = json.load(f)

这里有两个文件，一个是国内数据，里面存着每日各个省份和城市的数据，另一个是国家层面的数据，储存着每日各个国家的数据，我们稍微看看这两个数据。(由于篇幅，我省略了部分)

jsonGlobal[0]
{'currentConfirmedCount': 52,
 'confirmedCount': 68,
 'suspectedCount': 0,
 'curedCount': 16,
 'deadCount': 0,
 'comment': '',
 'continentName': '亚洲',
 'countryName': '越南',
 'continentEnglishName': 'Asia',
 'countryEnglishName': 'Vietnam',
 'updateDateTime': '2020-03-18 22:17:28'
...
}
jsonChina[0]
{'provinceName': '湖北省',
 'provinceShortName': '湖北',
 'countryName': '中国',
 'countryEnglishName': 'China',
 'continentName': '亚洲',
 'continentEnglishName': 'Asia',
 'provinceEnglishName': 'Hubei',
 'currentConfirmedCount': 7751,
 'confirmedCount': 67800,
 'suspectedCount': 0,
 'curedCount': 56927,
 'deadCount': 3122,
 'updateDateTime': '2020-03-18 22:16:04',
 'comment': '',
 'cities': [
      {'cityName': '武汉',
       'currentConfirmedCount': 7442,
       'confirmedCount': 50005,
       'suspectedCount': 0,
       'curedCount': 40073,
       'deadCount': 2490,
       'locationId': 420100,
       'cityEnglishName': 'Wuhan'},
 ...
 ]   
}

DataFrame 转化

OK, 有了直观的体验之后，我们使用pandas来读取

但读取前，我们需要处理下这个字典，转化为Pandas友好的格式，才能正确读取，我写了一个函数，用于提取数据。

def data_request(scope, **kargs):
    if scope == 'China':
        dat = jsonChina
    elif scope == 'Global':
        dat = jsonGlobal
    else:
        raise KeyError(scope+ ' is not a valid argument')
        
    rv = []
    cities = kargs.pop('cities', False) 
    for entry in dat:
        flag = True
        for k, v in kargs.items():
            if entry[k] != v:
                flag = False
                break
        if flag:
            entry = deepcopy(entry)
            entry_cities = entry.pop('cities',None)
            rv.append(entry)
            if cities and entry_cities:
                for cty in entry_cities:
                    entry_ = deepcopy(entry)
                    entry_.update(cty)
                    rv.append(entry_)
    return rv

这里的scope是一个必须提供的参数，用以确定是提取国内还是国际数据，其他参数可选，比如你想要提取湖北省数据，查看json里的字段，发现是 'provinceName': '湖北省'，那么我就可以使用data_request(scope='China',provinceName='湖北省')来提取，此外我还实现了一个cities，用以提取省份内各个城市的数据。

比如我现在来提取一下全球的数据，然后转化为DataFrame看一下

datGlobal = data_request(scope='Global')
datGlobal = pd.read_json(json.dumps(datGlobal), convert_dates=False)
datGlobal[['continentName','countryName','updateDateTime',
           'currentConfirmedCount','confirmedCount',  'suspectedCount',  
           'curedCount', 'deadCount' ]]
continentName countryName updateDateTime currentConfirmedCount confirmedCount suspectedCount curedCount deadCount
亚洲 越南 2020-03-18 22:17:28 52.0 68 0 16 0
亚洲 越南 2020-03-15 19:24:16 37.0 53 0 16 0
亚洲 越南 2020-03-14 21:32:22 37.0 53 0 16 0
... ... ... ... ... ... ... ...
其他 至尊公主邮轮 2020-03-07 18:58:02 21.0 21 0 0 0
欧洲 英国（含北爱尔兰） 2020-02-28 17:48:58 8.0 16 0 8 0

然后，我们pivot一下，获得一个宽数据格式的表格，在进行一些常规的数据清洗，获得不同的国家每日的确诊人数

datGlobal_pvt = datGlobal.pivot_table(values='confirmedCount', index='date', columns='countryName')
datGlobal_pvt = datGlobal_pvt.drop('中国', axis=1) # delete china, cuz a lot of data is lost
datGlobal_pvt = datGlobal_pvt.fillna(method='ffill') # forward fill
datGlobal_pvt = datGlobal_pvt.fillna(0) # this should fill the NAs at early times when no cases are reported
datGlobal_pvt = datGlobal_pvt.astype(int)
datGlobal_pvt = datGlobal_pvt.sort_values(by=datGlobal_pvt.index[-1], axis=1)  # sort
datGlobal_pvt.tail()
date 荷兰 瑞士 英国 美国 法国 韩国 德国 西班牙 伊朗 意大利
2020-03-14 804 1189 798 2084 3661 8086 3117 5232 12729 17660
2020-03-15 959 1189 1140 2885 4500 8162 4866 7753 13938 21270
2020-03-16 1135 1563 1543 3700 5423 8236 6671 9191 14991 24938
2020-03-17 1705 2269 1950 4661 6633 8320 7840 11178 16169 29022
2020-03-18 1705 2269 2626 6420 7730 8413 11312 13716 17361 31506

来，数据有了，开始舒服地干活吧。

我们要画的是玫瑰图，我们再来看一眼它

血色玫瑰

这个图有好几个关键点

粗略一思考，这个图其实就是一个极坐标下的柱状，加上颜色和一些文字和一些修饰成分。

所以我们需要处理以下几个问题

  • 怎么使用极坐标，并计算好长度和角度
  • 怎么给柱子不同的颜色
  • 中间的空白 和 两层半透明怎么实现
  • 添加文字，这个可以说是最难 最繁琐的

作图

极坐标

使用python下的matplotlib包，极坐标简直so easy

fig = plt.figure(figsize=(6,8))
ax=fig.add_subplot(projection='polar')#极坐标

然后我们思考一下这个数据，其实我们只需要最新的数据，所以取最后一行就可以了，这里我们取确诊数top 40的国家

此外，我们还需要log一下真实的病例数，缩小数据间的差距，如果数据差距太小，也可以像我一样适当调整

pdat = datGlobal_pvt.iloc[-1,-40:]
pdat = pd.DataFrame({'value':pdat, 'len':1.2 ** np.log2(pdat+1)})

这时候 这个len就是我们极坐标的每个柱子的长度，

那么角度呢？

角度更简单，我才用平均分布的方法，360度平均分给每个柱子，然后计算每个柱子的中心线所对应的角度，如下：

l = pdat['len']
N= pdat.shape[0]
width= 2*np.pi/N
rad = np.cumsum([width]* N) - width/2

颜色也好办，我们使用matplotlib的colormap，然后就可以利用值取出对应的颜色, 比如先用红色的渐变

cm = mpl.cm.get_cmap('Reds')
colors = cm((rad - rad.min())/ (rad.max()-rad.min()))

好， 我们用这个len，和算出来的rad， colors作图

ax.bar(rad,l,width=width, color=colors, alpha=1)

rose

中央空白的有以下几种办法：

  • 直接画一个白色的圆
  • 坐标轴的ylim，左边可以设置到-1
ax.set_ylim(-1,np.ceil(l.max())+1)

半透明也好搞

  • 直接画两个半透明度的圆，叠在图上
ax.bar(rad,1,width=width,color='white', alpha=0.3)
ax.bar(rad,1.5,width=width, color='white', alpha=0.2)

文字说明

恭喜你看到这里，你离成功已经很近了， 文字处理太繁琐了，我丢个代码，大家自己琢磨吧, 自己折腾折腾比什么都有用

put the pieces together

def rose(pdat):
# 玫瑰图
    N= pdat.shape[0]
    width= 2*np.pi/N
    rad = np.cumsum([width]* N) - width/2
    l= pdat['len']
    cm = mpl.colors.LinearSegmentedColormap.from_list('cmap',
            ['#66BB55','#d6dd01', '#EE0000','#660303'], 256)
    colors = cm((rad - rad.min() )/ (rad.max()-rad.min()))

    txt_settings = {
            'span':{0:0.5, 1:0.5, 2:0.5, 3: -0.5},
            'color':{0:'black', 1:'black', 2:'black', 3: 'white'},
            'rot_adj' : {0:-90, 1: -90, 2: 90, 3:90},
            'ha':{0:'right', 1: 'right',2:'left',3: 'right'}
            }

    txt_label = ['{} {}'.format(x, y) 
                 for x, y in zip(sdat.index, sdat['value'])]

    fig = plt.figure(figsize=(6,8))
    ax=fig.add_subplot(projection='polar')#极坐标图绘制

    ax.set_ylim(-1,np.ceil(l.max())+1)
    ax.set_theta_zero_location('N')#设置极坐标的起点（即0度）在正上方向   
    ax.grid(False)
    ax.spines['polar'].set_visible(False)#不显示极坐标最外的圆形
    ax.set_yticks([]) # 不显示坐标间隔
    ax.set_thetagrids([])

    bars=ax.bar(rad,l,width=width, color=colors, alpha=1)
    ax.bar(rad,1,width=width,color='white', alpha=0.3)
    ax.bar(rad,1.5,width=width, color='white', alpha=0.2)

    txts=[]
    for i in np.arange(N):
        direc = rad[i]//(np.pi/2)
        t = ax.text(rad[i], 
            l[i]+txt_settings['span'][direc] ,
            txt_label[i],
            rotation=rad[i] * 180 /np.pi + txt_settings['rot_adj'][direc],
            color= txt_settings['color'][direc], 
            ha = txt_settings['ha'][direc], va='center',
            rotation_mode='anchor',  # this parameter is a trick
            alpha=1, 
            fontweight='bold', size=8) 
        txts.append(t)

    return ax, bars, txts


# 调用作图
ax, bars, txts = rose(sdat)
# ax.figure.tight_layout()
ax.set_anchor((0.5,1))
ax.figure.subplots_adjust(left=-1,bottom=-0.3,right=2,top=1)

# 保存
ax.figure.savefig('rose.png', dpi=300)

成图