Python實(shí)戰(zhàn)之疫苗研發(fā)情況可視化
一、安裝plotly庫(kù)
因?yàn)檫@部分內(nèi)容主要是用plotly庫(kù)進(jìn)行數(shù)據(jù)動(dòng)態(tài)展示，所以要先安裝plotly庫(kù)
pip install plotly
除此之外，我們對(duì)數(shù)據(jù)的處理還用了numpy和pandas庫(kù)，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(dǎo)入所需庫(kù) import pandas as pd import numpy as np import plotly.express as px import plotly.graph_objects as go
二、疫苗研發(fā)情況
各國(guó)采用的疫苗品牌概覽
通過(guò)對(duì)各國(guó)衛(wèi)生部門確認(rèn)備案的疫苗品牌，展示各廠商的疫苗在全球的分布
#讀取數(shù)據(jù) locations=pd.read_csv(r'data/locations.csv')
locations
這里我們的loacation中可以看到各個(gè)地方的疫苗和數(shù)據(jù)的來(lái)源與數(shù)據(jù)來(lái)源的網(wǎng)頁(yè)
三、數(shù)據(jù)處理
#發(fā)現(xiàn)數(shù)據(jù)中vaccines列中包含了多個(gè)品牌的情況，將這類數(shù)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
四、可視化疫苗的分布情況
#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()
各品牌分布：
- Pfizer/BioNTech 主要分布于北美，南美的智利、厄瓜多爾，歐洲、沙特
- Sputnik V 主要分布于俄羅斯、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 主要分布于歐洲、南亞、巴西
- Moderna 主要分布在北美和歐洲
- Sinopharm/Beijing 主要分布在中國(guó)、北非部分國(guó)家和南美的秘魯
- Sinovac 主要分布在中國(guó)、南亞、土耳其和南美
- Sinopharm/Wuhan 主要僅分布于中國(guó)
- Covaxin 主要分布于印度
綜上可以發(fā)現(xiàn)，全球采用最廣的仍是Pfizer/BioNTech，國(guó)產(chǎn)疫苗中Sinovac(北京科興疫苗)輸出到了較多國(guó)家
五、各品牌疫苗上市情況（僅部分國(guó)家）
根據(jù)數(shù)據(jù)集中提供的部分國(guó)家20年12月以來(lái)各品牌疫苗接種情況，分析各品牌上市時(shí)間及市場(chǎng)占有情況
#讀取數(shù)據(jù) vacc_by_manu=pd.read_csv(r'data/vaccinations-by-manufacturer.csv')
#定義函數(shù)，用于從原始數(shù)據(jù)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
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
七、補(bǔ)全缺失數(shù)據(jù)
#補(bǔ)全缺失數(shù)據(jù) temp=pd.DataFrame() for i in vacc_combined.location.unique():#按國(guó)家進(jìn)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(shù)據(jù)進(jìn)行補(bǔ)全 temp=pd.concat([temp,r])#若沒有最近的數(shù)據(jù)，認(rèn)為該項(xiàng)為0 temp=temp.fillna(0).reset_index(drop=True) temp
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']#為了查看方便，品牌顏色與前一部分對(duì)應(yīng) ) fig.show()
數(shù)據(jù)中主要涉及Pfizer/BioNTech、Sinovac、Moderna、Oxford/AstraZeneca 4個(gè)品牌，其中：
- Pfizer/BioNTech 上市時(shí)間最早，20年12月24日時(shí)即已經(jīng)開始在智利接種了，之后在12月底開始在歐洲接種，21年1月12日開始在美國(guó)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，隨后12日即開始在美國(guó)大量接種，最終在歐洲及美國(guó)均大量接種
- Oxford/AstraZeneca 21年2月2日先在意大利開始接種，隨后即在歐洲開始接種
- 整體上看，Pfizer/BioNTech上市最早，且在全球占有份額最大，Moderna 隨后上市，主要占據(jù)美國(guó)和歐洲市場(chǎng)，Sinovac、Oxford/AstraZeneca上市均較晚，其中Sinovac占據(jù)了智利的大部分市場(chǎng)份額，而Oxford/AstraZeneca主要分布于歐洲，且占份額很小
到此這篇關(guān)于Python實(shí)戰(zhàn)之疫苗研發(fā)情況可視化的文章就介紹到這了,更多相關(guān)Python疫苗研發(fā)情況可視化內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信