用Python绘制全国各省新型冠状病毒疫情状况

本文使用数据说明：数据截至2月2日24时，累计报告确诊病例17205例，现有重症病例2296例，累计死亡病例361例，累计治愈出院475例。疑似病例21558例。

图表来自百度疫情实时大数据报告

最近在家关注疫情之余，用Python绘制了全国各省新型冠状病毒疫情状况动态图表，其地图数据来源于腾讯的疫情实时追踪展示地图：https://github.com/dongli/china-shapefiles

全国各省的疫情实时数据来源于丁香园：https://github.com/BlankerL/DXY-2019-nCoV-Data/blame/master/DXYArea.csv#

具体实现代码

我们使用下载的china.shp和china_nine_dotted_line.shp两个文件，可以绘制如下所示的带南海地区单独展示的中国地图

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
from matplotlib.backends.backend_agg import FigureCanvasAgg
from matplotlib.patches import Polygon
from matplotlib.collections import PatchCollection
from mpl_toolkits.basemap import Basemap
import matplotlib.dates as mdates
import matplotlib as mpl
plt.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False    #用来正常显示负号

%matplotlib inlin

fig = plt.figure(figsize=(12,12))
ax = fig.gca()

#plt.subplots_adjust(left=0.12, right=0.98, top=0.75, bottom=0)
basemap = Basemap(llcrnrlon= 80,llcrnrlat=10,urcrnrlon=150,urcrnrlat=50,projection='poly',lon_0 = 116.65,lat_0 = 40.02,ax = ax)
basemap.readshapefile(shapefile = 'china',name = "province", drawbounds=True)
basemap.readshapefile('china_nine_dotted_line',name ='section', drawbounds=True)
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['left'].set_color('none')
ax.spines['bottom'].set_color('none')

df_mapData = pd.DataFrame(basemap.province_info)
df_mapData['OWNER'] = [x.strip('\x00') for x in df_mapData['OWNER']] #省份
df_mapData['FCNAME'] =[x.strip('\x00') for x in df_mapData['FCNAME']]

province=np.unique(df_mapData['OWNER'])
color = sns.husl_palette(len(province),h=15/360, l=.65, s=1).as_hex()
colors = dict(zip(province.tolist(),color))


for info, shape in zip(basemap.province_info, basemap.province): 
        pname = info['OWNER'].strip('\x00')
        fcname = info['FCNAME'].strip('\x00')
        if pname != fcname: # 不绘制海岛
            continue
        color = colors[pname]
        
        poly = Polygon(shape, facecolor=color, edgecolor='k')
        ax.add_patch(poly)


ax2= fig.add_axes([0.7, 0.25, 0.15, 0.15])
basemap2 = Basemap(llcrnrlon= 106.55,llcrnrlat=4.61,urcrnrlon=123.58,urcrnrlat=25.45,projection='poly',lon_0 = 116.65,lat_0 = 40.02,ax = ax2)
basemap2.readshapefile(shapefile = 'china',name = "province", drawbounds=True)
basemap2.readshapefile('china_nine_dotted_line',name ='section', drawbounds=True)

for info, shape in zip(basemap2.province_info, basemap2.province): 
        pname = info['OWNER'].strip('\x00')
        fcname = info['FCNAME'].strip('\x00')
        if pname != fcname: # 不绘制海岛
            continue       
        color = colors[pname] 
        poly = Polygon(shape, facecolor=color, edgecolor='k')
        ax2.add_patch(poly)

from datetime import datetime
from matplotlib import cm,colors

df_data=pd.read_csv('DXYArea.csv')
df_data['updateTime']=[datetime.strptime(d, '%Y-%m-%d %H:%M:%S.%f').date() for d in df_data['updateTime']]


df_data['month']=[d.month for d in df_data['updateTime']]
df_data['day']=[d.strftime('%d') for d in df_data['updateTime']]
df_data['date']=[d.strftime('%m-%d') for d in df_data['updateTime']]
df_data=df_data.drop_duplicates(subset = ['month','day','provinceName']).reset_index()

labels = [ '1-9', '10-99', '100-999', '1000-10000','>10000']
n_colors=len(labels)
color=[colors.rgb2hex(x) for x in cm.get_cmap( 'YlOrRd',n_colors)(np.linspace(0, 1, n_colors))]
color_array=[x for x in cm.get_cmap( 'YlOrRd',n_colors)(np.linspace(0, 1, n_colors))]

df_data['lablels']=pd.cut(df_data['province_confirmedCount'], [0,10,100,1000,10000,100000], labels=labels)
df_data['color']=[color[i] for i in df_data['lablels'].values.codes]
df_data=df_data.set_index('provinceName',drop=False)

days=[ '24', '25', '26', '27', '28', '29', '30', '31','01', '02', '03']#np.unique(df_data['day'])

df_day=df_data[df_data['day']==days[7]][['provinceName','province_confirmedCount','day','month','color','date']]

def draw_ChinaMap(Num_day):
    ax.clear()

    df_day=df_data[df_data['day']==days[Num_day]][['provinceName','province_confirmedCount','day','month','color','date']]

    basemap = Basemap(llcrnrlon= 80,llcrnrlat=10,urcrnrlon=150,urcrnrlat=50,projection='poly',lon_0 = 116.65,lat_0 = 40.02,ax = ax)
    basemap.readshapefile(shapefile = 'C:/Users/Peter_Zhang/Desktop/Hex_Map/china_shapefiles_master/china',
                      name = "province", drawbounds=True)
    basemap.readshapefile('C:/Users/Peter_Zhang/Desktop/Hex_Map/china_shapefiles_master/china_nine_dotted_line',
                       name ='section', drawbounds=True)
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    ax.spines['left'].set_color('none')
    ax.spines['bottom'].set_color('none')


    for info, shape in zip(basemap.province_info, basemap.province): 
            pname = info['OWNER'].strip('\x00')
            fcname = info['FCNAME'].strip('\x00')
            if pname != fcname: # 不绘制海岛
                continue

            color='white'
            if sum(df_day['provinceName']==pname)>0:
                color = df_day.loc[pname,'color']

            poly = Polygon(shape, facecolor=color, edgecolor='k')
            ax.add_patch(poly) 

    patches = [ mpatches.Patch(color=color_array[i], label=labels[i]) for i in range(n_colors) ]
    # put those patched as legend-handles into the legend
    legend=ax.legend(handles=patches, borderaxespad=0,loc="center right",markerscale=1.3,
          edgecolor='none',facecolor='none',fontsize=15,title='')

    ax.text(0.02,1.07, s='全国各省新型冠状病毒疫情状况', transform=ax.transAxes, size=30, weight='bold',color='k')
    ax.text(0.02,1.0, s='全国新型冠状病毒确诊总数为：'+str(df_day['province_confirmedCount'].sum())+';  湖北省新型冠状病毒确诊总数为:'+ str(df_day.loc['湖北省','province_confirmedCount']),
        transform=ax.transAxes, size=20,weight='light', color='k')
    ax.text(0.05,0.22, s=df_day['date'][0], transform=ax.transAxes, size=70, color='gray',weight='bold',family='Arial')
    ax.text(0.02,0.05, s='数据来源：https://github.com/BlankerL/DXY-2019-nCoV-Data/blame/master/DXYArea.csv', transform=ax.transAxes, size=10, color='k')    
    
    basemap2 = Basemap(llcrnrlon= 106.55,llcrnrlat=4.61,urcrnrlon=123.58,urcrnrlat=25.45,projection='poly',lon_0 = 116.65,lat_0 = 40.02,ax = ax2)
    basemap2.readshapefile(shapefile = 'china',name = "province", drawbounds=True)
    basemap2.readshapefile('china_nine_dotted_line',name ='section', drawbounds=True)

    for info, shape in zip(basemap2.province_info, basemap2.province): 
            pname = info['OWNER'].strip('\x00')
            fcname = info['FCNAME'].strip('\x00')
            if pname != fcname: # 不绘制海岛
                continue 

            color='white'
            if sum(df_day['provinceName']==pname)>0:
                color = df_day.loc[pname,'color']
            poly = Polygon(shape, facecolor=color, edgecolor='k')
            ax2.add_patch(poly)

fig = plt.figure(figsize=(12,12))
ax = fig.gca()
ax2= fig.add_axes([0.75, 0.2, 0.15, 0.15])
plt.subplots_adjust(left=0.12, right=0.98, top=0.85, bottom=0.1)   
draw_ChinaMap(2)

matplotlib包和plotnine包都可以实现动态数据的可视化演示。其中，在matplotlib包中，函数 FuncAnimation(fig,func,frames,init_func,interval,blit) 是绘制动图的主要函数，其参数如下：

(1) fig 为绘制动图的画布名称；

(2) func为自定义动画函数update()，比如11-4-1的 draw_barchart(year) 和11-4-2的 draw_areachart(Num_Date)；

(3) frames为动画长度，一次循环包含的帧数，在函数运行时，其值会传递给函数update(n)的形参“n”；

(4) init_func为自定义开始帧，即初始化函数，可省略；

(5) interval为更新频率，以ms计算；

(6) blit为选择更新所有点，还是仅更新产生变化的点。应选择True，但mac用户请选择False，否则无法显示。

plotnine包的PlotnineAnimation()函数也可以绘制动态图表，但是对于不断更新的数据绘制动态图表时，动态图表生成速度很慢。

import matplotlib.animation as animation
from IPython.display import HTML
fig = plt.figure(figsize=(12,12))
ax = fig.gca()
ax2= fig.add_axes([0.75, 0.2, 0.15, 0.15])
plt.subplots_adjust(left=0.12, right=0.98, top=0.85, bottom=0.1)    
animator = animation.FuncAnimation(fig, draw_ChinaMap, frames=np.arange(0,len(days),1),interval=1000)
HTML(animator.to_jshtml())

ps：源代码与数据的Github下载地址：

https://github.com/EasyChart/Beautiful-Visualization-with-python/tree/master

Python数据可视化之美

本文源自博文视点即将出版的新书《Python数据可视化之美》中的动态图表的绘制。

本书主要介绍如何使用python中的matplotlib、seaborn、plotnine、geoplot等包绘制专业图表。本书先介绍了python语言编程基础知识，以及使用numpy和pandas两个包的数据操作方法；再对比了matplotlib、seaborn和plotnine三个包的图形语法。本书系统性地介绍了使用matplotlib、seaborn和plotnine绘制类别对比型、数据关系型、时间序列型、整体局部型、地理空间型等常见的二维和三维图表的绘制方法。另外，本书也介绍了商业图表与学术图表的规范与差异，以及如何使用matplotlib包绘制HTML交互页面动画。

除此之外，书中还介绍了动态条形图和动态三维柱形地图的绘制。

图书推荐

▊ 《R语言数据可视化之美：专业图表绘制指南（增强版）》

张杰  著

本书主要内容① R语言编程基础知识，以及使用dplyr、tidyr、reshape2等包的数据操作方法; base、lattice 和ggplot2包的图形语法。② 使用ggplot2包及其拓展包绘制类别对比型、数据关系型、时间序列型、整体局部型、地理空间型等常见的二维图表的方法，ggraph、igraph circlize等包绘制层次、 网络关系型图表，以及使用plot3D包绘制三维图表(包括三维散点图、柱形图和曲面图等)的方法。

③ 论文中学术图表的图表配色、规范格式等相关技能与知识。

关于作者张杰

• 数据分析与可视化极客

• EasyCharts微信公众号联合主创

• 著有15篇SCI(E)和SSCI学术论文

• 出版专著《Excel 数据之美：科学图表与商业图表的绘制》和《R语言数据可视化之美：专业图表绘制指南》

• 第11届和第12届中国R会议数据可视化演讲嘉宾

• 学术研究方向为颜色科学、机器视觉、数据分析与可视化等

获取本书详情

如果喜欢本文欢迎 在看丨留言丨分享至朋友圈 三连
点击下方入口，获取学院精品课程，宅家期间让我们共同学习进阶！

  热文推荐  

---

▼ 点击阅读原文，获取本书详情！