CDA数据分析师 出品
作者：Mika
数据：真达
后期：泽龙
【导语】：今天我们教你用Python绘制全球疫情动态图，技术部分请看第二部分。公众号后台，回复关键字“全球疫情”获取完整数据。
Show me data，用数据说话
今天我们用Python绘制 全球疫情动态图
点击下方视频，先睹为快：https://v.qq.com/x/page/q0959nn32lc.html
目前，全球新冠疫情还十分严峻。昨夜今晨，疫情突破多个标志性的统计节点。其中，全球累计确诊近296万例，累计死亡超20万例；美国累计确诊超100万例，西班牙和意大利累计确诊均超过20万例。
01
全球疫情严峻
美国确诊超100万
根据世卫组织最新实时统计数据，截至欧洲中部时间28日10时（北京时间28日16时），全球范围内，新冠确诊病例较前一日增加76026例，达到2954222例；死亡病例较前一日增加3932例，达到202597例。
美国约翰斯·霍普金斯大学统计数据显示，在美国东部时间28日14时50分（北京时间29日2时50分）的数据显示，美国新冠确诊病例升至1002498例，死亡病例为57533例，确诊病例和死亡病例数都是全球最多。
那么作为一个技术号，我们也十分关注全球疫情的情况，之前我们写了篇：
??
用Python绘制—疫情影响下 美国申请失业险人数动态图
今天我们换个角度，用Python教你画出全球疫情动态图，话不多说！下面看到具体步骤：
02
用Python绘制
全球疫情动态图
此次我们使用Pandas Flourish制作疫情动态数据可视化视频，整个流程分为以下三步：
- 从网上获取数据
- 使用Pandas进行数据整理
- 使用Flourish的可视化模板制图
一、数据整理
我们使用pandas读入数据，本次使用数据来自于世卫组织-欧洲疾控中心统计网站，数据统计了2020.13.31日至2020.04.29日共207个国家的疫情日新增数据。
代码语言：javascript复制*import* *pandas* *as* *pd*
/# 读入数据/
df_cov = pd.read_excel(‘./data/COVID-19-geographic-disbtribution-worldwide-2020-04-29.xlsx’)
df_cov[‘dateRep’] = df_cov.dateRep.astype(‘str’)
df_cov.head()
首先我们需要明确数据整理的目的，也就是我们需要将数据整理成怎样的格式，我们从Flourish网站找到了一份动态条形图的示例数据集，数据格式如下所示：
代码语言：javascript复制df_sample = pd.read_csv(‘./data/Data.1588152303036.csv’)
df_sample.head()
观察数据集，我们明确需要将数据整理成以上的格式，需要进行以下几步工作：
- 提取数据，此处我们提取日期（dateRep）、国家（countriesAndTerritories）、日新增确诊（cases)三列即可
- 通过日新增确诊人数计算每日累计确诊人数
- 对日期列进行摊平，按照国家和日期进行数据透视操作。
- 在网站上找到国旗url的地址，并合并数据集，增加Image_url列
- 通过翻译软件API获取中文名称。
具体代码如下，其中步骤4和步骤5为附加步骤，代码暂略。
代码语言：javascript复制/# 提取数据/
df_sel = df_cov[['dateRep', 'cases', 'countriesAndTerritories']]
/# 累计求和-计算每日累计新增数据/
df_all = pd.DataFrame()
*for* countries *in* df_sel['countriesAndTerritories'].unique().tolist():
df_one = df_sel[df_sel['countriesAndTerritories'] == countries]
df_one = df_one.sort_values('dateRep')
df_one['cases_sum'] = df_one.cases.expanding().sum()
df_all = df_all.append(df_one, ignore_index=*True*)
/# 数据摊平和数据透视/
df_expand = df_all.pivot_table(index='countriesAndTerritories', columns='dateRep', values='cases_sum')
/# 空值填0/
df_expand = df_expand.fillna(0)
df_expand = df_expand.reset_index(drop=*False*)
df_expand.head()
整理数据如上图所示。接下来合并中文国家名和国旗URL数据，最终得到的数据格式如下，将数据导出成Excel格式。
代码语言：javascript复制df.head()
二、数据可视化
我们使用在线网站flourish进行制作，这个网站里提供了非常多的数据可视化模板，我们要做的工作就是从网上找到数据，然后将数据导入到模板里，设置好相应的速度、颜色、图标等信息就完成了。
操作的步骤非常简单。
第一步找到我们要制作的动态柱状变化图模板，可以看到，实例的第一个图形就是动态条形图，模板地址：https://app.flourish.studio/visualisation/2154934/edit
点击"Make your own"，然后点击"Create visualisation" - 点击上方“Data”栏，我们就能看到数据就放在这里，然后点击“uplode data file”上传我们要用到的数据表格。
模板本身限定了表格的格式，如下图所示，我们设置B列是指标名称、C列是存放图标的URL列，D列之后是时间变化列。
第二步就是优化可视化图表，点击上方的“Preview”，就会发现模板自动就已经开始按照时间开始滚动了！
我们还可以进行一些美化和处理，右侧有个编辑栏，主要是要进行标签、颜色、播放速度、标尺大小、时间显示格式等细节的美化，按照自己的风格设置好后，一个常见的可视化动态视频就做完了。
最后配上音乐，让我们一起看到成品吧！
