Python utilise la bibliothèque et les pandas de gupandas pour générer une évolution épidémique sous le carnet jupter en anaconda.

Données ouvertes & #160;:https://github.com/lvwuwei/covid-france

Présentation https://www.chinanews.ga/4930.html

L’évolution du nouveau virus de la couronne, de 1803 au 8 novembre 2020, est venue tester les performances de votre machine car ce graphique dépasse 100 m et attend patiemment le chargement. &…

demo-covid.ipynb Utilisez ceci pour générer l’évolution : un nouveau dossier img doit être créé sous le répertoire et une bibliothèque de dépendance doit être importée

from IPython.display import HTML 
import requests 
import zipfile 
import io from datetime 
import timedelta, date 
import matplotlib 
import matplotlib.pyplot as plt 
from mpl_toolkits.axes_grid1 import make_axes_locatable 
import pandas as pd 
import geopandas as gpd 
import contextily as ctx 
from PIL import Image

源代码:

COVID-19 évolution dans les départements français

Visualiser l’évolution du nombre de personnes hospitalisées dans les départements français en raison de l’infection à COVID-19

En [1]:
%load_ext lab_black
%matplotlib inline
En [2]:
from IPython.display import HTML
import requests
import zipfile
import io
from datetime import timedelta, date
import matplotlib
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import make_axes_locatable
import pandas as pd
import geopandas as gpd
import contextily as ctx
from PIL import Image

Les données COVID sont des données ouvertes du portail de données ouvert français data.gouv.fr: https://www.data.gouv.fr/fr/datasets/donnees-relatives-a-lepidemie-du-covid-19/

En [3]:
url_dep = "http://osm13.openstreetmap.fr/~cquest/openfla/export/departements-20140306-5m-shp.zip"
covid_url = (
    "https://www.data.gouv.fr/fr/datasets/r/63352e38-d353-4b54-bfd1-f1b3ee1cabd7"
)
filter_dep = ["971", "972", "973", "974", "976"]  # only metropolitan France
figsize = (15, 15)
tile_zoom = 7
frame_duration = 500  # in ms

Charger les données des départements français dans une GeoSeries GeoPandas

Vous trouverez plus d’informations sur ces données géographiques ouvertes ici: https://www.data.gouv.fr/fr/datasets/contours-des-departements-francais-issus-d-openstreetmap/

En [4]:
local_path = "tmp/"
r = requests.get(url_dep)
z = zipfile.ZipFile(io.BytesIO(r.content))
z.extractall(path=local_path)
filenames = [
    y
    for y in sorted(z.namelist())
    for ending in ["dbf", "prj", "shp", "shx"]
    if y.endswith(ending)
]
dbf, prj, shp, shx = [filename for filename in filenames]
fr = gpd.read_file(local_path + shp)  #  + encoding="utf-8" if needed
fr.crs = "epsg:4326"  # {'init': 'epsg:4326'}
met = fr.query("code_insee not in @filter_dep")
met.set_index("code_insee", inplace=True)
met = met["geometry"]

Charger la carte avec contexte

En [5]:
w, s, e, n = met.total_bounds
bck, ext = ctx.bounds2img(w, s, e, n, zoom=tile_zoom, ll=True)

Fonction de transfert pour enregistrer l’image à une date donnée (titre)

En [6]:
def save_img(df, title, img_name, vmin, vmax):
    gdf = gpd.GeoDataFrame(df, crs={"init": "epsg:4326"})
    gdf_3857 = gdf.to_crs(epsg=3857)  # web mercator
    f, ax = plt.subplots(figsize=figsize)
    ax.imshow(
        bck, extent=ext, interpolation="sinc", aspect="equal"
    )  # load background map
    divider = make_axes_locatable(ax)
    cax = divider.append_axes(
        "right", size="5%", pad=0.1
    )  # GeoPandas trick to adjust the legend bar
    gdf_3857.plot(
        column="hosp",  # Number of people currently hospitalized
        ax=ax,
        cax=cax,
        alpha=0.75,
        edgecolor="k",
        legend=True,
        cmap=matplotlib.cm.get_cmap("magma_r"),
        vmin=vmin,
        vmax=vmax,
    )

    ax.set_axis_off()
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)
    ax.set_title(title, fontsize=25)
    plt.savefig(img_name, bbox_inches="tight")  # pad_inches=-0.1 to remove border
    plt.close(f)

Charger les données COVID dans un cadre de données pandas

En [7]:
cov = pd.read_csv(covid_url, sep=";", index_col=2, parse_dates=True,)
cov = cov.query("sexe == 0")  # sum of male/female
cov = cov.query("dep not in @filter_dep")
cov.dropna(inplace=True)
cov.head()
Dehors[7]:
Dép sexe hospitalière Je suis désolé. Je suis désolé, Rad. dc
jour
2020-03-18 01 0 2 0 1 0
2020-03-18 02 0 41 10 18 11
2020-03-18 03 0 4 0 1 0
2020-03-18 04 0 3 1 2 0
2020-03-18 05 0 8 1 9 0

Ajouter des données géométriques au cadre de données COVID

En [8]:
cov["geometry"] = cov["dep"].map(met)

Parse jours enregistrés et enregistrer une image pour chaque jour

En [9]:
def daterange(date1, date2):
    for n in range(int((date2 - date1).days) + 1):
        yield date1 + timedelta(n)

Créer le dossier img à la racine du carnet

En [10]:
vmax = cov.hosp.max()
for i, dt in enumerate(daterange(cov.index.min(), cov.index.max())):
    title = dt.strftime("%d-%b-%Y")
    df = cov.query("jour == @dt")
    df = df.drop_duplicates(subset=["dep"], keep="first")
    img_name = "img/" + str(i) + ".png"
    save_img(df, title, img_name, 0, vmax)

Compiler les images en gif animé

En [11]:
frames = []
for i, dt in enumerate(daterange(cov.index.min(), cov.index.max())):
    name = "img/" + str(i) + ".png"
    frames.append(Image.open(name))

frames[0].save(
    "covid.gif",
    format="GIF",
    append_images=frames[1:],
    save_all=True,
    duration=frame_duration,
    loop=0,
)

from IPython.display import HTML

HTML("<img src='covid.gif'>")

未经允许不得转载:萌萌Apprentissage » Python utilise la bibliothèque et les pandas de gupandas pour générer une évolution épidémique sous le carnet jupter en anaconda.

J’aime (0) 打赏

Commentaires 0

Protected with IP Blacklist CloudIP Blacklist Cloud
  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

//下一个脚本特效
//下一个脚本