基于Python對公共衛(wèi)生進行數(shù)據(jù)分析

季旻霞 石弘利

金陵科技學院，中國·江蘇 南京 211169

Python；數(shù)據(jù)分析；Pandas；數(shù)據(jù)可視化；Matplotlib；plotly

1 引言

2020年新冠在全球蔓延，不少人因為新冠失去生命與親人。針對這一情況，我們必須足夠重視并采取一定的行為來改善。那我們應如何改善？隨著云時代的來臨，大數(shù)據(jù)吸引了越來越多的關(guān)注，大數(shù)據(jù)這一詞也越來越多被提及。在這次的新冠疫情中，大數(shù)據(jù)就發(fā)揮的無可替代的作用，分析這些數(shù)據(jù)內(nèi)部所蘊含的規(guī)律，預測相關(guān)運行趨勢，得出有效結(jié)論，從而預防病毒的肆意蔓延。

2 Python 簡介

Python 是一個高層次的結(jié)合了解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言，python 簡單開源易上手，擁有豐富強大的庫，流程可控，工作高效。

3 數(shù)據(jù)導入

兩種方式可以獲取到此次疫情數(shù)據(jù)，第一種是爬蟲，爬蟲因本身具備的突出優(yōu)勢，被廣泛用于數(shù)據(jù)信息采集中爬蟲提取頁面源代碼[1]。主要有兩種方法：requests 庫和selenium庫。requests 適合提取需要的元素信息直接保存在頁面的源代碼中，它提取頁面快，但不適合用于提取元素不是加載在源代碼的項目的情況下。第二種是通過akshare 庫，akshare 是基于python 的開源數(shù)據(jù)接口庫。這里筆者用的是第一種方法，導入相關(guān)部分數(shù)據(jù)來進行數(shù)據(jù)分析。筆者使用的是requests庫，將數(shù)據(jù)導入之后，由json 格式轉(zhuǎn)換為方便分析的dataframe 格式，源數(shù)據(jù)由于API 采集的機制，包含大量重復數(shù)據(jù)，無效數(shù)據(jù)，缺失數(shù)據(jù)，所以接下來要對這些數(shù)據(jù)進行處理[2]。

4 數(shù)據(jù)處理

數(shù)據(jù)處理方面，Python 中的插件Pandas 功能突出。Pandas十分方便快捷，主要包括數(shù)據(jù)輸入輸出，數(shù)據(jù)清洗處理，數(shù)據(jù)挖掘等。Pandas 擁有強大數(shù)據(jù)清理功能，可以去重復值，通過刪除或者填補等處理缺失值和異常值。論文日期不是標準表示，應將它化為年月日的方式，并使用loc 根據(jù)index 索引來提取月日。并且論文用默認索引不是最佳方案，可以以更新日期作為索引，表一為數(shù)據(jù)處理后的結(jié)果。如下為處理的主要代碼：

圖1 數(shù)據(jù)處理后的結(jié)果

5 數(shù)據(jù)可視化

數(shù)據(jù)可視化有很多方式，可以通過excel、matplotlib、seaborn、plotly 以及詞云圖等方式給我們展示數(shù)據(jù)的數(shù)量以及發(fā)展趨勢，對可視化結(jié)果進行分析，從中提取出有效信息，得出有用結(jié)論供人們學習以及商業(yè)參考。在論文的疫情數(shù)據(jù)中，我們可以通過分析得出哪些地區(qū)是重災區(qū)，需要引起人們的重視，嚴格控制人流量預防疫情快速蔓延，提醒相鄰地區(qū)注意防范等。

在論文中，筆者主要使用了plotly 方法繪圖。Plotly 是一個非常著名且強大的開源數(shù)據(jù)可視化框架，它通過構(gòu)建基于瀏覽器顯示的web 形式的可交互圖表來展示信息，可創(chuàng)建多達數(shù)十種精美的圖表和地圖，Matplotlib 存在不夠美觀、靜態(tài)性、不易分享等缺點，限制了Python在數(shù)據(jù)可視化中的發(fā)展。為了解決這個問題，新型的動態(tài)可視化開源模塊Plotly 應運而生，Plotly 具有動態(tài)、美觀、易用、種類豐富等特性。

圖2 各區(qū)塊死亡人數(shù)

上圖是各區(qū)塊的死亡人數(shù)，使用了groupby 分組計算出區(qū)塊死亡人數(shù)。從圖中可見，北美洲情況最嚴重，應重點注意。中國相關(guān)部門應嚴格把控輸入輸出來控制疫情在區(qū)塊間的傳播。

圖3 各地區(qū)的確診人數(shù)

上圖是使用plotly 繪制的折線圖，折線圖易于展現(xiàn)趨勢，上圖清晰可見美國疫情的嚴重性。

圖4 08-06 各州確診情況

圖5 08-06 中國確診人數(shù)

可視化核心代碼：

圖6 08-05 疫情較嚴重區(qū)域情況

筆者使用了matplotlib 繪制折線圖來呈現(xiàn)疫情情況描繪在八月五號重要疫情較嚴重地區(qū)疫情發(fā)展趨勢，先通過數(shù)據(jù)篩選，再使用可視化繪圖[3]。下圖可以明顯發(fā)現(xiàn)香港地區(qū)疫情較為嚴重。居住香港地區(qū)人應注意減少外出，嚴格佩戴口罩，相鄰地區(qū)也要引起注意和重視。其他地區(qū)人應盡量避免出入疫情嚴重區(qū)。其中，主要代碼為：

圖7 08-06 疫情詞云圖

詞云圖可以有效劃重點，高亮出重要信息呈現(xiàn)出來。論文可以顯示出中國疫情較嚴重地區(qū)。

6 結(jié)語

隨著網(wǎng)絡(luò)信息化的飛速發(fā)展，人們面對越來越多紛繁復雜的數(shù)據(jù)時，需要分析處理，需要利用數(shù)據(jù)可視化后的結(jié)果指導和解決各種學習工作中的問題。論文利用python 語言作為編程基礎(chǔ)，利用pandas 進行數(shù)據(jù)分析以及matplotlib 和plotly 來進行數(shù)據(jù)可視化，由此來提取出有效信息[3]。