[Python] Introduction à la création de graphiques à l'aide de données de virus corona [Pour les débutants]
introduction
Je vais expliquer la série d'étapes allant de la lecture d'un fichier CSV basé sur les données publiques de l'OMS à sa représentation graphique.
Le site auquel j'ai fait référence est ici.
Le site ci-dessus est expliqué en supposant que vous avez une connaissance de base de Python et matplotlib.
Dans cet article, je vais résumer les points que je n'ai pas compris. Une explication supplémentaire est écrite pour que même les débutants puissent la comprendre.
supposition
- La configuration de l'environnement tel que Python et Jupyter Notebook est terminée.
- Le fichier CSV à lire est publié sur le lien github du Site de référence, et cette fois Je l'utilise.
- Ce contenu est destiné à ceux qui sont sur le point d'apprendre l'apprentissage automatique. (Pour ceux qui comprennent déjà l'apprentissage automatique, cela peut être un peu insatisfaisant.)
environnement
- macOS High Sierra 10.13.6
- Python 3.7.6
- matplotlib 3.1.3
objectif
Notre objectif est d'atteindre les objectifs suivants:
- Lire CSV
- Vous pouvez dessiner un graphique avec matplotlib
Préparation
Lire les données
Commencez par charger le CSV.
import pandas as pd
#Capture de données
df = pd.read_csv("COVID-19.csv", index_col='Date', parse_dates=['Date'])
J'importe une bibliothèque appelée pandas et je lis un fichier CSV. pandas est une bibliothèque qui fournit des structures de données faciles à utiliser et des outils d'analyse de données tels que le chargement CSV.
Pour le contenu de base du japonais, vous pouvez comprendre ce que vous pouvez faire en regardant ici.
Supplément
Les arguments de pandas.read_csv () sont:
- 1er argument: fichier CSV à lire
- 2ème argument: index_col… Spécifiez la colonne d'index
- Troisième argument: parse_dates… Convertir la colonne Date en type DateTime
Il y a beaucoup d'autres paramètres disponibles, donc c'est déroutant au début, mais je pense que ce n'est pas grave si vous les comprenez un par un.
Affichage des données
Importer matplotlib
python
import matplotlib.dates as mdates
Il fait référence à une bibliothèque appelée matplotlib. matplotlib est une bibliothèque qui vous permet de créer des visualisations statiques, animées et interactives en seulement quelques lignes.
Parmi eux, cette fois, nous utiliserons matplotlib.dates pour gérer les données de séries temporelles avec l'axe horizontal comme date.
Vous pouvez ajouter un alias en ajoutant ʻasà l'instruction d'importation. Vous pouvez l'appeler en écrivantmdates au lieu de matplotlib.dates` à chaque fois.
Obtenez un motif de couleur
python
#Obtenez un motif de couleur
cmap = plt.get_cmap("tab10")
Cette fois, chaque ligne doit être codée par couleur afin d'afficher plusieurs données sur un graphique. Il est difficile de penser aux couleurs une par une, c'est donc une bibliothèque qui a un motif de couleur approprié.
C'est une image qui bascule le cmap à lire en fonction du nombre de lignes à afficher.
Utilisez beaucoup de couleurs avec matplotlib
Définition de l'échelle
python
#Définir l'échelle à définir
locator = mdates.AutoDateLocator()
formatter = mdates.ConciseDateFormatter(locator)
Lors de la création d'un graphique, il y a différentes décisions telles que l'unité d'échelle. Le processus ci-dessus peut être brièvement expliqué comme suit.
- AutoDateLocator () alloue bien les échelles d'axe.
- Utilisez ConciseDateFormatter (localisateur) pour refléter une étiquette de série chronologique concise sur le localisateur.
Refléter les informations d'échelle définies sur le graphique
python
ax = plt.gca()
Avec plt.gca (), l'objet Axes courant est acquis et défini comme objet de ʻax`.
Supplément Qu'est-ce qu'un objet Axes?
Il semble que de nombreuses personnes aient des doutes sur les objets Axes et les objets Figure.
L'image est la suivante.
| objet | La description | Relation parent-enfant |
|---|---|---|
| Objet de la figure | Aperçu de la figure | Premier parent |
| Objet Axes | Zone d'image avec espace de données | Figure enfant classe |
| Objet Axis | Echelle (marque sur l'axe) et étiquette d'échelle (chaîne de caractères pour étiqueter l'échelle) | Classe enfant Axes |
Si vous souhaitez comprendre ce qui précède en détail, les articles suivants peuvent être utiles.
[Connaissance de base de matplotlib que je voulais connaître très tôt, ou l'histoire d'un artiste qui peut ajuster l'apparence](https://qiita.com/skotaro/items/08dc0b8c5704c94eafb9#figure-axes-axis%E3%81%AF%E9 % 9A% 8E% E5% B1% A4% E6% A7% 8B% E9% 80% A0% E3% 81% AB% E3% 81% AA% E3% 81% A3% E3% 81% A6% E3% 81 % 84% E3% 82% 8B)
Dessiner un graphique
#Refléter l'échelle de l'axe définie sur le graphique
ax.xaxis.set_major_locator(locator)
ax.xaxis.set_major_formatter(formatter)
#dessin
ax.plot(df.index, df['Global Confirmed'], "s-", color=cmap(3))
ax.plot(df.index, df['China Confirmed'], "o-", color=cmap(2))
ax.plot(df.index, df['Global Deaths'], "s-", color=cmap(7))
ax.plot(df.index, df['China Deaths'], "o-", color=cmap(6))
#Tracer des lignes auxiliaires de la grille
ax.grid()
#Affichage de l'échelle du journal de l'axe y
plt.yscale('log')
#Afficher la légende
plt.legend(['Global Confirmed', 'China Confirmed','Global Deaths', 'China Deaths'])
#Enregistrer le fichier
plt.savefig('COVID-19.svg', bbox_inches="tight") #Si svg est défini sur png, il peut être enregistré en tant qu'image
Les résultats d'affichage sont les suivants.
Concernant le graphique affiché, l'axe horizontal est la date et l'axe vertical est le nombre de personnes.
finalement
- "Je souhaite en savoir plus sur l'IA / l'apprentissage automatique."
- "Je veux apprendre par moi-même, mais je ne sais pas de quoi apprendre."
Si vous êtes une telle personne, vous pouvez lire ceci pour comprendre la procédure de progression pour apprendre efficacement le machine learning.
En outre, voici une référence pour des moyens spécifiques d'apprendre Python.
Informations de référence
■ COVID-19 ■ Connaissance de base de matplotlib que je voulais connaître très tôt, ou l'histoire d'un artiste qui peut ajuster l'apparence