Coronavirus propagation visualization.
Part : History of Coronavirus.
존스 홉킨스 CSSE(Centers for Systems Science and Engineering)에서 실시간으로 신종 코로나 바이러스 (2019-nCoV)의 전 세계 현황을 보여주는 대쉬보드를 운영 중이다. (https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6)
대쉬보드에서는 코로나 바이러스 확진자 수와 사망자 및 완치환자 수를 국가/지역별로 확인할 수 있다. 이 대시보드는 미국 질병통제예방센터, 세계보건기구, 유럽질병예방센터, 중국질병통제센터, 중국국가보건위원회와 CCDC의 자료를 집계한 중국 웹사이트 DXY로부터 데이터를 수집한다.
DataSet https://github.com/CSSEGISandData/COVID-19
Imports
import numpy as np
import pandas as pd
import geopandas as gpd
from geopandas.tools import geocode
import math
from collections import namedtuple
import folium
from folium import Choropleth, Circle, Marker
from folium.plugins import HeatMap, MarkerCluster, TimestampedGeoJson
import datetime
import os
import jsonGEO_DATA = "../bokeh-app/input/geo"
cn_geo_path = "../bokeh-app/input/geo/china.json"
cn_geo_data = json.load(open(cn_geo_path, encoding='utf-8'))
df_rec = pd.read_csv('../bokeh-app/input/coronavirus-latlon-dataset/CV_LL_recovered.csv')
df_con = pd.read_csv('../bokeh-app/input/coronavirus-latlon-dataset/CV_LL_confirmed.csv')
df_death= pd.read_csv('../bokeh-app/input/coronavirus-latlon-dataset/CV_LL_death.csv')df_con.head()Unnamed: 0 Province/State Country/Region Lat Lon Date Confirmed Last Update01234
| 0 | Anhui | China | 31.8257 | 117.2264 | 01-22-2020 | 1.0 | NaN |
| 1 | Beijing | China | 40.1824 | 116.4142 | 01-22-2020 | 14.0 | NaN |
| 2 | Chongqing | China | 30.0572 | 107.8740 | 01-22-2020 | 6.0 | NaN |
| 3 | Fujian | China | 26.0789 | 117.9874 | 01-22-2020 | 1.0 | NaN |
| 4 | Gansu | China | 36.0611 | 103.8343 | 01-22-2020 | NaN | NaN |
def prepare_df(df):
# turning date field into timestamps
df['Last Update'] = pd.to_datetime(df['Last Update'])
# geocoding does not know about 'Mainland China', so lets fix it into an API acceptable form
df.loc[df['Country/Region'] == 'Mainland China', 'Country/Region'] = 'China'
# also geocoding does not like deal with NAs
df['Province/State'] = df['Province/State'].fillna(0)
df['Confirmed'] = df['Confirmed'].fillna(0)
return df
def prepare_df_date(df):
# turning date field into timestamps
df['Date'] = pd.to_datetime(df['Date'])
# geocoding does not know about 'Mainland China', so lets fix it into an API acceptable form
df.loc[df['Country/Region'] == 'Mainland China', 'Country/Region'] = 'China'
# also geocoding does not like deal with NAs
df['Province/State'] = df['Province/State'].fillna(0)
return df
# df = prepare_df(df)
df_rec = prepare_df_date(df_rec)
df_con = prepare_df_date(df_con)
# df_con = prepare_df(df_con)
df_death = prepare_df_date(df_death)
df_con.head()
Unnamed: 0 Province/State Country/Region Lat Lon Date Confirmed Last Update01234
| 0 | Anhui | China | 31.8257 | 117.2264 | 2020-01-22 | 1.0 | NaN |
| 1 | Beijing | China | 40.1824 | 116.4142 | 2020-01-22 | 14.0 | NaN |
| 2 | Chongqing | China | 30.0572 | 107.8740 | 2020-01-22 | 6.0 | NaN |
| 3 | Fujian | China | 26.0789 | 117.9874 | 2020-01-22 | 1.0 | NaN |
| 4 | Gansu | China | 36.0611 | 103.8343 | 2020-01-22 | NaN | NaN |
def create_geojson_features(df_con,
df_rec,
df_death,
radius_max = 30,
radius_min = 2,
fill_color_confirmed = '#EFEFE8FF',
fill_color_recovered = '#0A5E2AFF',
fill_color_death = '#E80018',
weight = 1,
fill_opacity = 0.5
):
print('> Creating GeoJSON features...')
# df_con
features = []
feature = []
for _, row in df_con.iterrows():
radius = np.sqrt(row['Confirmed'])
if radius != 0:
if radius < radius_min:
radius = radius_min
if radius > radius_max:
radius = radius_max
feature = {
'type': 'Feature',
'geometry': {
'type':'Point',
'coordinates':[row['Lon'],row['Lat']]
},
'properties': {
'time': row['Date'].__str__(),
'style': {'color' : fill_color_confirmed},
'icon': 'circle',
'iconstyle':{
'fillColor': fill_color_confirmed,
'fillOpacity': fill_opacity,
'stroke': 'true',
'radius': radius,
'weight': weight
}
}
}
features.append(feature)
# df_death
for _, row in df_death.iterrows():
radius = np.sqrt(row['Deaths'])
if radius != 0:
if radius < radius_min:
radius = radius_min
if radius > radius_max:
radius = radius_max
popup = str(row['Country/Region']) + ' ' + str(row['Province/State']) + '(Deaths=' + str(row['Deaths']) +')'
feature = {
'type': 'Feature',
'geometry': {
'type':'Point',
'coordinates':[row['Lon'],row['Lat']]
},
'properties': {
'time': row['Date'].__str__(),
'style': {'color' : fill_color_death},
'icon': 'circle',
'iconstyle':{
'fillColor': fill_color_death,
'fillOpacity': fill_opacity,
'stroke': 'true',
'radius': radius,
'weight': weight,
'popup': popup
}
}
}
features.append(feature)
# df_rec
for _, row in df_rec.iterrows():
radius = np.sqrt(row['Recovered'])
if radius != 0:
if radius < radius_min:
radius = radius_min
if radius > radius_max:
radius = radius_max
feature = {
'type': 'Feature',
'geometry': {
'type':'Point',
'coordinates':[row['Lon'],row['Lat']]
},
'properties': {
'time': row['Date'].__str__(),
'style': {'color' : fill_color_recovered},
'icon': 'circle',
'iconstyle':{
'fillColor': fill_color_recovered,
'fillOpacity': fill_opacity,
'stroke': 'true',
'radius': radius,
'weight': weight
}
}
}
features.append(feature)
print('> finishing GeoJSON features...')
return featuresThis function gets the GeoJson into the folium map.
def make_map(features, caption):
print('> Making map...')
coords=[15.632909, 14.911222]
map = folium.Map(location=coords,
control_scale=True,
zoom_start=2,
tiles = 'CartoDB dark_matter',
detect_retina = True
)
folium.Choropleth(
geo_data=cn_geo_data,
name='choropleth',
key_on='feature.properties.name',
fill_color='yellow',
fill_opacity=0.15,
line_opacity=0.7
).add_to(map)
TimestampedGeoJson(
{'type': 'FeatureCollection',
'features': features}
, period='P1D'
, duration='P1D'
, add_last_point=True
, auto_play=False
, loop=False
, max_speed=1
, loop_button=True
, date_options='YYYY/MM/DD'
, time_slider_drag_update=True
, transition_time = 500
).add_to(map)
# folium.CircleMarker([37.5658859, 126.9754788], radius=100,color='#3186cc',fill_color='#3186cc', popup='1').add_to(map)
map.caption = caption
print('> Done.')
map.save(os.path.join('Plugins_7.html'))
return mapfeatures = create_geojson_features(df_con, df_rec, df_death, fill_opacity=0.3, weight = 1)
make_map(features, caption = "Coronavirus propagation, 2020.")There are issues that I wasn't able to fix this time:
- Folium 모듈로 전세계지도에 숫자를 표현하는게 힘들 것 같다.
- 현제 까지 지속적으로 업데이트 dataset 전처리 과정에서 나라 이름과 위도경도가 일정한 패턴으로 제공하지 않는다.
- 추후 HTML로 사이트에 올리거나 동영상으로 제작할 계획이다.
- 한국 지도에 코로나바이러스를 표시할 예정
End of Part!
이 글은 코로나 바이러스의 과거와 현재 상황을 다룹니다. 두 번째 부분에서는 미래를 살펴보고 현재 상황이 변하지 않을 경우 바이러스가 새로운 영토로 어떻게 이동하는지에 대한 힌트를 얻으려고합니다.
지도 애니메이션을 더 잘 만드는 방법에 대한 의견을 보내 주셔서 감사합니다. 또한 비행 정보를 시각화하여 바이러스의 전파에 미치는 영향을 더 잘 파악할 수있는 솔루션을 찾고 있습니다.
'Computer > Python' 카테고리의 다른 글
| 분기별 역대 라면 랭킹 스크랩핑(크롤링) 코드 : 파트2 (0) | 2020.03.22 |
|---|---|
| [Python] 코로나바이러스 시각화 지도 히스토리 (0) | 2020.03.16 |
| [Python][Listt] 2차원 리스트를 1차원 리스트로 (0) | 2020.02.13 |
| The Best Python Data Visualization Libraries [2018] (0) | 2020.02.03 |
| matplotlib 테마 바꾸기 (0) | 2020.02.03 |