COVID-19_visual.py

import requests
import pandas as pd
import matplotlib.pyplot as plt
import geopandas as gpd
import io
import PIL

'''
美国约翰霍普金斯大学在github上公开了他们每日收集到的关于新冠疫情的数据，相关数据可以从以下网址获得：
    https://github.com/CSSEGISandData/COVID-19
'''
def getDataFromGithub():
    #这个url链接的文件是关于新冠疫情爆发至今，世界上每个国家确诊人数的时间线
    url = 'https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv'
    try:
        response = requests.get(url)
        with open('time_series_covid19_confirmed_global.csv','wb') as f:
            f.write(response.content)
    except:
        print('在线获取失败！')
        return -1
        
'''
但由于某些原因，raw.githubusercontent.com域名可能会访问错误，所以我事先准备好了数据文件，直接读取即可
'''
def getData():
    return pd.read_csv('time_series_covid19_confirmed_global.csv') #返回一个pandas的DataFrame数据类型

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
print(type(world))

'''
现在加载世界上每个国家的地理数据集，以便用geopandas模块绘制出世界地图，注意这里用的地图数据集不是geopandas模块自带的，是从以下网址获取的：
    https://www.naturalearthdata.com/downloads/10m-cultural-vectors/
'''
def getGeoData():
    world = gpd.read_file('countries') #将下载得到的数据集文件全部放在同目录下的countries文件夹下，然后用geopandas模块读取
    return world #返回一个geopandas模块的GeoDataFrame数据类型

'''
清洗整理数据，并把两个数据集合并在一起
'''
def MergeData(df,countries): #接收df：疫情数据集，countries：国家地理数据集
    #将台湾地区设置为中国
    df['Country/Region'].replace('Taiwan*','China',inplace=True)
    countries['SOVEREIGNT'].replace('Taiwan','China',inplace=True)
    
    #删除疫情数据集中的经纬度数据，因为这在地理数据集中有
    df = df.drop(columns=['Lat','Long'])
    #因为疫情数据集中有一些国家是按省份、州进行统计的，一国数据分散，所以要把它们合并
    df = df.groupby('Country/Region').sum()
    
    #简化地理数据集，只用保留坐标列和主权名即可
    countries = countries.drop(columns=[col for col in countries.columns if col not in ['SOVEREIGNT','geometry']])
    #然后尽可能地将地理数据集中的国家名改成跟疫情数据集一样
    countries['SOVEREIGNT'].replace('United States of America','US',inplace=True)
    countries['SOVEREIGNT'].replace('South Korea','Korea, South',inplace=True)
    countries['SOVEREIGNT'].replace('Vatican','Holy See',inplace=True)
    countries['SOVEREIGNT'].replace('eSwatini','Eswatini',inplace=True)
    countries['SOVEREIGNT'].replace('United Republic of Tanzania','Tanzania',inplace=True)
    
    #合并数据集
    return countries.join(df,how='right',on='SOVEREIGNT')

'''
动态可视化的一个思路就是根据每一天的疫情数据，画出若干张图，然后把这些图片合并在一起，形成一个GIF图，为此编写下面这个函数：
'''
def ImgToGif(data):
    GIF = [] #保存gif动图里的每一张图片
    dates = data.columns[2:] #获取数据集中的日期数据
    fig,ax = plt.subplots(figsize=(23,10))
    sum = 0
    length = len(dates)
    #循环生成每一天的世界疫情图
    for date in dates:
        plt.title('Total confirmed cases of COVID-19 in the World, '+date,fontdict={'size':30}) #设置画布标题
        data.plot(
            column = date, #绘制哪一列的数据
            scheme = 'userdefined', #用户自定义模式
            classification_kwds = {'bins':[0,100,1000,10000,100000,1000000]}, #定义分位点，即疫情严重程度
            cmap = 'Reds', #颜色
            legend = True, #显示图例
            legend_kwds = dict(loc='lower left'), #指定图例显示位置
            ax = ax #在指定画布的坐标轴上绘制
        )
        img = ax.get_figure() #获取绘制完成后的画布
        f = io.BytesIO() #打开IO流
        img.savefig(f,format='png') #将图片写入IO流
        f.seek(0) #文件指针移回初始位置
        GIF.append(PIL.Image.open(f)) #用PIL模块的专门处理图像的子模块读取IO流，并将流式数据转化成PngImageFile数据类型存放到GIF列表中
        sum = sum + 1
        print('\r生成动图中：{:.2f}%'.format(sum*100./length),end='')
        
    #将列表里的所有图片合并生成GIT图
    GIF[0].save(
        'COVID-19_visual.gif',
        format='GIF', #保存为GIF动图
        append_images=GIF[1:],
        save_all=True,
        duration=200, #动图时间间隔，单位毫秒
        loop=0 #loop=0代表无限循环播放动图
    )
    f.close()
    print('\n\r动图生成完成！')

'''
定义主函数：
'''
def main():
    try:
        f = open('time_series_covid19_confirmed_global.csv') #尝试读取数据文件
    except:
        if getDataFromGithub() == -1:
            return #如果数据文件不存在，在线获取也失败，就退出程序
    
    f.close()
    casesData = getData()
    geoData = getGeoData()
    df = MergeData(casesData,geoData)
    ImgToGif(df)

if __name__ == "__main__":
    main()