Visualizacion del Coronavirus (COVID19) Mundial con plotly¶
por: Jose R. Zapata - https://joserzapata.github.io/
Link: https://joserzapata.github.io/post/covid19-visualizacion/
He visto en las redes sociales varias visualizaciones de los datos del COVID 19 y queria realizarlos en Python para tener la actualizacion de las graficas actualizadas cada dia, y ademas practicar el uso de plotly para visualizacion interactiva.
Las Graficas se actualizaran diariamente con los nuevos datos!
Informacion extraida de 2019 Novel Coronavirus COVID-19 (2019-nCoV) Data Repository by Johns Hopkins CSSE
https://github.com/CSSEGISandData/COVID-19
Actualizaciones
- 25/May/2020 agregar datos de personas recuperadas
- 29/May/2020 actualizacion a plotly 0.48
- 25/Sep/2020 Mapa Mundial de Confirmados por Pais con choropleth
- 24/Nov/2022 Top 10 progresion paises
- 21/Oct/2023 actualizar graficas y librerias
In [1]:
#!pip install chart_studio -q
import chart_studio
import numpy as np
import pandas as pd
import plotly.express as px
In [2]:
# print pandas, px an numpy version
print("pandas version: ", pd.__version__)
print("numpy version: ", np.__version__)
pandas version: 2.1.1 numpy version: 1.26.0
In [3]:
# Leer archivo con los datos de acceso a chart_studio
# si no esta, dejar los campos vacios
try:
with open("../../info_chart.csv") as f:
info_user = f.read().split(";")
username = info_user[0] # your username
api_key = info_user[1] # your api key
print("api_key loaded!")
except FileNotFoundError:
username = "" # your username
api_key = ""
if api_key:
chart_studio.tools.set_credentials_file(username=username, api_key=api_key)
import chart_studio.plotly as py
api_key loaded!
In [4]:
# Leer datos
# los datos de personas recuperadas no eran confiables entonces
# ya solo se tienen los datos de confirmados y muertos
confirmed = pd.read_csv(
"https://github.com/CSSEGISandData/COVID-19/raw/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv"
)
death = pd.read_csv(
"https://github.com/CSSEGISandData/COVID-19/raw/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv"
)
recovered = pd.read_csv(
"https://github.com/CSSEGISandData/COVID-19/raw/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_recovered_global.csv"
)
Datos CSSEGISandData/COVID-19¶
Descripcion de los datos
Province/State: China - province name; US/Canada/Australia/ - city name, state/province name; Others - name of the event (e.g., "Diamond Princess" cruise ship); other countries - blank.
Country/Region: country/region name conforming to WHO (will be updated).
Last Update: MM/DD/YYYY HH:mm (24 hour format, in UTC).
Confirmed: the number of confirmed cases. For Hubei Province: from Feb 13 (GMT +8), we report both clinically diagnosed and lab-confirmed cases. For lab-confirmed cases only (Before Feb 17), please refer to who_covid_19_situation_reports. For Italy, diagnosis standard might be changed since Feb 27 to "slow the growth of new case numbers."
Deaths: the number of deaths.
Recovered: the number of recovered cases.
In [5]:
confirmed.iloc[:5, :8]
Out[5]:
| Province/State | Country/Region | Lat | Long | 1/22/20 | 1/23/20 | 1/24/20 | 1/25/20 | |
|---|---|---|---|---|---|---|---|---|
| 0 | NaN | Afghanistan | 33.93911 | 67.709953 | 0 | 0 | 0 | 0 |
| 1 | NaN | Albania | 41.15330 | 20.168300 | 0 | 0 | 0 | 0 |
| 2 | NaN | Algeria | 28.03390 | 1.659600 | 0 | 0 | 0 | 0 |
| 3 | NaN | Andorra | 42.50630 | 1.521800 | 0 | 0 | 0 | 0 |
| 4 | NaN | Angola | -11.20270 | 17.873900 | 0 | 0 | 0 | 0 |
Datos Generales de cada Dataframe¶
In [6]:
confirmed.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 289 entries, 0 to 288 Columns: 1147 entries, Province/State to 3/9/23 dtypes: float64(2), int64(1143), object(2) memory usage: 2.5+ MB
Paises con multiples datos por Provincia/Estado
In [7]:
print(
confirmed.loc[confirmed["Country/Region"].duplicated(keep=False), "Country/Region"]
.drop_duplicates()
.unique()
)
['Australia' 'Canada' 'China' 'Denmark' 'France' 'Netherlands' 'New Zealand' 'United Kingdom']
Sumar los datos de cada pais
In [8]:
def sumar_datos_region(df: pd.DataFrame) -> pd.DataFrame:
"""
Suma los datos de cada región en el dataframe dado.
Args:
df (pd.DataFrame): El dataframe del cual se sumarán los datos.
Returns:
pd.DataFrame: Un nuevo dataframe con los datos sumados para cada región.
"""
df = df.groupby(["Country/Region"]).sum().reset_index()
return df
# aplicar la funcion a los tres dataframes
confirmed, death, recovered = (
sumar_datos_region(df) for df in (confirmed, death, recovered)
)
Country/Region como indice de los dataframes
In [9]:
confirmed, death, recovered = (
df.set_index("Country/Region") for df in (confirmed, death, recovered)
)
Eliminar Ubicacion¶
Se va realizar un analisis general de los datos y No se van a tomar los datos geograficos de latitud, longitud y los datos de Province/State estan incompletos.
Solo se realizara un analisis por pais entonces se eliminaran las columnas mencionadas anteriormenten de cada dataframe.
In [10]:
confirmed, death, recovered = (
df.drop(columns=["Lat", "Long", "Province/State"])
for df in (confirmed, death, recovered)
)
Datos de Personas Recuperadas¶
In [12]:
total_recuperados_dia = recovered.loc[:, :"8/15/21"].sum(axis="index")
fig = px.line(
x=total_recuperados_dia.index,
y=total_recuperados_dia.values,
title="Numero de casos recuperados por dia",
)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="recuperados_por_dia", auto_open=False)
fig.show()
Los datos de Recovered estan disponibles solo hasta el 4/Agosto/2021
Datos Mundiales por dia¶
In [12]:
column_names = ["Fecha", "Confirmados", "Recuperados", "Muertos"]
world = pd.DataFrame(columns=column_names)
world["Fecha"] = confirmed.columns
world["Confirmados"] = confirmed.sum(axis="rows").values
world["Recuperados"] = recovered.sum(axis="rows").values
world["Muertos"] = death.sum(axis="rows").values
world["Activos"] = world["Confirmados"] - world["Recuperados"] - world["Muertos"]
Evolucion Animada de Casos Activos por Pais¶
La gráfica animada de la evolución temporal de los casos activos por país, la he creado con la libreria Pandas alive y Bar Chart Race. La barra horizontal gris representa el valor promedio de casos activos a nivel mundial.
In [ ]:
active_evol = active_group.set_index("date") # noqa
active_evol.index = pd.to_datetime(active_evol.index)
In [ ]:
import warnings
warnings.filterwarnings("ignore")
hola = active_evol.plot_animated(
filename="evolucion_casos_activos.mp4",
n_bars=8,
n_visible=8,
title="Evolución en el tiempo de Casos Activos COVID-19 por pais \n https://joserzapata.github.io/",
period_label={"x": 0.99, "y": 0.25, "ha": "right", "va": "center"},
period_fmt="%B %d, %Y",
dpi=300,
period_summary_func=lambda v: {
"x": 0.99,
"y": 0.18,
"s": f"Total Activos: {v.nlargest(8).sum():,.0f}",
"ha": "right",
"size": 9,
"family": "Courier New",
},
);
Visualizacion con Plotly¶
Valores Mundiales de Confirmados, Recuperados y Muertos¶
In [13]:
# plotly bar plot of the last row of the world dataframe without Recuperados column
fig = px.bar(
world.iloc[-1][["Confirmados", "Muertos"]],
x=["Confirmados", "Muertos"],
color=["Confirmados", "Muertos"],
y=world.iloc[-1][["Confirmados", "Muertos"]].values,
text=world.iloc[-1][["Confirmados", "Muertos"]].values,
color_discrete_sequence=["navy", "coral"],
height=500,
width=600,
title="Total casos COVID-19 en el mundo al {}".format(world.iloc[-1]["Fecha"]),
labels={"value": "Número de casos", "variable": "Tipo de caso"},
)
fig.update_traces(textposition="outside") # poner los valores de las barras fuera
fig.add_annotation(
x="Muertos",
y=world["Confirmados"].max(),
text="https://joserzapata.github.io/",
showarrow=False,
)
fig.layout.update(
showlegend=False,
yaxis={"title": {"text": "Numero de Personas"}}, # Cambiar texto eje y
xaxis={"title": {"text": ""}}, # Esconder nombre eje x
)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="total_casos_general", auto_open=False)
fig.show()
Mapa Mundial de Confirmados por Pais¶
In [14]:
conf_max = confirmed.iloc[:, -1].copy()
conf_max = conf_max.to_frame().reset_index()
conf_max = conf_max.rename(columns={"3/9/23": "Confirmados"})
fig = px.choropleth(
conf_max,
locations="Country/Region",
locationmode="country names",
color=np.log10(conf_max["Confirmados"]),
hover_name="Country/Region",
hover_data=["Confirmados"],
projection="natural earth",
width=900,
color_continuous_scale=px.colors.sequential.Jet,
title="Mapa de Confirmados COVID 19 por Pais - 3/9/23",
)
fig.add_annotation(x=0.5, y=0, text="https://joserzapata.github.io/", showarrow=False)
fig.update(layout_coloraxis_showscale=False)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="mapa_confirmados_pais", auto_open=False)
fig.show()
Confirmados vs Muertos por pais¶
In [15]:
max_fecha = "3/9/23"
death_max = death.iloc[:, -1].copy()
death_max = death_max.to_frame().reset_index()
death_max = death_max.rename(columns={max_fecha: "Muertos"})
maxi_y = death_max["Muertos"].max()
maxi_x = conf_max["Confirmados"].max()
full_melt_max = pd.merge(
conf_max[["Country/Region", "Confirmados"]],
death_max[["Country/Region", "Muertos"]],
on="Country/Region",
how="left",
)
fig = px.scatter(
full_melt_max.sort_values("Muertos", ascending=False).iloc[:15, :],
x="Confirmados",
y="Muertos",
color="Country/Region",
size="Confirmados",
height=500,
width=900,
text="Country/Region",
log_x=True,
log_y=True,
title=f"Muertos vs Confirmados - {max_fecha} - (15 Paises)",
)
fig.add_annotation(
x=0.5,
y=1,
xref="paper",
yref="paper",
text="https://joserzapata.github.io/",
showarrow=False,
)
fig.update_traces(textposition="top center")
fig.layout.update(showlegend=False)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="scatter_muertos_confirmados", auto_open=False)
fig.show()
Progresion Mundial en el Tiempo del numero de casos¶
In [16]:
fecha_datos_completos = "8/4/21"
pos_final = len(world.set_index("Fecha").loc[:fecha_datos_completos, :])
world = world.iloc[:pos_final, :]
world_melt = world.melt(
id_vars="Fecha", value_vars=list(world.columns)[1:], var_name=None
)
fig = px.line(
world_melt,
x="Fecha",
y="value",
color="variable",
color_discrete_sequence=["teal", "green", "coral", "navy"],
title=f"Total de Casos en el tiempo de COVID 19 - {fecha_datos_completos}",
)
for n in list(world.columns)[1:]:
fig.add_annotation(
x=world.iloc[-1, 0],
y=world.loc[world.index[-1], n],
text=n,
xref="x",
yref="y",
showarrow=True,
ax=-50,
ay=-20,
)
# Indicador de numero total de confirmados
fig.add_indicator(
title={"text": "Confirmados", "font": {"color": "teal"}},
value=world["Confirmados"].iloc[-1],
mode="number+delta",
delta={"reference": world["Confirmados"].iloc[-2], "relative": True},
domain={"x": [0, 0.25], "y": [0.15, 0.4]},
)
# Indicador numero total de Activos
fig.add_indicator(
title={"text": "Activos", "font": {"color": "navy"}},
value=world["Activos"].iloc[-1],
mode="number+delta",
delta={"reference": world["Activos"].iloc[-2], "relative": True},
domain={"x": [0, 0.25], "y": [0.6, 0.85]},
)
# Indicador numero total de Recuperados
fig.add_indicator(
title={"text": "Recuperados", "font": {"color": "green"}},
value=world["Recuperados"].iloc[-1],
mode="number+delta",
delta={"reference": world["Recuperados"].iloc[-2], "relative": True},
domain={"x": [0.25, 0.50], "y": [0.6, 0.85]},
)
# Indicador numero total de muertos
fig.add_indicator(
title={"text": "Muertos", "font": {"color": "coral"}},
value=world["Muertos"].iloc[-1],
mode="number+delta",
delta={"reference": world["Muertos"].iloc[-2], "relative": True},
domain={"x": [0.25, 0.5], "y": [0.15, 0.4]},
)
fig.add_annotation(
x=400,
y=world_melt["value"].max(),
text="https://joserzapata.github.io/",
showarrow=False,
)
fig.layout.update(
showlegend=False,
yaxis={"title": {"text": "Numero de Personas"}}, # Cambiar texto eje y
)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="total_casos_serie", auto_open=False)
fig.show()
Total Casos Confirmados de COVID 19 por Pais (Top 10)¶
In [17]:
df1 = confirmed.copy()
fecha = confirmed.columns[-1] # obtener la fecha del ultimo dato
paises = df1.iloc[:, -1].copy() # obtener la serie sin el primer dato, fecha
paises.sort_values(ascending=False, inplace=True)
top = 10
# keep top countries
df1 = df1.loc[paises[:top].index.to_list(), :]
df1 = df1.T
if api_key:
# se toman la serie de tiempo cada 7 dias, por que las graficas
# grandes no se pueden subir a chart-studio con subscripcion gratuita
df1 = df1.iloc[::-7].iloc[::-1]
fig = px.line(
df1,
x=df1.index,
y=df1.columns,
color="Country/Region",
color_discrete_sequence=px.colors.qualitative.G10,
width=900,
hover_name="Country/Region",
title=f"Total Casos Confirmados de COVID 19 por Pais (Top 10) - {world.iloc[-1,0]}",
)
# top paises mas infectados
mas_infectados = []
for n in range(top):
fig.add_annotation(
x=fecha,
y=paises.iloc[n],
text=paises.index[n],
showarrow=True,
ax=+45,
xref="x",
yref="y",
)
mas_infectados.append(paises.index[n])
fig.layout.update(
showlegend=False,
yaxis={"title": {"text": "Numero de Personas"}}, # Cambiar texto eje y
xaxis={"title": {"text": "Fecha"}}, # Esconder nombre eje x
)
fig.add_annotation(
x=200, y=df1.max().max(), text="https://joserzapata.github.io/", showarrow=False
)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="total_casos_no_china", auto_open=False)
fig.show()
Animacion del Mapa de Evolucion Temporal del Codiv 19¶
In [18]:
# confirmed data frame en formato wide
confirmed = confirmed.T
confirmed.reset_index(inplace=True)
confirmed.rename(columns={"index": "Fecha"}, inplace=True)
confirmed_melt = confirmed.melt(id_vars="Fecha").copy()
confirmed_melt.rename(columns={"value": "Confirmados"}, inplace=True)
In [20]:
if api_key:
# se toman la serie de tiempo cada 18 dias, por que las graficas
# grandes no se pueden subir a chart-studio con subscripcion gratuita
confirmed_melt = confirmed.iloc[::-30].iloc[::-1].melt(id_vars="Fecha").copy()
confirmed_melt.rename(columns={"value": "Confirmados"}, inplace=True)
confirmed_melt["Fecha"] = pd.to_datetime(confirmed_melt["Fecha"], format="%m/%d/%y")
confirmed_melt["size"] = confirmed_melt["Confirmados"].pow(0.3)
confirmed_melt.dropna(inplace=True) # eliminar filas con valores faltantes
fig = px.scatter_geo(
confirmed_melt,
locations="Country/Region",
locationmode="country names",
color="Confirmados",
size="size",
hover_name="Country/Region",
range_color=[0, max(confirmed_melt["Confirmados"]) + 2],
projection="natural earth",
animation_frame="Fecha",
title="Contagiados COVID 19 en el Tiempo",
)
fig.update(layout_coloraxis_showscale=False)
fig.add_annotation(
x=0.5, y=-0.1, text="https://joserzapata.github.io/", showarrow=False
)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="mapa_evolucion_temporal", auto_open=False)
fig.show()
Numero de Casos COVID 19 en Colombia (Hasta 4 de Agosto 2021)¶
In [21]:
column_names = ["Fecha", "Confirmados", "Recuperados", "Muertos"]
colombia = pd.DataFrame(columns=column_names)
colombia["Fecha"] = confirmed["Fecha"].values
colombia["Confirmados"] = confirmed["Colombia"].values
colombia["Recuperados"] = recovered.loc["Colombia"].values
colombia["Muertos"] = death.loc["Colombia"].values
colombia["Activos"] = (
colombia["Confirmados"] - colombia["Recuperados"] - colombia["Muertos"]
)
fecha_datos_completos = "8/4/21"
pos_final = len(colombia.set_index("Fecha").loc[:fecha_datos_completos, :])
colombia = colombia.iloc[:pos_final, :]
df_melt3 = colombia.melt(
id_vars="Fecha", value_vars=list(colombia.columns)[1:], var_name=None
)
fig = px.line(
df_melt3,
x="Fecha",
y="value",
color="variable",
color_discrete_sequence=["teal", "green", "coral", "navy"],
title=f"Corona virus (COVID 19) en Colombia - {colombia.iloc[-1,0]}",
)
# Indicador de numero total de confirmados
fig.add_indicator(
title={"text": "Confirmados", "font": {"color": "teal"}},
value=colombia["Confirmados"].iloc[-1],
mode="number+delta",
delta={"reference": colombia["Confirmados"].iloc[-2], "relative": True},
domain={"x": [0, 0.25], "y": [0.15, 0.4]},
)
# Indicador numero total de Activos
fig.add_indicator(
title={"text": "Activos", "font": {"color": "navy"}},
value=colombia["Activos"].iloc[-1],
mode="number+delta",
delta={"reference": colombia["Activos"].iloc[-2], "relative": True},
domain={"x": [0, 0.25], "y": [0.6, 0.85]},
)
# Indicador numero total de Recuperados
fig.add_indicator(
title={"text": "Recuperados", "font": {"color": "green"}},
value=colombia["Recuperados"].iloc[-1],
mode="number+delta",
delta={"reference": colombia["Recuperados"].iloc[-2], "relative": True},
domain={"x": [0.25, 0.50], "y": [0.6, 0.85]},
)
# Indicador numero total de muertos
fig.add_indicator(
title={"text": "Muertos", "font": {"color": "coral"}},
value=colombia["Muertos"].iloc[-1],
mode="number+delta",
delta={"reference": colombia["Muertos"].iloc[-2], "relative": True},
domain={"x": [0.25, 0.5], "y": [0.15, 0.4]},
)
fig.add_annotation(
x=140,
y=df_melt3["value"].max(),
text="https://joserzapata.github.io/",
showarrow=False,
)
fig.layout.update(
showlegend=False,
yaxis={"title": {"text": "Numero de Personas"}}, # Cambiar texto eje y
xaxis={"title": {"text": "Fecha"}},
)
# grabar grafica en chart-studio si se proporciona el api-key
if api_key:
py.plot(fig, filename="Colombia_general", auto_open=False)
fig.show()
Codigo Fuente Jupyter notebook¶
Refencias¶
Fuentes de datos, visualizaciones y analisis de datos.
- https://github.com/CSSEGISandData/COVID-19
- https://www.kaggle.com/imdevskp/covid-19-analysis-viz-prediction-comparisons
- https://junye0798.com/post/build-a-dashboard-to-track-the-spread-of-coronavirus-using-dash/
- https://github.com/Perishleaf/data-visualisation-scripts/tree/master/dash-2019-coronavirus
- https://medium.com/tomas-pueyo/coronavirus-por-qu%C3%A9-debemos-actuar-ya-93079c61e200