CDA数据分析师 出品
近日,新冠肺炎防控成果的好消息不断。
今天我们聊聊,惊艳的疫情直观图。
据国家卫健委数据统计, 截止至3月10日24时,31省区市累计治愈出院病历超6万,达到61475例。
3月10日,随着江夏方舱医院和武昌方舱医院“休舱大吉”,武汉14家方舱医院全部休舱。
截止到3月12日24时,全国13地连续16天及以上无新增新冠肺炎确诊病例。
看来春天真的是来了,疫情好转的势头已经愈发明显。想必许多小伙伴也一样,越来越期待摘下口罩的那天,出门玩耍,出游踏青,吃起火锅唱起歌。
不过C君在这里也要提醒大家,多地病历0新增不代表零风险,一定要绷住,不要过早的松懈!继续戴好口罩,做好个人防护,避免人群聚集,相信摘下口罩的那天也就不远啦!
与此同时,最近刷遍微博的这个疫情直观图火了!来自央视新闻官微的这个图一经发出就令人惊艳,彩虹的配色,直观的展现出目前全国多地病例0新增的数据。
一时间#这道彩虹真赞#的话题在微博上阅读达到2.6亿,讨论3.4万。大家在欣喜疫情好转的同时,都在问这个图叫什么呀?真太惊艳了。
微博上也出现了各种解答,有的说是饼图,扇形图,甚至还有的说是蜗牛图,漩涡图的…其实准确的来说,这个图叫做南丁格尔玫瑰图。
南丁格尔玫瑰图(Nightingale rose diagram)又名鸡冠花图、极坐标区域图。统计学家和医学改革家佛罗伦斯‧南丁格尔 (Florence Nightingale) 曾在克里米亚战争期间使用这种图表传达士兵身亡情况,故得名。
说起南丁格尔玫瑰图,就不得不聊一聊它的发明者,世界上第一个真正的女护士——弗罗伦斯·南丁格尔。
弗罗伦斯·南丁格尔是著名的英国护士和统计学家,于1820年5月12日出生于意大利一个来自英国上流社会的家庭。南丁格尔在德国学习护理后,曾往伦敦的医院工作。于1853年成为伦敦慈善医院的护士长。
19世纪50年代,英国、法国、土耳其和俄国进行了克里米亚战争,当时英国战士的死亡率高达42%。南丁格尔主动申请,她和38名女性志愿者护士的工作人员,前往战地医院服务。
到达战地医院后,南丁格尔克服种种困难,改善医院后勤服务和环境卫生,建立医院管理制度,提高护理质量,使伤病员死亡率从42%,急剧下降到2%。同时南丁格尔不仅表现出非凡的组织才能,而且对伤病员的关怀爱护感人至深。因此她也被称为被称为“克里米亚的天使”;南丁格尔经常在黑夜中提灯巡视病房,又被誉为“提灯女士”(The Lady with the Lamp)。
由于南丁格尔的贡献,让昔日地位低微的护士,社会地位与形象都大为提高,成为崇高的象征。“南丁格尔”也成为护士精神的代名词。
除了出色的医护才能,南丁格尔也有很强的数学天分,这也让她在之后成为视觉表现和统计图形的先驱。
在克里米亚的战地医院工作时,她分析过堆积如山的军事档案,发现在克里米亚战役中,英军死亡的原因是在战场外感染疾病,及在战场上受伤后缺乏适当护理而伤重致死,真正死在战场上的人反而不多。
由于当时资料统计的结果往往不受人重视,她发展出一种色彩缤纷的图表形式——南丁格尔玫瑰图,让数据能够更加让人印象深刻。她用这个图标来表达军医院季节性的死亡率,向不会阅读统计报告的国会议员,报告克里米亚战争的医疗条件。
左下说明简译
正是这种清晰易懂的数据展现形式,改变了当时包括维多利亚女王在内的高层人士的认知,导致他们做出医事改革的决策。
普通柱形图的坐标系是直角坐标系,而南丁格尔玫瑰图的坐标系是极坐标系,使用圆弧的半径长短表示数据的大小。比起一般的柱状图,它要更有冲击性,是非常一目了然的统计图。
那南丁格尔玫瑰图都有哪些用例呢?
除了对比不同分类的大小,如各国制造指数的对比:
Facebook 和 Twitter的用户对比:
还可以用于表示披头士歌曲的音调。
还有最近火了的全国各地0新增彩虹图。
那么你想知道,怎么才能做出如此惊艳的南丁格尔玫瑰图吗?
常见的方法有用Excel,然而做起来过程繁琐还还原度低。
要知道,万物皆可Python。
除了用Excel,今天C君就来教教你,怎么用Python做南丁格尔玫瑰图,保证高还原度:
左图是原图,右图是用pyechart做的。
具体步骤如下:
我们使用pyecharts包进行南丁格尔玫瑰图的绘制,如果你没有安装pyecharts,可以使用以下代码进行pip安装。
pip install pyecharts
南丁格尔玫瑰图和饼图类似,算是饼图的一种变形,用法也一样,主要用在需要查看占比的场景中。
首先需要导入我们需要使用的包,其中pandas用于数据整理,pyecharts用于绘图。
import pandas as pd
from pyecharts.charts import Pie
from pyecharts import options as opts
然后准备需要的数据,所用信息来自于国家卫健委官方网站,整理之后的数据使用列表的形式进行存储,其中provinces存储省份名称,num存储确诊病例连续多日零新增的数字,color_series列表存储颜色用于后续的绘图使用。
provinces = ['北京','上海','黑龙江','吉林','辽宁','内蒙古','新疆','西藏','青海','四川','云南','陕西','重庆',
'贵州','广西','海南','澳门','湖南','江西','福建','安徽','浙江','江苏','宁夏','山西','河北','天津']
num = [1,1,1,17,9,22,23,42,35,7,20,21,16,24,16,21,37,12,13,14,13,7,22,8,16,13,13]
color_series = ['#FAE927','#E9E416','#C9DA36','#9ECB3C','#6DBC49',
'#37B44E','#3DBA78','#14ADCF','#209AC9','#1E91CA',
'#2C6BA0','#2B55A1','#2D3D8E','#44388E','#6A368B'
'#7D3990','#A63F98','#C31C88','#D52178','#D5225B',
'#D02C2A','#D44C2D','#F57A34','#FA8F2F','#D99D21',
'#CF7B25','#CF7B25','#CF7B25']
接下来使用pandas对数据进行降序排列以方便后续的绘图,并提取数据。
# 创建数据框
df = pd.DataFrame({'provinces': provinces, 'num': num})
# 降序排序
df.sort_values(by='num', ascending=False, inplace=True)
# 提取数据
v = df['provinces'].values.tolist
d = df['num'].values.tolist
最后使用Pyecharts库中的Pie类进行图形的绘制,代码说明如下,其中的配置项可以在pyecharts官网 https://pyecharts.org
进行查看。图形生成在本地的html网页中。
# 实例化Pie类
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
# 设置颜色
pie1.set_colors(color_series)
# 添加数据,设置饼图的半径,是否展示成南丁格尔图
pie1.add("", [list(z) for z in zip(v, d)],
radius=["30%", "135%"],
center=["50%", "65%"],
rosetype="area"
)
# 设置全局配置项
pie1.set_global_opts(title_opts=opts.TitleOpts(title='玫瑰图示例'),
legend_opts=opts.LegendOpts(is_show=False),
toolbox_opts=opts.ToolboxOpts)
# 设置系列配置项
pie1.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12,
formatter="{b}:{c}天", font_,
font_weight="bold", font_family="Microsoft YaHei"
),
)
# 生成html文档
pie1.render('南丁格尔玫瑰图.html')
生成的图如下:
最后,再自己加一下中间的字就大功告成,对比一下原图,是不是还原度很高呢?
结语:
怎么样,用Python作出如此绚烂的彩虹玫瑰图,你学会了吗?绚烂玫瑰,意味着我们终将完全战胜疫情,大家又可以开始丰富多彩的社会生活。
不过C君还是要提醒大家一下,虽然目前疫情大有转好,但大家一定不能掉以轻心!坚持做好防护哦,直到疫情完全解除的那一天。奥利给!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14