使用使用Python制作疫情数据分析可视化图表（二）制作疫情数据分析可视化图表（二）
python小白，在“一心学”公众号学习了一点疫情数据分析可视化的课程，记录下来，供小白参考。
目录目录
一、基本数据的查看和初步处理一、基本数据的查看和初步处理
二、时间序列与区域划分二、时间序列与区域划分
三、快速查看不同省市疫情现状三、快速查看不同省市疫情现状
四、累计确诊病例走势四、累计确诊病例走势
五、不同省市确诊新增情况五、不同省市确诊新增情况
六、全国疫情动态可视化六、全国疫情动态可视化
七、制作数据地图七、制作数据地图
八、如何用气泡图制作数据地图八、如何用气泡图制作数据地图
第一章内容发布在（使用
Python
制作疫情数据分析可视化图表
（一））
https://blog.csdn.net/yue__yang/article/details/104538235
，请自行食用。
二、时间序列与区域划分二、时间序列与区域划分
1、数据类型转换为时间序列
在数据中，有一个字段是“date”，但是它的数据类型是整型（int），需要将其转换为日期的格式。查看字段数据类型的代码如
下：
#读取数据
import pandas as pd
df = pd.read_excel('data_ncov.xlsx')
#查看字段类型
df['date'].dtype
先将int转换为string，再转换为datetime的格式
df['date'] = df['date'].astype('str')
df['date'] = pd.to_datetime(df['date'])
#再次查看数据基本情况
df.info()
也可以写成一行：
df['date'] = pd.to_datetime(date['date'].astype('str'))
2、为什么需要时间序列？
时间数据是可以按照年、月、日、时、分、秒进行聚合运算的，这可以让一眼看上去没什么规律的杂乱数据按照时间顺序排列
起来。有了时间数据，数据就更适合研究一段时间内的变化。
还可以做一些更深的数据挖掘，比如时间序列分析等。
3、按照日期提取数据
例如，我需要提取2020年2月1日的数据：
data_0201 = df[df['date'] == '2020-2-1]
4、按照地区提取数据——判断索引逻辑
如果想要提取某一省市的数据，同样使用判断索引的方法，例如，我需要获取“湖北省”、“上海市”的数据可以这样写：
data_hb = df[df['省市'] == '湖北省'] data_sh = df[df['省市'] == '上海市']
5、按照地区提取数据——汇总统计逻辑
如果我们想要分别提取“全国”、“非湖北省”的数据，就不是进行判断索引了，而是需要对现有数据做统计分析求和：
“全国”数据应该时按照 date 字段做求和，代表不同日期的数据情况
“非湖北省”数据，应当先按照 省市 字段筛选，再按照 date 字段求和
#提取全国数据
data_china = df.gruopby('date')['疑似', '确诊', '死亡']
#提取非湖北省数据
data_nothb_all = df[df['省市'] != '湖北省'] data_nothb = data_nothb_all.gruopby('date')['疑似', '确诊', '死亡'].sum()
#查看数据
data_china.head()
data_nothb.head()
注意，这里用到了pandas.DataFrame.gruopby()函数，它可以：
评论0