Python数据可视化2.2　Ebola案例

为了说明上述步骤如何得到容易理解的可视化结果，不妨考虑一下我们先前提出的问题：2014年，报道的伊波拉病毒（Ebola）死亡人数是多少？数据来自世界卫生组织（http://www.who.int/en/）或者人道主义数据交换中心（https://hdx.rwlabs.org）。虽然该数据的原始来源是世界卫生组织（World Health Organization，WHO），但人道主义数据交换中心（Humanitarian Data Exchange，HDX）是贡献者。然而，请注意，我们将在同一个地方得到本书的所有数据，以及Python资源代码。

该数据包括Ebola疾病在几内亚、利比里亚、马里、尼日利亚、塞内加尔、塞拉利昂、西班牙、英国和美国的传播信息。

该信息由以下网址提供：https://data.hdx.rwlabs.org/dataset/ebola-cases-2014/。

CSV格式的数据文件的内容包括指标、国家名称、日期和与指标相关的死亡数量或感染数量。一共有36个指标，前10个指标如下（其他指标可见附录）：

过去7天可能的Ebola案例数

过去21天可能的Ebola死亡数

过去21天疑似Ebola案例数

过去7天疑似Ebola案例数

过去21天疑似Ebola死亡数

过去21天Ebola案例的确认比例

过去7天Ebola案例的确认比例

过去21天Ebola死亡的确认比例

过去7天疑似Ebola案例比例

过去21天疑似Ebola死亡比例

了解完这些指标后，本章一开始提出的问题“2014年，报道的Ebola死亡人数是多少？”可以转换为多组问题。为了简单起见，我们持续关注一个问题，并观察如何才能够进一步分析这些数据，得到一个可视化方法。首先，让我们看一些数据文件的读取方法。

对于任何一种编程语言，读取文件的方法不止一种，有一种是用Python中的pandas库。这种方法有高性能的数据结构和数据分析工具。另一个选择是用csv库读取CSV格式的数据文件。这两种方法有什么不同呢？它们都可以读取数据。在旧版的pandas中，会遇到大数据的记忆映射问题（如果CSV格式的数据文件很大），但是现在已完成优化。代码如下：

上面的过滤也可以用pandas完成，具体如下：

数据可从http://www.knapdata.com/python/ebola.csv下载。下一步是用read text (rt)格式打开数据文件。因为指标字符串中有deaths这个单词，所以在读取每一行后，可以过滤死亡人数为0的那行。这是一种非常直接的过滤，被用于忽略没有报道的案例或死亡情况。下面只给出过滤后数据的前五行：

如果每个国家报道的Ebola案例的所有数据是分散的，我们怎样进一步过滤？其实可以按国家列将它们进行分类。该数据文件有四行：indicator、country、date和number value。代码如下：

看完数据后，有两个指标是我们感兴趣的：

确认的Ebola死亡累积数

确认的、可能的和疑似的Ebola死亡累积数

通过多次可视化应用，我们也注意到其中一些国家，几内亚、利比里亚和塞拉利昂比其他国家有更多被确认的死亡人数。现在，我们想看看应该怎样对报道中这三个国家的死亡人数进行绘图：

结果看起来如下图所示。

我们可以对另一个指标绘制类似的图，即：确认的、可能的、疑似的Ebola死亡累积数。（虽然这不是最好的方法，但可以通过绘制一个类似的图来展示更多国家的数据信息。）

结果应该如下图所示：