CDA数据分析师出品 【导语】：今天我们教你用Python画出当下最火的疫情直观图，Python技术部分可以直接看第四部分。 近日，新冠肺炎防控成果的好消息不断。 Showmedata，用数据说话 今天我们聊聊惊艳的疫情直观图 点击下方视频，先睹为快： 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！ 01：hr这道彩虹真赞！ 疫情直观图火了 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。 02：hr享誉全球的白衣天使 佛罗伦斯南丁格尔 南丁格尔玫瑰图（Nightingalerosediagram）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（FlorenceNightingale）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（TheLadywiththeLamp）。 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。 03：hr数据可视化先驱 南丁格尔玫瑰图 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 各色块圆饼区均由圆心往外的面积来表现数字 蓝色区域：死于原本可避免的感染的士兵数 红色区域：因受伤过重而死亡的士兵数 黑色区域：死于其它原因的士兵数 1854年10月、1855年4月的红黑区域恰好相等 1856年1月与2月的蓝、黑区域恰好相等 1854年11月红色区域中的黑线指出该月的黑色区域大小 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。 用例 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： 图源：https：antv2018。alipay。comzhcnvischartrose。html Facebook和Twitter的用户对比： 图源：http：thenextweb。comsocialmedia20101220facebookvstwitterbythenumbersinfographic 还可以用于表示披头士歌曲的音调。 图源：http：ritholtz。com201202thebeatlessongkeys 还有最近火了的全国各地0新增彩虹图。 04：hr教你用Python画出 南丁格尔玫瑰图 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。 pipinstallpyecharts 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。 importpandasaspd frompyecharts。chartsimportPie frompyechartsimportoptionsasopts 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，colorseries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〕 colorseries〔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 dfpd。DataFrame（｛provinces：provinces，num：num｝） 降序排序 df。sortvalues（bynum，ascendingFalse，inplaceTrue） 提取数据 vdf〔provinces〕。values。tolist（） ddf〔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 pie1Pie（initoptsopts。InitOpts（width1350px，height750px）） 设置颜色 pie1。setcolors（colorseries） 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）forzinzip（v，d）〕， radius〔30，135〕， center〔50，65〕， rosetypearea ） 设置全局配置项 pie1。setglobalopts（titleoptsopts。TitleOpts（title玫瑰图示例）， legendoptsopts。LegendOpts（isshowFalse）， toolboxoptsopts。ToolboxOpts（）） 设置系列配置项 pie1。setseriesopts（labeloptsopts。LabelOpts（isshowTrue，positioninside，fontsize12， formatter｛b｝：｛c｝天，fontstyleitalic， fontweightbold，fontfamilyMicrosoftYaHei ）， ） 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作玫瑰图你学会了吗？ 最后C君还是要提醒大家一下，虽然目前疫情转好，但大家一定不能掉以轻心！坚持做好防护哦，奥利给！ 参考资料： 弗洛伦斯南丁格尔维基百科介绍 https：zh。wikipedia。orgwikiE5BC97E7BE85E580ABE696AFC2B7E58D97E4B881E6A0BCE788BE 南丁格尔玫瑰图为敬畏生命而生 https：mp。weixin。qq。comsUJhgZ0YXyrcvw9m0nyrVGQ 非常惊艳的南丁格尔玫瑰图 https：mp。weixin。qq。comsAswdxDN6mk0NYzsvqAPRw https：understandinguncertainty。orgcoxcombs 作者：Mika
