Тепловая карта показывает приливы и отливы в разных состояниях
На этой тепловой карте показано развитие пандемии COVID-19 в США с течением времени. Карта читается слева направо и имеет цветовую маркировку, чтобы показать относительное количество новых случаев по штатам с поправкой на численность населения.
Эта визуализация была вдохновлена аналогичной тепловой картой, которую я видел в ветке дискуссионного форума. Я так и не смог найти источник, так как это было только вставленное изображение без ссылки. Первоначальная версия была также создана с политической точки зрения, разделяя штаты по преобладающей партийной принадлежности, что меня не так интересовало. Я был очарован тем, как она кратко показывала развитие пандемии, поэтому я решил создать аналогичную визуализацию самостоятельно. которые я мог регулярно обновлять.
Исходный код размещен на моем репозитории Github. Если вам просто интересно видеть обновленные версии этой тепловой карты, я публикую их еженедельно в моем Твиттере. Важно отметить, что вы должны быть осторожны, сравнивая графики от одной недели к другой друг с другом, так как цветовая карта может меняться по мере добавления новых данных. Сравнения действительны только в пределах данной тепловой карты.
Скрипт полагается на pandas, numpy, matplotlib и seaborn.
Данные взяты из репозитория New York Times COVID-19 на Github. Простой сценарий запуска клонирует последнюю копию репозитория и копирует требуемый файл, а затем запускает сценарий Python для создания тепловой карты. На самом деле нужен только один файл, так что его, конечно, можно подтянуть, но это работает.
Сценарий сначала загружает CSV-файл, содержащий совокупности штатов, в словарь, который используется для ежедневного масштабирования результатов новых наблюдений. Новые случаи рассчитываются для каждого дня на основе промежуточного итога в данных NY Times, а затем масштабируются до новых случаев на 100 000 человек в популяции.
Мы могли бы отобразить тепловую карту в этот момент, но если мы это сделаем, штаты с очень большим количеством случаев на 100000 человек будут затоплять детали штата с меньшим количеством случаев. Применение преобразования log (x + 1) значительно улучшает контрастность и читаемость.
Наконец, Seaborn и Matplotlib используются для создания тепловой карты и сохранения ее в файл изображения.
Вот и все! Не стесняйтесь использовать это как основу для вашей собственной визуализации. Вы можете настроить его, чтобы сосредоточить внимание на интересующих областях.
Полный исходный код ниже. Спасибо, что прочитали, и я надеюсь, что вы нашли это полезным.
