数据处理与可视化案例：用Python分析新冠肺炎趋势

数据处理与可视化案例：用Python分析新冠肺炎趋势 🌐📊

作者注：本文使用小学生都能理解的日常比喻，手把手教你用代码处理数据和画图，附带超详细代码注解！无需编程基础，跟着做就会！

---

案例背景：分析疫情数据

假设你是一位社区志愿者，需要向居民展示疫情蔓延趋势。你从疾控中心获得了2020年1-3月某地区的每日数据（CSV格式）：

日期,新增确诊,新增康复,现存病例
2020-01-20,5,0,5
2020-01-21,12,0,17
...

目标：

1. ✔️ 处理不完整数据
2. ✔️ 找出新增确诊最多的3天
3. ✔️ 绘制动态变化趋势图

---

一、数据处理：给数据做“大扫除”🧹

🛠 工具准备：Pandas库

就像用Excel整理表格，Python的Pandas（简称「熊猫」库）是数据处理的瑞士军刀

# 安装必备工具（只需运行一次）
!pip install pandas matplotlib

📥 第一步：读取数据

import pandas as pd

# 像打开文件夹一样读取数据
data = pd.read_csv('covid_data.csv') 
print("原始数据预览：")
print(data.head())  # 显示前5行，像Excel的预览功能

🧼 第二步：数据清洗

常见问题处理：

# 1. 处理缺失值（如空单元格）
# 用前后两天的平均值填充（比如把空值变成左右日期的平均数）
data = data.fillna(method='ffill').fillna(method='bfill')

# 2. 删除重复行（像Excel的"删除重复值"）
data = data.drop_duplicates()

# 3. 日期格式转换（确保系统能识别日期）
data['日期'] = pd.to_datetime(data['日期']) 

---

二、数据分析：让数据开口说话 📈

🔎 关键指标分析

# 找最严重的三天 -> 像班级排名，选出前三名
top3_days = data.nlargest(3, '新增确诊')  
print("\n新增确诊最多三天：")
print(top3_days[['日期', '新增确诊']])

# 计算治愈率 -> 做个算术题
data['治愈率'] = data['新增康复'] / data['新增确诊'] * 100

---

三、图形绘制：数据变动画 🎨

🛠 工具准备：Matplotlib库

画图就像在纸上绘制统计图表，这里使用Python的"Matplotlib"（数学绘图库）

📈 1. 绘制双指标发展趋势图

import matplotlib.pyplot as plt

plt.figure(figsize=(12,6))  # 设置画布大小（单位：英寸）

# 绘制折线图：就像用彩笔连点成线
plt.plot(data['日期'], data['新增确诊'], 
         color='red', 
         label='新增确诊', 
         marker='o')  # 每个数据点用圆圈标记

plt.plot(data['日期'], data['新增康复'], 
         color='green', 
         linestyle='--', 
         label='新增康复')

# 添加装饰元素
plt.title('2020年新冠病例趋势 📅', fontsize=14)  # 设置标题
plt.xlabel('日期 📆')  # X轴标签
plt.ylabel('人数 👥')  # Y轴标签
plt.legend()  # 显示图例（右上角的小图标说明）
plt.grid(True, linestyle=':')  # 添加虚线网格

# 自动旋转日期标签，避免重叠
plt.gcf().autofmt_xdate()

plt.show()

效果图预览：

---

📊 2. 绘制治愈率柱状图

plt.figure(figsize=(10,5))

# 绘制柱状图：每个柱子对应一天的数值
bars = plt.bar(data['日期'], 
               data['治愈率'], 
               color='skyblue', 
               alpha=0.7)  # 透明度设置为70%

# 在柱子顶部添加数值标签
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height:.1f}%',  # 显示到小数点后1位
             ha='center', va='bottom')  # 水平居中，垂直底部对齐

plt.title('每日新冠治愈率柱状图 💊')
plt.xticks(rotation=45)  # X轴标签旋转45度
plt.ylim(0, 120)  # Y轴范围从0到120%
plt.show()

---

四、实战技巧：让图表会说话 💡

🎨 图表美化技巧

# 设置全局字体（支持中文字体）
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows系统黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 添加注释重点信息
max_day = data.loc[data['新增确诊'].idxmax()]
plt.annotate(f'最高峰！\n{max_day["新增确诊"]}人',
             xy=(max_day['日期'], max_day['新增确诊']),
             xytext=(30,30),  # 文本偏移量
             textcoords='offset points',
             arrowprops=dict(arrowstyle='->', color='darkred'))

👩💻 自动生成HTML报告

# 把图表和表格保存为网页
with open('report.html', 'w', encoding='utf-8') as f:
    f.write("<h1>新冠疫情分析报告</h1>")
    f.write(top3_days.to_html())  # 表格转成HTML
    # 插入图片（需提前保存图片）
    f.write('<img src="./covid_trend.png" width="800">')

---

五、常见问题解答 ❓

Q：如何安装Python环境？
A：推荐使用Anaconda（下载地址：https://www.anaconda.com/），安装时勾选"Add to Path"

Q：数据里出现负数怎么办？
A：在读取数据后添加验证：

if (data.select_dtypes(include=['number']) < 0).any().any():
    print("发现异常负值！请检查数据准确性")

Q：怎样才能让图表动起来？
A：使用Plotly库即可轻松创建交互式图表，示例代码：

import plotly.express as px
fig = px.line(data, x='日期', y=['新增确诊','新增康复'])
fig.show()  # 会出现可缩放、悬停提示的动态图

---

扩展训练：
👉 尝试在代码中加入病死率 = 死亡病例 / 确诊病例
：使用Plotly库即可轻松创建交互式图表，示例代码：

import plotly.express as px
fig = px.line(data, x='日期', y=['新增确诊','新增康复'])
fig.show()  # 会出现可缩放、悬停提示的动态图

---

扩展训练：
👉 尝试在代码中加入病死率 = 死亡病例 / 确诊病例
👉 用散点图