I.何をする？
COVID-19 Data Hubのデータより各国のワクチンの接種数を比較する表を作成します。
II.データの取得
使用するライブラリをインストールします。
# conda install -c conda-forge klib
from covid19dh import covid19
import klib
import pandas as pd
from matplotlib import pyplot as pltデータを取得します。xがデータで、srcは出所一覧です。
x, src = covid19(verbose=False)
# show the first 5 rows
x.head()## id date vaccines ... key key_apple_mobility key_google_mobility
## 0 AFG 2020-01-22 NaN ... NaN NaN AF
## 1 AFG 2020-01-23 NaN ... NaN NaN AF
## 2 AFG 2020-01-24 NaN ... NaN NaN AF
## 3 AFG 2020-01-25 NaN ... NaN NaN AF
## 4 AFG 2020-01-26 NaN ... NaN NaN AF
##
## [5 rows x 36 columns]列名を取得します。
list(x)## ['id', 'date', 'vaccines', 'tests', 'confirmed', 'recovered', 'deaths', 'hosp', 'vent', 'icu', 'population', 'school_closing', 'workplace_closing', 'cancel_events', 'gatherings_restrictions', 'transport_closing', 'stay_home_restrictions', 'internal_movement_restrictions', 'international_movement_restrictions', 'information_campaigns', 'testing_policy', 'contact_tracing', 'stringency_index', 'iso_alpha_3', 'iso_alpha_2', 'iso_numeric', 'currency', 'administrative_area_level', 'administrative_area_level_1', 'administrative_area_level_2', 'administrative_area_level_3', 'latitude', 'longitude', 'key', 'key_apple_mobility', 'key_google_mobility']III.欠損値を示すグラフを作成
klibを使って欠損値の分布をグラフにします。黒い部分が欠損値です。
国ごとに上かが日付順に並んでいます。vaccinesの列をみると欠損値が非常に多いことがわかります。当初はワクチンがなかなったので欠損値が多くなるのは当然ですが、一番下を見ると、直近にも欠損値が散見されます。
x, src = covid19(verbose=False)
klib.missingval_plot(x)## GridSpec(6, 6)plt.show()
IV.接種数を降順に並べる
欠損値があるので、日付でなく、それぞれの国のワクチン接種数の最大値を取り出し降順に並べます。
コードの末尾に、reset_index()を加えるとインデクス（0から始まる連番）がふられ、データ・フレームとして取得できます。コードは次です。
x_vaccines = x.groupby(['id'])['vaccines'].max().reset_index()
x_vaccines.head()## id vaccines
## 0 AFG 54000.0
## 1 AGO 87022.0
## 2 ALB 64075.0
## 3 AND 9288.0
## 4 ARE 8081751.0sort_values( )で降順に並べます。
日本は41位で、ノルウェー、ドミニカ共和国の間ですが、Wikipediaによればノルウェーの人口は5,391,369人、ドミニカ共和国の人口は71,625です。
x_vaccines_descend = x_vaccines.sort_values(by='vaccines', ascending=False).reset_index()
x_vaccines_descend.head(50)## index id vaccines
## 0 186 USA 143462691.0
## 1 82 IND 60530435.0
## 2 64 GBR 33678768.0
## 3 25 BRA 21154088.0
## 4 180 TUR 14652659.0
## 5 47 DEU 12872859.0
## 6 152 RUS 10600000.0
## 7 81 IDN 10425690.0
## 8 62 FRA 10394243.0
## 9 87 ISR 9934359.0
## 10 34 CHL 9646735.0
## 11 88 ITA 9413886.0
## 12 4 ARE 8081751.0
## 13 110 MAR 7634475.0
## 14 57 ESP 7067371.0
## 15 115 MEX 6852596.0
## 16 144 POL 5882581.0
## 17 16 BGD 5139456.0
## 18 32 CAN 5113935.0
## 19 154 SAU 4125466.0
## 20 5 ARG 3625283.0
## 21 151 ROU 2858442.0
## 22 80 HUN 2609739.0
## 23 163 SRB 2323689.0
## 24 134 NLD 2097980.0
## 25 13 BEL 1732032.0
## 26 40 COL 1726924.0
## 27 72 GRC 1604238.0
## 28 136 NPL 1600000.0
## 29 146 PRT 1599599.0
## 30 46 CZE 1572181.0
## 31 10 AUT 1544597.0
## 32 169 SWE 1482153.0
## 33 33 CHE 1342748.0
## 34 157 SGP 1109000.0
## 35 50 DNK 1045626.0
## 36 60 FIN 921123.0
## 37 167 SVK 899660.0
## 38 105 LKA 894053.0
## 39 135 NOR 865800.0
## 40 91 JPN 822869.0
## 41 141 PER 801867.0
## 42 51 DOM 800000.0
## 43 97 KOR 799198.0
## 44 83 IRL 760168.0
## 45 149 QAT 740309.0
## 46 18 BHR 735717.0
## 47 129 MYS 566200.0
## 48 185 URY 510638.0
## 49 11 AZE 510420.0V.接種数を各国人口比の降順に並べる
必要な列を選びます。
x_selected = x[['id', 'date', 'vaccines', 'population']]
x_selected.head()## id date vaccines population
## 0 AFG 2020-01-22 NaN 37172386
## 1 AFG 2020-01-23 NaN 37172386
## 2 AFG 2020-01-24 NaN 37172386
## 3 AFG 2020-01-25 NaN 37172386
## 4 AFG 2020-01-26 NaN 37172386人口10万人あたり比ワクチン接種者数を算出します。警告がでますが、これについては次の解説を参考にして別に書く予定です。
SettingWithCopyWarning in Pandas: Views vs Copies
x_selected['vaccines_pop'] = x_selected['vaccines'] / x_selected['population'] * 100000## /Users/hirofumishibata/anaconda3/anaconda3/envs/nla/bin/python3:1: SettingWithCopyWarning:
## A value is trying to be set on a copy of a slice from a DataFrame.
## Try using .loc[row_indexer,col_indexer] = value instead
##
## See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copyx_selected.head()## id date vaccines population vaccines_pop
## 0 AFG 2020-01-22 NaN 37172386 NaN
## 1 AFG 2020-01-23 NaN 37172386 NaN
## 2 AFG 2020-01-24 NaN 37172386 NaN
## 3 AFG 2020-01-25 NaN 37172386 NaN
## 4 AFG 2020-01-26 NaN 37172386 NaN国別の最大値を算出し、降順に並べます。日本は97番目だとわかります。
x_selected_vaccines_pop = x_selected.groupby(['id'])['vaccines_pop'].max().reset_index().sort_values(by = 'vaccines_pop', ascending=False).reset_index()
x_selected_vaccines_pop.head(100)## index id vaccines_pop
## 0 87 ISR 111838.147881
## 1 171 SYC 99753.002212
## 2 4 ARE 83914.291401
## 3 34 CHL 51506.501092
## 4 64 GBR 50674.982964
## .. ... ... ...
## 95 120 MMR 707.524401
## 96 91 JPN 650.339724
## 97 128 MWI 615.058494
## 98 92 KAZ 601.972480
## 99 99 LAO 576.817385
##
## [100 rows x 3 columns]