Python实战：利用Plotly可视化全球疫苗研发与分布数据

码头散步

发布时间：2026-10-14| 6人浏览过

原创

本文通过Python的Plotly库，对全球疫苗研发及分布数据进行动态可视化分析。首先安装必要的数据处理库，随后利用Pandas清洗各国疫苗品牌数据，绘制全球分布地图。接着，通过构建宽表并补全缺失值，使用堆叠柱状图展示Pfizer、Sinovac等品牌在不同国家的上市时间及市场份额变化，直观呈现全球疫苗接种趋势。

一、安装plotly库

本教程的核心在于使用plotly库实现数据的动态交互展示，因此第一步需要确保环境中已安装该库。


pip install plotly

此外，为了高效处理和分析数据，我们还将依赖numpy和pandas库。若您的环境中尚未安装这两个库，可以通过以下命令一次性完成安装：


pip install plotly numpy pandas


#导入所需库
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go

二、疫苗研发情况

各国采用的疫苗品牌概览

基于各国卫生部门确认备案的疫苗品牌信息，我们可以展示各制药厂商的疫苗在全球范围内的具体分布情况。


#读取数据
locations=pd.read_csv(r'data/locations.csv')


locations

在location数据字段中，我们可以查询到各个地区所使用的疫苗类型及其数据来源对应的官方网页链接。

三、数据处理


#发现数据中vaccines列中包含了多个品牌的情况，将这类数拆为多条
vaccines_by_country=pd.DataFrame()
for i in locations.iterrows():
    df=pd.DataFrame({'Country':i[1].location,'vaccines':i[1].vaccines.split(',')})
    vaccines_by_country=pd.concat([vaccines_by_country,df])
vaccines_by_country['vaccines']=vaccines_by_country.vaccines.str.strip()# 去掉空格


vaccines_by_country.vaccines.unique() # 查看疫苗的种类

四、可视化疫苗的分布情况


#绘图
fig=px.choropleth(vaccines_by_country,
                locations='Country',
                locationmode='country names',
                color='vaccines',
                facet_col='vaccines',
                facet_col_wrap=3)
fig.update_layout(width=1200, height=1000)
fig.show()

各品牌分布：

Pfizer/BioNTech 主要分布于北美，南美的智利、厄瓜多尔，欧洲、沙特
Sputnik V 主要分布于俄罗斯、伊朗、巴基斯坦、非洲的阿尔及利亚以及南美的玻利维亚、阿根廷
Oxford/AstraZeneca 主要分布于欧洲、南亚、巴西
Moderna 主要分布在北美和欧洲
Sinopharm/Beijing 主要分布在中国、北非部分国家和南美的秘鲁
Sinovac 主要分布在中国、南亚、土耳其和南美
Sinopharm/Wuhan 主要仅分布于中国
Covaxin 主要分布于印度

综上可以发现，全球采用最广的仍是Pfizer/BioNTech，国产疫苗中Sinovac(北京科兴疫苗)输出到了较多国家

五、各品牌疫苗上市情况（仅部分国家）

根据数据集中提供的部分国家20年12月以来各品牌疫苗接种情况，分析各品牌上市时间及市场占有情况


#读取数据
vacc_by_manu=pd.read_csv(r'data/vaccinations-by-manufacturer.csv')


#定义函数，用于从原始数据中组织宽表
def query(df,country,date,vaccine):
    try:
        result=df.loc[(df.location==country)&(df.date==date)&(df.vaccine==vaccine)].total_vaccinations.iloc[0]
    except:
        result=np.nan
    return result


vacc_by_manu

六、组织宽表


#组织宽表
vacc_combined=pd.DataFrame(columns=['location','date','Pfizer/BioNTech', 'Sinovac', 'Moderna', 'Oxford/AstraZeneca'])
for i in vacc_by_manu.location.unique():
    for j in vacc_by_manu.date.unique():
        for z in vacc_by_manu.vaccine.unique():
            result=query(vacc_by_manu,i,j,z)
            if vacc_combined.loc[(vacc_combined.location==i)&(vacc_combined.date==j)].empty:
                result_df=pd.DataFrame({'location':i,'date':j,z:result},index=['new'])
                vacc_combined=pd.concat([vacc_combined,result_df])
            else:
                vacc_combined.loc[(vacc_combined.location==i)&(vacc_combined.date==j),z]=result


vacc_combined

七、补全缺失数据


#补全缺失数据
temp=pd.DataFrame()
for i in vacc_combined.location.unique():#按国家进行不全
    r=vacc_combined.loc[vacc_combined.location==i]
    r=r.fillna(method='ffill',axis=0)#先按最近一次的数据进行补全
    temp=pd.concat([temp,r])#若没有最近的数据，认为该项为0
temp=temp.fillna(0).reset_index(drop=True)
temp

八、绘制堆叠柱状图


#绘制堆叠柱状图
fig=px.bar(temp,
        x='location',
        y=vacc_by_manu.vaccine.unique(),
        animation_frame='date',
        color_discrete_sequence=['#636efa','#19d3f3','#ab63fa','#00cc96']#为了查看方便，品牌颜色与前一部分对应
        )
fig.show()

数据中主要涉及Pfizer/BioNTech、Sinovac、Moderna、Oxford/AstraZeneca 4个品牌，其中：

Pfizer/BioNTech 上市时间最早，20年12月24日时即已经开始在智利接种了，之后在12月底开始在欧洲接种，21年1月12日开始在美国接种
Sinovac 21年2月2日开始在智利接种Moderna 21年1月8日先在意大利开始接种，随后12日即开始在美国大量接种，最终在欧洲及美国均大量接种
Oxford/AstraZeneca 21年2月2日先在意大利开始接种，随后即在欧洲开始接种
整体上看，Pfizer/BioNTech上市最早，且在全球占有份额最大，Moderna 随后上市，主要占据美国和欧洲市场，Sinovac、Oxford/AstraZeneca上市均较晚，其中Sinovac占据了智利的大部分市场份额，而Oxford/AstraZeneca主要分布于欧洲，且占份额很小

到此这篇关于Python实战之疫苗研发情况可视化的文章就介绍到这了,更多相关Python疫苗研发情况可视化内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！