原文：
www.kdnuggets.com/2021/05/animated-race-bar-charts-python.html
评论
作者 Shelvi Garg, 数据科学家
我们的任务是创建一个动画条形图竞赛（bcr），展示 2020 年 2 月至 2021 年 4 月期间各国的 covid-19 案例数量。
1. Google 网络安全证书 - 快速入门网络安全职业。
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 支持你所在组织的 IT 工作
与其他允许使用预加载 bcr 数据集的教程不同，我们将处理和清理自己的数据集以制作竞赛图表
输出结果：作者提供的图像
我们的问题陈述是全球 covid-19 案例记录。
“希望就是能够看到尽管有黑暗，仍然存在光明。” — 德斯蒙德·图图
你可以在这里找到原始数据：https://github.com/shelvi31/Animated-Bar-Graph/blob/main/worldometer_coronavirus_daily_data.csv
如果你想跳过数据处理和清理步骤直接进行图表制作，这里是我修改后的数据集：https://github.com/shelvi31/Animated-Bar-Graph/blob/main/corona_dataset
这些数据由 Joseph Assaker 于 2021 年 4 月 24 日从 worldometers.info 上抓取。数据中包含 218 个国家。
所有国家的记录从 2020 年 2 月 15 日到 2021 年 4 月 24 日（每个国家 435 天），中国除外，中国的记录从 2020 年 1 月 22 日到 2021 年 4 月 24 日（每个国家 459 天）。
country: 表示行数据所观察的国家。
continent: 表示观察到的国家所在的大陆。
total_confirmed: 表示观察到的国家中确认病例的总数。
total_deaths: 表示观察到的国家中确认死亡的病例总数。
total_recovered: 表示观察到的国家中确认恢复的病例总数。
active_cases: 表示观察到的国家中的活跃病例数量。
serious_or_critical: 表示观察到的国家中处于严重或危急状态的病例的估计数量。
total_cases_per_1m_population: 指定了每 100 万人口中总病例的数量。
total_deaths_per_1m_population: 指定了每 100 万人口中总死亡人数的数量。
total_tests: 指定了在观察国家中完成的总测试数量。
total_tests_per_1m_population: 指定了每 100 万人口中完成的总测试数量。
population: 指定了观察国家中的人口数量。
本数据集中所有数据均从 worldometers.info 抓取。
你可以在我的 Jupyter 笔记本上找到完整的清洁代码：https://github.com/shelvi31/Animated-Bar-Graph/blob/main/Animated%20Bar%20Graph.ipynb
import pandas as pd
import osdf = pd.read_csv("worldometer_coronavirus_daily_data.csv")df.head()
df.shape(95289, 7)df.tail()
由于国家众多，我们需要选择一些特定国家进行分析。
df.loc[df["country"] == "Zimbabwe"].shape
Output:
(435, 7)因此，我们为每个国家都有大约 450 天的数据。
df.isnull().sum()Output:
date 0
country 0
cumulative_total_cases 0
daily_new_cases 6469
active_cases 0
cumulative_total_deaths 6090
daily_new_deaths 19190
dtype: int64选择累积总病例列作为系列，并按国家名称对其进行分组。我将选择 8 个国家，最人口众多的以及我们的邻国进行评估
代码，作者提供的图像
我们为所有国家的数据只有 435 行。因此，中国的数据也只取 435 行。
CHINA=[]
for i in range(0,435):
CHINA.append(china[i])china = pd.Series(CHINA)china.shapeOutput:(435,)我们还需要选择日期列。由于日期在国家之间重复，我们只能检索前 459 个值，所有国家的数据最大天数为 435 天。
date=[]
for i in range(0,435):
date.append(df.date[i])将列表转换为系列：
DATE = pd.Series(date)由于我们现在有了不同的系列，我们为这些系列命名，这些名称之后会被转换为数据框的列
data = {"UK": uk,
"Russia": russia,
"India" : india,
"USA": usa,
"Pakistan" : pakistan,
"Bangladesh" : bangladesh,
"Brazil":brazil,
"China": china,
"Date" : DATE
}corona = pd.concat(data,axis = 1)corona.set_index("Date", inplace = True)corona.head()
corona.shapeOutput:(435, 8)corona.isnull().sum()Output:
UK 0
Russia 0
India 0
USA 0
Pakistan 0
Bangladesh 0
Brazil 0
China 0
dtype: int64corona.index = pd.to_datetime(corona.index)最终！我们得到了所需的格式和国家！
我们还需要选择日期列
corona
corona.to_csv("corona_dataset",header=True,index=True)现在让我们开始动画条形图的编码吧！
pip install bar_chart_race注意事项：图表加载需要时间，因此请耐心等待。不要像我一样，因为结果没有在几分钟内显示而急于寻找不必要的错误或自我怀疑。
P.s : 是的，我确实浪费了很多时间，以为存在错误，但实际上并没有，图表只是需要时间加载！！！ :p
import bar_chart_race as bcr
bcr.bar_chart_race(df=corona,filename=None,title= "Covid Cases Country-wise from Feb 2020 to April 2021")
输出，作者提供的图像
令人非常遗憾的是，注意到印度的病例在 4 月迅速增加，这导致了极大的恐慌、混乱和在我撰写这篇博客时的生命损失。
输出：作者提供的图片
如果你遇到任何与 FFmpeg 相关的错误：这里是解决该问题的逐步链接：
www.wikihow.com/Install-FFmpeg-on-Windows
你可以通过从图片底部的下载选项中下载来保存条形图。希望你喜欢这个有趣的教程。享受学习 :)
个人简介：Shelvi Garg 是一名数据科学家。兴趣和学习无边界。
原文。经许可转载。
相关：
-
一个简单的静态可视化通常是最佳方法
-
11 个完整 EDA（探索性数据分析）的基本代码块
-
2021 年数据科学家应了解的前 10 大 Python 库