Visualização dos dados do COVID-19 no Brasil.
Criação de gráfico interativo utilizando o pacote Altair.
Este post tem o objetivo da mostrar como utilizar o pacote a biblioteca altair, que nos proporciona a criação de gráficos iterativos.
Para realizar a instalação desse pacote, basta digitar no prompt: pip install altair. Assim para consultar a documentação onde é encontrado maiores explicações sobre os diferentes tipos de gráficos, no link: https://altair-viz.github.io/.
Para carregar a biblioteca do altair é só utilizar a import altair, afim da simplificação do código iremos chamar esse pacote durante o código como alt.
import pandas as pd
import altair as alt
Os dados foi feito o download por meio do site do ministério da saúde e logados no github para acesso aos dados que estão em uma planilha do excel .xlsx (https://covid.saude.gov.br/).
df = pd.read_excel('https://github.com/lucastiagooliveira/lucas_repo/blob/master/dados/covid/covid19.xlsx?raw=true')
df.head()
Podemos plotar o gráfico criando o tipo de seleção que utilizamos o método selection_single, para que quando o usuário passar o cursor do mouse seja criada uma ação. Posteriormente, devemos criar os dados e estabelecer o tipo de gráfico e as variáveis utilizada para tal. Após isso deve criar o layout do gráfico, que será utilizado o qual pode-se escolher qual o tipo de seleção que aparecerá no gráfico.
Para esse caso será adotado que ao percorrer o gráfico com o mouse irá aparecer a quantidade de óbitos (eixo y) e a data do dado eixo x), que foi estabelecido no método do gráfico mark_text.
label = alt.selection_single(
encodings=['x'],
on='mouseover',
nearest=True,
empty='none'
)
base = alt.Chart(df.loc[df.regiao == 'Brasil']).mark_bar().encode(
alt.X('data:T'),
alt.Y('obitosNovos:Q'),
)
alt.layer(
base,
alt.Chart().mark_rule(color='#aaa').encode(
x='data:T'
).transform_filter(label),
base.mark_circle().encode(
opacity=alt.condition(label, alt.value(1), alt.value(0))
).add_selection(label),
base.mark_text(align='right', dx=-15, dy=0).encode(
text='obitosNovos:Q'
).transform_filter(label),
base.mark_text(align='right', dx=-15, dy=15).encode(
text='data:T'
).transform_filter(label),
).properties(
width=800,
height=400
)
Por conta da imprecisão na data correta das mortes, tem sido divulgado amplamente os gráficos utilizando a média móvel que retrata com mais homogenidade a notificações de mortes semanais.
Para realizar isso será criado um novo dataframe com somente os dados do brasil melhor entendimento dos dados.
new_df = df.loc[df.regiao == 'Brasil']
new_df.head()
Para calcular a média móvel semanal é necessário que seja somada a quantidade de óbitos da última semana e dividir pela quantidade de dias (7 dias). Para armazenar os dados foi criada uma coluna adicinal para armazenar esses dados.
new_df['mediaMovel'] = [round(new_df.obitosNovos[i-7:i].sum()/7,0) if i >= 7 else 0 for i in range(0,len(new_df))]
new_df[['mediaMovel']].tail()
Utilizando o mesmo tipo de gráfico apresentado anteriormente, temos o gráfico com as médias móveis.
label = alt.selection_single(
encodings=['x'],
on='mouseover',
nearest=True,
empty='none'
)
base = alt.Chart(new_df).mark_bar().encode(
alt.X('data:T'),
alt.Y('mediaMovel:Q'),
)
alt.layer(
base,
alt.Chart().mark_rule(color='#aaa').encode(
x='data:T'
).transform_filter(label),
base.mark_circle().encode(
opacity=alt.condition(label, alt.value(1), alt.value(0))
).add_selection(label),
base.mark_text(align='right', dx=-15, dy=0).encode(
text='mediaMovel:Q'
).transform_filter(label),
base.mark_text(align='right', dx=-15, dy=15).encode(
text='data:T'
).transform_filter(label),
).properties(
width=800,
height=400
)
Essa é uma amostra da quantidade enorme de recursos que esse pacote possui.