-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathmain.py
More file actions
372 lines (329 loc) · 17.1 KB
/
main.py
File metadata and controls
372 lines (329 loc) · 17.1 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
# -*- coding: utf-8 -*-
"""
Created on Sat Mar 21 09:48:40 2020
@author: bergs
"""
import json
import urllib
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import imageio
import os
import requests
# from scipy import stats
from scipy.spatial.tests.test_qhull import points
file_name_it = "https://raw.githubusercontent.com/pcm-dpc/COVID-19/master/dati-andamento-nazionale/dpc-covid19-ita-andamento-nazionale.csv"
file_name_regions = "https://raw.githubusercontent.com/pcm-dpc/COVID-19/master/dati-regioni/dpc-covid19-ita-regioni.csv"
DataFrame = pd.read_csv(file_name_it)
DataFrame_regions = pd.read_csv(file_name_regions)
def plot(x, y, title, x_label, y_label, plot_x_size, plot_y_size, legend, figname, y_max=None, y_min=None):
plt.figure(figsize=(plot_x_size, plot_y_size))
plt.title(title)
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.xticks(rotation=45)
plt.grid()
plt.plot(x, y, marker='o', label=str(legend))
plt.legend(loc="upper left", ncol=2, title="Legend", fancybox=True)
plt.ylim(ymax=y_max, ymin=y_min)
plt.annotate('[Data source: https://github.com/pcm-dpc/COVID-19]', (0, 0), (-140, -20), fontsize=6,
xycoords='axes fraction', textcoords='offset points', va='top')
plt.savefig(figname)
return
def plot_pred(x, y, x_pred, y_pred, x_pred_exp, y_pred_exp, title, x_label, y_label, plot_x_size, plot_y_size, legend,
figname, y_max=None, y_min=None):
plt.figure(figsize=(plot_x_size, plot_y_size))
plt.title(title)
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.xticks(rotation=45)
plt.grid()
plt.bar(x, y, label=str(legend))
plt.legend(loc="upper left", ncol=2, title="Legend", fancybox=True)
plt.ylim(ymax=y_max, ymin=y_min)
plt.plot(x_pred, y_pred, color='r')
plt.plot(x_pred_exp, y_pred_exp, color='r')
plt.annotate('[Data source: https://github.com/pcm-dpc/COVID-19]', (0, 0), (-140, -20), fontsize=6,
xycoords='axes fraction', textcoords='offset points', va='top')
plt.savefig(figname)
return
def scatter(x, y, title, x_label, y_label, plot_x_size, plot_y_size, legend, figname, y_max=None, y_min=None):
plt.figure(figsize=(plot_x_size, plot_y_size))
plt.title(title)
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.xticks(rotation=45)
plt.grid()
plt.scatter(x, y, marker='o', label=str(legend))
plt.legend(loc="upper left", ncol=2, title="Legend", fancybox=True)
plt.ylim(ymax=y_max, ymin=y_min)
plt.annotate('[Data source: https://github.com/pcm-dpc/COVID-19]', (0, 0), (-140, -20), fontsize=6,
xycoords='axes fraction', textcoords='offset points', va='top')
plt.savefig(figname)
return
def bar(x, y, title, x_label, y_label, plot_x_size, plot_y_size, legend, figname, y_max=None, y_min=None):
plt.figure(figsize=(plot_x_size, plot_y_size))
plt.title(title)
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.xticks(rotation=45)
plt.grid()
plt.bar(x, y, label=str(legend))
plt.legend(loc="upper left", ncol=2, title="Legend", fancybox=True)
plt.ylim(ymax=y_max, ymin=y_min)
plt.annotate('[Data source: https://github.com/pcm-dpc/COVID-19]', (0, 0), (-140, -20), fontsize=6,
xycoords='axes fraction', textcoords='offset points', va='top')
plt.savefig(figname)
return
def plot_italy_map(df_regioni, z='totale_casi', figname='test.html'):
import plotly.express as px
# Read the geojson data with Italy's regional borders [enter image description here][2]from github
repo_url = 'https://gist.githubusercontent.com/datajournalism-it/48e29e7c87dca7eb1d29/raw/2636aeef92ba0770a073424853f37690064eb0ea/regioni.geojson'
italy_regions_geo = requests.get(repo_url).json()
regions = ['Piemonte', 'Trentino-Alto Adige', 'Lombardia', 'Puglia', 'Basilicata',
'Friuli Venezia Giulia', 'Liguria', "Valle d'Aosta", 'Emilia-Romagna',
'Molise', 'Lazio', 'Veneto', 'Sardegna', 'Sicilia', 'Abruzzo',
'Calabria', 'Toscana', 'Umbria', 'Campania', 'Marche']
# Create a dataframe with the region names
df = df_regioni.groupby('denominazione_regione')[z].max().reset_index()
# Setup colorscale for the map
colors = [[0.0, "rgb(49,54,149)"],
[0.1111111111111111, "rgb(69,117,180)"],
[0.2222222222222222, "rgb(116,173,209)"],
[0.3333333333333333, "rgb(171,217,233)"],
[0.4444444444444444, "rgb(224,243,248)"],
[0.5555555555555556, "rgb(254,224,144)"],
[0.6666666666666666, "rgb(253,174,97)"],
[0.7777777777777778, "rgb(244,109,67)"],
[0.8888888888888888, "rgb(215,48,39)"],
[1.0, "rgb(165,0,38)"]]
# Choropleth representing the length of region names
fig = px.choropleth(data_frame=df,
geojson=italy_regions_geo,
locations='denominazione_regione', # name of dataframe column
featureidkey='properties.NOME_REG',
# path to field in GeoJSON feature object with which to match the values passed in to locations
color=z,
color_continuous_scale=colors,
scope="europe",
)
fig.update_geos(showcountries=False, showcoastlines=False, showland=False, fitbounds="locations")
fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.show()
fig.write_html(figname, auto_open=True)
return
# Plot nazionali
for column in DataFrame:
if column == "data":
continue
elif column == "stato":
continue
elif column == "note_it":
continue
elif column == "note_en":
continue
else:
plot_x_size = 16
plot_y_size = 10
x = DataFrame.data
y = DataFrame[column]
x_label = "Data"
y_label = "Persone"
legend = column
figname = 'Pictures' + str(column + ".jpg")
title = str(column).replace("_", " ")
if column == "nuovi_positivi":
# Linear regression after peak
from sklearn.linear_model import LinearRegression
y_l = np.array(DataFrame.nuovi_positivi[26:]).reshape(-1, 1)
x_l = np.array(DataFrame.index[26:]).reshape(-1, 1)
model = LinearRegression().fit(x_l, y_l)
r_sq = model.score(x_l, y_l)
# Use prediction to compute the zero
x_pred_y0 = - model.intercept_ / model.coef_ - (DataFrame.index[-1] - DataFrame.index[26])
x_pred = pd.Series(np.array(range(26, int(x_pred_y0) + 26)))
y_pred = int(model.coef_) * x_pred + int(model.intercept_)
from scipy.optimize import curve_fit
x_exp = np.array(range(len(DataFrame.data[:26 + 1])))
y_exp = np.array(DataFrame.nuovi_positivi[:26 + 1])
def expon(x, a, b, c, d):
return a * np.exp(b * x + c) + d
init_vals = [0.1, 0.1, 0.1, 0.1]
best_vals, covar = curve_fit(expon, x_exp, y_exp, p0=init_vals)
y_pred_exp = best_vals[0] * np.exp(best_vals[1] * x_exp + best_vals[2]) + best_vals[3]
x = pd.Series(range(len(DataFrame.data)))
plot_pred(x, y, x_pred, y_pred, x_exp, y_pred_exp, title, x_label, y_label, plot_x_size, plot_y_size,
legend, figname)
# delta = np.array(y[26:]) - np.array(y_pred[:len(y[26:])])
# plot(pd.Series(range(26, len(delta) + 26)), delta,
# 'Variazione intorno regressione lineare (picchi generalmente equispaziati di 7 giorni dovuti a weekends)',
# 'Data (dal picco avuto il 26esimo giorno)', 'Persone - sqrt((Misurati - Retta di Regaressione)^2)',
# plot_x_size=10, plot_y_size=10, legend='', figname='Variazione intorno regressione lineare.jpg')
else:
plot(x, y, title, x_label, y_label, plot_x_size, plot_y_size, legend, figname)
continue
# PLOTS
# Picture setup<
plot_x_size = 16
plot_y_size = 10
# 1_Tasso di decessi percentuale
# 2_Pazienti positivi in piu al giorno
# 3_Tamponi / Totale Attualmente Positivi
# 4_Guariti diviso nuovi attualmente positivi
x = [DataFrame.data, DataFrame.data, DataFrame.data, DataFrame.data]
y = [DataFrame.deceduti / DataFrame.totale_casi * 100, DataFrame.nuovi_positivi,
DataFrame.tamponi / DataFrame.totale_positivi, DataFrame.dimessi_guariti / DataFrame.nuovi_positivi]
x_label = ["Data", "Data", "Data", "Data"]
y_label = ["Tasso decessi percentuale", "Casi positivi giornalieri", "Tamponi diviso Tot. attualmente positivi",
"Guariti diviso nuovi attualmente positivi"]
title = ["Tasso decessi percentuale", "Casi positivi giornalieri", "Tamponi diviso Tot. attualmente positivi",
"Guariti diviso nuovi attualmente positivi"]
legend = ["Tasso decessi percentuale", "Casi positivi giornalieri", "Tamponi diviso Tot. attualmente positivi",
"Guariti diviso nuovi attualmente positivi"]
figname = [str(title[0] + ".jpg"), str(title[1] + ".jpg"), str(title[2] + ".jpg"), str(title[3] + ".jpg")]
for i in range(0, len(x)):
plot(x[i], y[i], title[i], x_label[i], y_label[i], plot_x_size, plot_y_size, legend[i], figname[i])
# Regional Analysis
# Costruzione delle variabili
regions = DataFrame_regions.denominazione_regione.unique()
x = DataFrame_regions.denominazione_regione
y = DataFrame_regions.totale_casi
dates = DataFrame_regions.data.unique()
regions = DataFrame_regions.denominazione_regione.unique()
positivi = pd.DataFrame()
deceduti = pd.DataFrame()
dates_num = pd.Series(range(1, len(dates) + 1))
for region in regions:
column_tmp = DataFrame_regions.loc[DataFrame_regions['denominazione_regione'] == region, 'totale_casi']
column_tmp = column_tmp.reset_index()
positivi[region] = column_tmp.totale_casi
rate_positivi = positivi.diff(axis=0, periods=1)
ratio_positivi = positivi.div(positivi.shift(1)).fillna(value=1)
ratio_positivi = ratio_positivi.replace(np.inf, 1)
column_tmp2 = DataFrame_regions.loc[DataFrame_regions['denominazione_regione'] == region, 'deceduti']
column_tmp2 = column_tmp2.reset_index()
deceduti[region] = column_tmp2.deceduti
# Variazione giornaliera positivi
plt.figure(figsize=(plot_x_size, plot_y_size))
plt.title("Variazione gironaliera dei positivi")
plt.xlabel("Data")
plt.ylabel("Persone")
plt.xticks(rotation=45)
plt.grid()
for region in regions:
plt.plot(dates, rate_positivi[region], marker='o', label=str(region))
plt.legend(loc="upper left", ncol=2, title="Legend", fancybox=True)
plt.savefig("Variazione gironaliera dei positivi.jpg")
# Tasso di crescita giornaliero
x = dates
y = ratio_positivi
title = "Tasso di crescita giornaliero"
x_label = "Data"
y_label = "Tasso di crescita giornaliero: positivi al giorno n+1 / positivi al giorno n"
legend = ratio_positivi.columns.values
figname = "Tasso di crescita giornaliero.jpg"
y_max = 3
y_min = 0.5
plot(x, y, title, x_label, y_label, plot_x_size, plot_y_size, legend, figname, y_max, y_min)
# #Tasso di crescita giornaliero w/ expansion
# ma_days=2
# x = dates
# y = moving_average = ratio_positivi.expanding(min_periods=ma_days).mean()
# title = "Tasso di crescita giornaliero using expansion"
# x_label = "Data"
# y_label = "Tasso di crescita giornaliero: positivi al giorno n+1 / positivi al giorno n, with expansion"
# legend = moving_average.columns.values
# figname = "Tasso di crescita giornaliero with expansion.jpg"
# y_max = 3
# plot(x, y, title, x_label, y_label, plot_x_size, plot_y_size, legend, figname, y_max)
# Tasso di crescita giornaliero per regioni
ma_days = 1
# Tasso di crescita giornaliero per regioni w/expansion
for i in range(1, 7):
date = dates[len(dates) - i]
# TODO media mobile non mi piace, falsa molto la realta
y = ratio_positivi[:].iloc[len(dates) - i]
mean = DataFrame.totale_casi.shift(0)[:].iloc[-i] / DataFrame.totale_casi.shift(1)[:].iloc[-i]
plt.figure(figsize=(plot_x_size * 1.5, plot_y_size))
plt.title("Ultimo tasso di crescita giornaliero al " + date)
plt.xlabel("Regione")
plt.ylabel("Coefficiente giornaliero")
plt.xticks(rotation=45)
y_pos = np.arange(len(regions))
plt.bar(regions, y)
plt.hlines(mean, linestyle='dashed', colors='red', label='Average', xmin='Abruzzo', xmax='Veneto')
plt.hlines(1, linestyle='dashed', colors='black', label='Target', xmin='Abruzzo', xmax='Veneto')
plt.legend(loc="upper left", title="Legend", fancybox=True)
plt.ylim(ymax=1.75)
date = date.replace(":", ".")
plt.savefig("Ultimo tasso di crescita giornaliero al " + date + " .jpg")
images = []
files = [f for f in os.listdir('.') if os.path.isfile(f)]
for file in files:
if file.startswith("Ultimo tasso di crescita giornaliero") & file.endswith(" .jpg"):
images.append(imageio.imread(file))
imageio.mimsave('./Tassi di crescita giornalieri.gif', images, duration=1)
def analisi_CNS(DataFrame, DataFrame_regions):
# Analisi Centro Nord Sud
# Estarzione dati
df = DataFrame_regions
df_nord = pd.DataFrame()
df_centro = pd.DataFrame()
df_sud = pd.DataFrame()
for region in regions:
if region in ["Abruzzo", "Toscana", "Marche", "Umbria", "Lazio", "Molise"]:
df_centro[region] = df[
df['denominazione_regione'].str.contains(str(region))].totale_casi.reset_index().totale_casi
if region in ["Basilicata", "Campania", "Puglia", "Calabria", "Sicilia", "Sardegna"]:
df_sud[region] = df_centro[region] = df[
df['denominazione_regione'].str.contains(str(region))].totale_casi.reset_index().totale_casi
if region in ["Liguria", "Piemonte", "Valle d'Aosta", "Lombardia", "P.A. Trento", "Friuli Venezia Giulia",
"Veneto", "P.A. Bolzano", "Emilia Romagna"]:
df_nord[region] = df_centro[region] = df[
df['denominazione_regione'].str.contains(str(region))].totale_casi.reset_index().totale_casi
centro_totale_positivi = pd.DataFrame()
centro_totale_positivi = df_centro.sum(axis=1) - df_nord.sum(axis=1) - df_sud.sum(axis=1)
sud_totale_positivi = df_sud.sum(axis=1)
nord_totale_positivi = df_nord.sum(axis=1)
for region in regions:
if region in ["Abruzzo", "Toscana", "Marche", "Umbria", "Lazio", "Molise"]:
df_centro[region] = df[
df['denominazione_regione'].str.contains(str(region))].nuovi_positivi.reset_index().nuovi_positivi
if region in ["Basilicata", "Campania", "Puglia", "Calabria", "Sicilia", "Sardegna"]:
df_sud[region] = df_centro[region] = df[
df['denominazione_regione'].str.contains(str(region))].nuovi_positivi.reset_index().nuovi_positivi
if region in ["Liguria", "Piemonte", "Valle d'Aosta", "Lombardia", "P.A. Trento", "Friuli Venezia Giulia",
"Veneto", "P.A. Bolzano", "Emilia Romagna"]:
df_nord[region] = df_centro[region] = df[
df['denominazione_regione'].str.contains(str(region))].nuovi_positivi.reset_index().nuovi_positivi
centro_nuovi_positivi = pd.DataFrame()
centro_nuovi_positivi = df_centro.sum(axis=1) - df_nord.sum(axis=1) - df_sud.sum(axis=1)
sud_nuovi_positivi = df_sud.sum(axis=1)
nord_nuovi_positivi = df_nord.sum(axis=1)
return nord_totale_positivi, centro_totale_positivi, sud_totale_positivi, nord_nuovi_positivi, centro_nuovi_positivi, sud_nuovi_positivi
nord_totale_positivi, centro_totale_positivi, sud_totale_positivi, nord_nuovi_positivi, centro_nuovi_positivi, sud_nuovi_positivi = analisi_CNS(
DataFrame, DataFrame_regions)
# Plot analisi Italia Nord Centro Sud
x = [dates, dates, dates, dates, dates, dates]
y = [nord_totale_positivi, centro_totale_positivi, sud_totale_positivi, nord_nuovi_positivi, centro_nuovi_positivi,
sud_nuovi_positivi]
x_label = ["Data", "Data", "Data", "Data", "Data", "Data"]
y_label = ["Persone", "Persone", "Persone", "Persone", "Persone", "Persone"]
title = ["Totale positivi al Nord", "Totale positivi al Centro", "Totale positivi al Sud", "Nuovi positivi al Nord",
"Nuovi positivi al Centro", "Nuovi positivi al Sud", ]
legend = ["Totale positivi al Nord", "Totale positivi al Centro", "Totale positivi al Sud", "Nuovi positivi al Nord",
"Nuovi positivi al Centro", "Nuovi positivi al Sud", ]
figname = [str(title[0] + ".jpg"), str(title[1] + ".jpg"), str(title[2] + ".jpg"), str(title[3] + ".jpg"),
str(title[4] + ".jpg"), str(title[5] + ".jpg")]
for i in range(0, len(x)):
bar(x[i], y[i], title[i], x_label[i], y_label[i], plot_x_size, plot_y_size, legend[i], figname[i])
# Nuovi positivi vs. tamponi giornalieri
scatter(DataFrame.tamponi.diff(), DataFrame.nuovi_positivi, title='Nuovi positivi giornalieri vs. Tamponi giornalieri',
x_label='Tamponi giornalieri', y_label='Nuovi positivi', plot_x_size=10, plot_y_size=10, legend=' ',
figname='Nuovi positivi giornalieri vs. Tamponi giornalieri.jpg')
# Italian map picture
df_regioni = DataFrame_regions
plot_italy_map(df_regioni, z='totale_casi', figname='docs\italian_map_total_cases.html')
plot_italy_map(df_regioni, z='totale_positivi', figname='docs\italian_map_totale_positives.html')
plot_italy_map(df_regioni, z='nuovi_positivi', figname='docs\italian_map_new_positives.html')