-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathcovid_estados.py
executable file
·169 lines (148 loc) · 7.44 KB
/
covid_estados.py
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
# -*- coding: utf-8 -*-
# Python 3.5+
# Requer ImageMagick para renderizar a animação
import pandas as pd
import numpy as np
import os, subprocess
import matplotlib.pyplot as plt
from datetime import datetime
from mpl_toolkits.axes_grid1.inset_locator import InsetPosition
from matplotlib.offsetbox import OffsetImage, AnnotationBbox, TextArea
from matplotlib import rc
from pathlib import Path
'''
Faça download dos dados em https://covid.saude.gov.br;
Salve o arquivo .xlsx como .csv (o desempenho é muito superior ao importar dados nesse formato) no diretório deste script;
A animação .gif será gerada automaticamente.
'''
rc('font',**{'family':'serif','serif':['Barrels']})
rc('text', usetex=True)
# cria diretório para as figuras
Path("figs").mkdir(exist_ok=True)
# importa os dados
CSV = 'arquivo_geral.csv'
dados = pd.read_csv(CSV, delimiter=',')
# limpeza, conversões e cálculos
dados_estados = dados.loc[(dados['regiao']!='Brasil') & pd.isna(dados['municipio']) & pd.notna(dados['populacaoTCU2019'])]
dados_estados['populacaoTCU2019'] = pd.to_numeric(dados_estados['populacaoTCU2019'], errors='raise')
dados_estados['per_mil'] = 1000*dados_estados['casosAcumulado']/dados_estados['populacaoTCU2019']
# colunas do csv que não serão utilizadas
dados_estados.drop(['municipio', 'coduf', 'codmun', 'codRegiaoSaude', 'semanaEpi', 'casosNovos', 'obitosNovos', 'emAcompanhamentoNovos', 'nomeRegiaoSaude', 'interior/metropolitana'], axis=1, inplace=True)
# cores
dados_estados['color'] = dados_estados['estado'].map({'RO': '#006400',
'AC': '#008000',
'AM': '#228B22',
'RR': '#32CD32',
'PA': '#7FFF00',
'AP': '#7CFC00',
'TO': '#00FF00',
'MA': '#999900',
'PI': '#666600',
'CE': '#999900',
'RN': '#CCCC00',
'PB': '#FFFF00',
'PE': '#FFFF33',
'AL': '#FFFF66',
'SE': '#FFFF33',
'BA': '#CCCC00',
'MG': '#FF0000',
'ES': '#8B0000',
'RJ': '#B22222',
'SP': '#DC143C',
'PR': '#00008B',
'SC': '#0000CD',
'RS': '#4169E1',
'MS': '#696969',
'MT': '#808080',
'GO': '#A9A9A9',
'DF': '#C0C0C0'})
# converte data para valores numéricos
dados_estados['data'] = pd.to_datetime(dados_estados['data'], dayfirst=True)
# lista de datas para iterar
unique_dates = dados_estados['data'].unique()
# para pular determinados dias
start_day = 0
for i, day in enumerate(unique_dates[start_day:]):
# seleciona os primeiros (1 a 27) estados
sample = 27
sort_dados_estados = dados_estados.sort_values(by=['per_mil'], ascending=False)
dados_smpl = sort_dados_estados[sort_dados_estados['data']==day].iloc[0:sample,:]
dados_smpl_yesterday = sort_dados_estados[sort_dados_estados['data']==unique_dates[start_day+i-1]].iloc[0:sample,:]
# monitor de taxa de crescimento
if sum(dados_smpl_yesterday['per_mil']) == 0:
growth_rate = 0
else:
growth_rate = sum(dados_smpl['per_mil'])/sum(dados_smpl_yesterday['per_mil'])
resolution = 40
if i==0:
growth_plot = [0]*resolution
growth_plot[-1] = growth_rate
else:
for k in range(resolution,1,-1):
growth_plot[-k] = growth_plot[-k+1]
growth_plot[-1] = growth_rate
# figuras
fig, ax = plt.subplots(nrows=1, ncols=1, constrained_layout=True)
y_pos = np.arange(len(dados_smpl))
ax.barh(y_pos, dados_smpl['per_mil'], 1, align='center', color=tuple(dados_smpl['color']))
ax.set_yticks(y_pos)
ax.set_yticklabels(dados_smpl['estado'])
ax.invert_yaxis() # labels read top-to-bottom
ax.set_title('COVID-19: casos por mil habitantes', fontsize=18, va='baseline')
xlim = max(sort_dados_estados['per_mil'])
#xlim = 52
ax.set_xlim(0,xlim*1.15)
ax.set_ylim(sample,-1)
ax.xaxis.set_major_locator(plt.MaxNLocator(4))
ax.ticklabel_format(style='plain', axis='x')
ax.set_yticks(range(len(dados_smpl['estado'])))
ax.set_yticklabels(dados_smpl['estado'])
ax.tick_params(axis='y', which='major', pad=40, labelsize=16)
ax.tick_params(axis='x', which='major', labelsize=16)
# formata strings da data
day_str = str(day)[:10]
print(day_str)
t= pd.to_datetime(str(day))
day_str2 = t.strftime('%d/%m/%Y')
# texto
plt.text(1.12*xlim,0.86*sample,'{}'.format(day_str2), ha='right', fontsize=28)
plt.text(1.12*xlim,0.92*sample,'Taxa de crescimento: {:.2f} $\%$'.format((growth_rate-1)*100), ha='right', fontsize=16)
plt.text(1.12*xlim,0.97*sample,'por Daniel Marostica', ha='right', fontsize=16)
# miniplot
iax = plt.axes([0,0,1,1])
ip = InsetPosition(ax, [0.66, 0.23, 0.3, 0.27]) #posx, posy, width, height
iax.set_axes_locator(ip)
iax.plot(growth_plot)
# ajusta a escala do monitor com a média de alguns frames
zoom = 0.25
average = np.average([growth_plot[-z] for z in range(20,0,-1)])
iax.set(xlim=(0,resolution-1), ylim=(average - average*zoom, average+ average*zoom))
iax.set_xticks([])
iax.set_yticks([])
# valores do histograma
for j, v in enumerate(dados_smpl['per_mil']):
ax.text(v + v*0.025, j + .25, str(round(v, 1)), color='black', fontweight='bold', fontsize=13, va='baseline')
# bandeiras dos estados
def get_flag(name):
path = "estados/{}.png".format(name.upper())
im = plt.imread(path)
return im
def offset_image(coord, name, ax):
img = get_flag(name)
im = OffsetImage(img, zoom=0.2)
im.image.axes = ax
textt = TextArea("%02d"%(coord+1))
textt.axes = ax
ab = AnnotationBbox(im, (0, coord), xybox=(-30., 0.), frameon=True, xycoords='data', boxcoords="offset points", pad=0)
text = AnnotationBbox(textt, (0, coord), xybox=(-11., 0.), frameon=False, xycoords='data', boxcoords="offset points", pad=0)
ax.add_artist(text)
ax.add_artist(ab)
for n, c in enumerate(dados_smpl['estado']):
offset_image(n, c, ax)
# força image_size e salva
fig.set_size_inches(6.31,6.31)
plt.savefig('figs/{}.png'.format(day_str), dpi=110, bbox_inches='tight')
plt.close()
# cria gif com imagemagick (delay no último frame)
program = 'convert -delay 14 -loop 0 figs/*.png -delay 700 figs/{}.png figs/covid.gif'.format(day_str)
subprocess.call(program, shell=True)