陽性者の年代別シェアを可視化してみた

今回はやろうと思っていたけどやり方がわからず詰まっていたプログラムです

年代ごとの陽性者数のデータはあるけど日毎の偏りはわかりにくいので計算して画像かしてみたのがこちら
「若者の感染が増えてます」みたいな煽りを見た気がするけど2月から4月が比較的少なく、シェアで見ると全体的に20代、30代が占めている割合は多いように見える
毎回のように不安になるけど、、、計算あってるのか！？

迷ったところ

全ての行の指定した列に対して割合を計算する方法

cross_df.update(cross_df.loc[:, '10歳未満': '-'].div(cross_df["All"], axis=0))

10歳未満から-の各セルを行のAll列の値(小計)で割っている
一行ずつループで回したりしなくてよくて楽ちん(ましてExcelで同じことをすると思うと)

あとDataFrameのカラムの並び順の変え方がわからなかったけど

cross_df = cross_df.reindex(columns=['10歳未満', '10代', '20代', '30代', '40代', '50代', '60代', '70代','80代', '90代', '100歳以上', '-', 'All'])

のDataframe.reindex()でできた

リンク

東京都福祉保健局のオープンデータ東京都新型コロナウイルス陽性患者発表詳細

notebook

github tokyo_covid19_effective_reproduction_number.ipynb

In [9]:

from datetime import date
import pandas as pd
import matplotlib.pyplot as plt

# download csv from https://stopcovid19.metro.tokyo.lg.jp/data/130001_tokyo_covid19_patients.csv
data = pd.read_csv('data/130001_tokyo_covid19_patients.csv', parse_dates = ['公表_年月日', '発症_年月日', '確定_年月日'], low_memory=False)

In [18]:

daily_data = data[(data['公表_年月日'] >= date(date.today().year - 1, date.today().month, date.today().day).strftime('%Y-%m-%d')) & (data['公表_年月日'] < date.today().strftime('%Y-%m-%d'))]

cross_df = pd.crosstab(daily_data['公表_年月日'], columns=daily_data['患者_年代'], margins=True)
cross_df = cross_df.reindex(columns=['10歳未満', '10代', '20代', '30代', '40代', '50代', '60代', '70代','80代', '90代', '100歳以上', '-', 'All'])
cross_df = cross_df.drop('All', axis=0)

cross_df.update(cross_df.loc[:, '10歳未満': '-'].div(cross_df["All"], axis=0))

cross_df

Out[18]:

患者_年代	10歳未満	10代	20代	30代	40代	50代	60代	70代	80代	90代	100歳以上	-	All
公表_年月日
2020-08-28	0.035398	0.035398	0.278761	0.203540	0.137168	0.154867	0.070796	0.022124	0.053097	0.008850	0.000000	0.0	226
2020-08-29	0.020243	0.060729	0.291498	0.170040	0.178138	0.105263	0.089069	0.040486	0.028340	0.012146	0.004049	0.0	247
2020-08-30	0.020270	0.040541	0.277027	0.250000	0.155405	0.108108	0.054054	0.027027	0.040541	0.027027	0.000000	0.0	148
2020-08-31	0.050000	0.010000	0.310000	0.190000	0.180000	0.120000	0.060000	0.050000	0.020000	0.010000	0.000000	0.0	100
2020-09-01	0.011765	0.058824	0.282353	0.223529	0.164706	0.100000	0.088235	0.035294	0.029412	0.005882	0.000000	0.0	170
...	...	...	...	...	...	...	...	...	...	...	...	...	...
2021-08-23	0.055578	0.113200	0.304046	0.207601	0.156518	0.099714	0.037188	0.017164	0.006130	0.002043	0.000817	0.0	2447
2021-08-24	0.059716	0.102844	0.303791	0.208768	0.159716	0.100474	0.031043	0.020142	0.010427	0.002844	0.000237	0.0	4220
2021-08-25	0.072848	0.098628	0.278855	0.210501	0.156812	0.116131	0.027200	0.020341	0.014191	0.004494	0.000000	0.0	4228
2021-08-26	0.069728	0.102253	0.282738	0.190476	0.172406	0.108844	0.032951	0.022959	0.014031	0.003189	0.000425	0.0	4704
2021-08-27	0.078306	0.101017	0.285782	0.185711	0.163473	0.114029	0.036432	0.022711	0.010173	0.001893	0.000473	0.0	4227

365 rows × 13 columns

In [19]:

fig = plt.figure(figsize=(16, 8))

ax1 = fig.subplots()
ax2 = ax1.twinx()

ax1.stackplot(cross_df.index, cross_df.rolling(10).mean().drop('All', axis=1).T, labels=['10歳未満', '10代', '20代', '30代', '40代', '50代', '60代', '70代','80代', '90代', '100歳以上', '-'])
ax2.plot(cross_df['All'].rolling('10d').mean(), color='darkgray')

fig.legend()

Out[19]:

<matplotlib.legend.Legend at 0x130f9adf0>

No description has been provided for this image

In [ ]:

nkm3

visualize per generation positive share

陽性者の年代別シェアを可視化してみた

迷ったところ

リンク

notebook