Python 如何在matplotlib中创建一个关于新型corona病毒的类似图？

我对数据科学还比较陌生，并试图调查科罗纳病毒。我想创建一个如下图：

x轴上的日期。y轴上的病例/死亡

我的数据集如下所示：

---

我特别想通过研究病毒的分布来调查病毒的传播速度。如果您能帮助我，我将非常高兴。

以下内容可能会有所帮助：

1。绘制确认病例图（前15名）：

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
已确认=pd.read\u csv（“时间序列\u新冠\u 19\u已确认.csv”）
已确认=已确认。删除（['Province/State'，'Lat'，'Long']，axis=1）。设置索引（['Country/Region']）
confirm.groupby（confirm.index）.sum（）.sort_值（by=confirm.iloc[：，-1].name，升序=False）.head（15）.T.plot（figsize=（16,10），rot=90，title='confirm cases（前15名）'，legend=True）
plt.show（）

2。绘制恢复案例（前15名）：

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
已恢复=pd.read\u csv（'time\u series\u covid\u 19\u recovered.csv'））
已恢复=已恢复。删除（['Province/State'，'Lat'，'Long']，axis=1）。设置索引（['Country/Region']）
recovered.groupby（recovered.index）.sum（）.sort_值（by=recovered.iloc[：，-1].name，升序=False）.head（15）.T.plot（figsize=（16,10），rot=90，title='recovered（Top 15'），legend=True）
plt.show（）

3。情节死亡（前15名）：

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
死亡=pd.read\u csv（“时间序列\u新冠\u 19\u死亡.csv”）
死亡=死亡。下降（['省/州'，'纬度'，'长']，轴=1）。设置指数（['国家/地区'）
death.groupby（death.index）.sum（）.sort_值（by=death.iloc[：，-1]。name，升序=False）。head（15）.T.plot（figsize=（16,10），rot=90，title='death（前15名）'，legend=True）
plt.show（）

---

编辑：

---

上面的图表是线性的。在

plt.yscale（'log'）之前添加
plt.show（）将以对数比例显示图形。
以下内容可能会有所帮助：

1。绘制确认病例图（前15名）：

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
已确认=pd.read\u csv（“时间序列\u新冠\u 19\u已确认.csv”）
已确认=已确认。删除（['Province/State'，'Lat'，'Long']，axis=1）。设置索引（['Country/Region']）
confirm.groupby（confirm.index）.sum（）.sort_值（by=confirm.iloc[：，-1].name，升序=False）.head（15）.T.plot（figsize=（16,10），rot=90，title='confirm cases（前15名）'，legend=True）
plt.show（）


2。绘制恢复案例（前15名）：

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
已恢复=pd.read\u csv（'time\u series\u covid\u 19\u recovered.csv'））
已恢复=已恢复。删除（['Province/State'，'Lat'，'Long']，axis=1）。设置索引（['Country/Region']）
recovered.groupby（recovered.index）.sum（）.sort_值（by=recovered.iloc[：，-1].name，升序=False）.head（15）.T.plot（figsize=（16,10），rot=90，title='recovered（Top 15'），legend=True）
plt.show（）


3。情节死亡（前15名）：

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
死亡=pd.read\u csv（“时间序列\u新冠\u 19\u死亡.csv”）
死亡=死亡。下降（['省/州'，'纬度'，'长']，轴=1）。设置指数（['国家/地区'）
death.groupby（death.index）.sum（）.sort_值（by=death.iloc[：，-1]。name，升序=False）。head（15）.T.plot（figsize=（16,10），rot=90，title='death（前15名）'，legend=True）
plt.show（）



编辑：

上面的图表是线性的。在
plt.yscale（'log'）
plt.yscale（'log'），将以对数比例显示图形。
请提供一个最小重复性的示例，以便其他人可以帮助您，并更轻松、更快地尝试使用数据，用最少的数据，但足够使用它。如果你说的是数据集，我是从kaggle那里得到的。你可以点击@alan.elkin查看，请提供一个可复制的最小示例，以便其他人可以帮助你更轻松、更快地尝试使用数据，使用最小的数据，但足以使用它。如果你在谈论数据集，我是从kaggle获得的。您可以单击@alan.elkin查看它。您可能想在某个地方抛出一个
ax.set_-yscale（“log”）
，因为它很难以线性比例读取。@Guimoute我认为在
plt.yscale（“log”）之前添加
plt.yscale（'log'）
将转换对数比例的图形。您可能想抛出一个
ax.set_-yscale（“log”）
某个地方，因为很难以线性比例读取。@Guimoute我认为在
plt.show（）
之前添加
plt.yscale（'log'）
将转换对数比例的图形。