[Python]インフルエンザの発生状況をグラフにしてみた。

概要

• このサイト より、インフルエンザの県別の報告数が見ることができます。
• でも、いちいちPDFを開いて見るのは面倒くさい…
• 去年と比べてどのぐらい減ったのか見たいけど、いちいちコピペしてグラフにするの怠い……
• Pythonで全て実行できないか試してみました。

実行結果

• ２０２０年と２０１９年のグラフの報告数に圧倒的な差がある…。

• ２０２０年のグラフ
  

• ２０１９年のグラフ
  

コード

from bs4 import BeautifulSoup
import matplotlib.pyplot as plt
import urllib.request as req
import os
import time
import tabula
import pandas as pd
import requests
import sys

# 入力したurlのBeautifulSoupを返す
def get_bs(url):
    res = req.urlopen(url) 
    bs = BeautifulSoup(res, "html.parser") 

    return bs


# 入力した年数yearのURLが返す関数
def get_url(year):
    url_front = "https://www.mhlw.go.jp"
    # インフルエンザに関する報道発表資料 ｜厚生労働省
    url = 'https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/kenkou_iryou/kenkou/kekkaku-kansenshou01/houdou.html'
    bs = get_bs(url)

    for i in bs.select('div.m-grid__col1'):
        for j in i.select("a") :
            html_name = j.get_text()
            if ("シーズン" in html_name) and (year == html_name.split("/")[0]):
                return_url = url_front + j.get("href")
                break

    return return_url


# 入力した年数yearの年度のPDFのURLがリストで返す関数
def get_year_pdf(year):
    url_front = "https://www.mhlw.go.jp"

    bs = get_bs(get_url(year))
    pdf_list = [[ url_front + j.get("href") , j.get_text().split("　")[0] ]
                for i in bs.select("div.m-grid__col1")
                for j in i.select("a")
                if "インフルエンザの発生状況について" in  j.get_text()]    

    return pdf_list



# pdfをダウンロードする関数
def download_pdf(pdf_list):
    folder_name = pdf_list[-1][1].split("年")[0] + "_data"

    if os.path.exists(folder_name) == False:
        os.mkdir(folder_name)

    for download_url in pdf_list:

        time.sleep(1) # 一秒スリープ

        file_name = download_url[0].split("/")[-1]

        r = requests.get(download_url[0])       

        # 正常の場合
        if r.status_code == 200:
            with open(os.path.join(folder_name, file_name), "wb") as f:
                f.write(r.content)
    pdf_date_list = [[i[0].split("/")[-1],i[1]] for i in pdf_list]
    return pdf_date_list



# 指定した内容contentのDataFrameを返す関数
def return_df(pdf,date,content):

    dfs = tabula.read_pdf(pdf, lattice=True, pages = 'all')

    for i in range(len(dfs)):
        if "インフルエンザ" in dfs[i]:
            df = dfs[i]

    df = df.fillna("県名")
    # 「総数」と「昨年同期（総数）」は削除
    df = df.drop(df.index[(df.iloc[:,0] == '総数')])
    df = df.drop(df.index[(df.iloc[:,0] == '総  数')])
    df = df.drop(df.index[(df.iloc[:,0] == '昨年同期(総数)')])
    # indexを揃えなおす
    df = df.reset_index(drop=True)

    # 県名のみを返す
    if content == "prefecture":
        df = df.iloc[:,:-2] 
        df = df.dropna(how='any')
        df = df.replace(" ","", regex = True)
        df = df.replace("　","", regex = True)
    # 報告数のみを返す
    elif content == "report":
        df = df.iloc[:,:-1] 
        df = df.dropna(how='any')
        df = df.iloc[:,1:] 
        df = df.replace("報告数",date.split("年")[1])

    return df


# PDFをCSV形式に整える関数
def convert_pdf_to_csv(pdf_list):
    pdf_date_list = download_pdf(pdf_list)
    year_name = pdf_date_list[-1][1].split("年")[0]

    folder_name = "\\" + year_name + "_data"
    dir_name = os.getcwd() + folder_name +"\\"

    df = return_df(dir_name + pdf_date_list[0][0],pdf_date_list[0][1],"prefecture")

    for i in pdf_date_list:
        df = pd.concat([df, return_df(dir_name + i[0],i[1],"report") ],axis=1)
    save_path = os.getcwd() + folder_name +"\\"+"output_data.csv"
    df.to_csv(save_path,index=None,header=None,encoding="cp932")

    return save_path

# 入力した年数yearのインフルエンザ報告数と都道府県の棒グラフが表示される関数,yearの入力範囲は2010~2020
def make_graph(year):
    pdf_date_list = download_pdf(get_year_pdf(year))
    save_path = convert_pdf_to_csv(get_year_pdf(year))
    df = pd.read_csv(save_path,encoding="cp932")
    graph_list = []
    for i in df.itertuples():
        temp = i[2:]
        report_cnt = 0
        for j in temp:
            if not j in ("-","..."):
                j = str(j)
                j = j.replace(",","")
                report_cnt+=float(j)
        graph_list.append([i[1],report_cnt])

    first_date = pdf_date_list[-1][1] # 最初の日付
    last_date = pdf_date_list[0][1] # 最後の日付
    report_num = [i[1] for i in graph_list]
    prefecture = [i[0] for i in graph_list]
    prefecture.reverse()

    fig = plt.figure(figsize=(10,21))
    ax = fig.add_subplot(1,1,1)
    ax.barh(prefecture,report_num)

    plt.title(year + "年のインフルエンザ発生状況" + "(" + first_date + "～" + last_date + ")", fontsize=25)
    plt.yticks(fontsize=25)
    plt.xticks(fontsize=18)
    plt.ylabel('都道府県', fontsize=25)
    plt.xlabel('インフルエンザの報告数', fontsize=25)
    plt.show()


def main():
    year = input("何年のグラフを見ますか？（2010~2020の範囲を入力）：") # 2011~2020の範囲

    if year.isdecimal() == False:
        print("数値以外を入力したため終了します。")
        sys.exit() # プログラム終了
    if not 2011 <= int(year) <= 2020:
        print("範囲外を入力したため終了します。")
        sys.exit() # プログラム終了        

    make_graph(str(year))


if __name__ == '__main__':
    main()

まとめ

• コロナの影響でマスク・手洗いする人が増えたから、インフルエンザの数がめちゃくちゃ減ってる！！！