はじめに

簡単なコロプレス図を作りたいと思ったときに、いろいろと調べたので備忘録代わりに記録しておく。以下、参考サイト。

また、cartopy でのコロプレス図の作り方は「Python で COVID-19 のコロプレス図を作成する（cartopy版）」に書いてあるので、もし興味があれば参照してください。

folium のインストール

いつもの通り、pip, conda でインストールできる。

pip の場合

$ pip install folium

conda の場合

$ conda install folium -c conda-forge

いくつかの関数は、numpy, pandas, geopandas, altair, etc.などの他ライブラリに依存しているようなので、それらも必要に応じてインストールする必要がある。（※geopandas の conda でのインストールについては「Python で COVID-19 のコロプレス図を作成する（cartopy版）」に注意を載せている。）

前処理

国ごとの合算

Covid-19 の感染者数が地域ごとに記録されているので、これを国ごとのデータになるよう処理を行う。(以下、2022年2月17日のデータで行う。)

国ごとの合算

# 必要なモジュールのインポート
import pandas as pd

# データの取得
df = pd.read_csv("./02-17-2022.csv")

# 国ごとに合算しなおす
df_sum = df.groupby("Country_Region").sum()[["Confirmed", "Deaths"]].copy()
df_sum.reset_index(inplace=True)

# 致死率を計算
df_sum["CFR"] = df_sum["Deaths"] / df_sum["Confirmed"] * 100

# 結果の表示
print(df_sum.head())

出力は以下の通り。

	Country_Region	Confirmed	Deaths	CFR
0	Afghanistan	171673	7524	4.382751
1	Albania	269301	3430	1.273668
2	Algeria	263369	6772	2.571297
3	Andorra	37522	150	0.399765
4	Angola	98585	1899	1.926257

GeoJSON と国名の表記ゆれの確認

GeoJSON を geopandas を用いて中身を確認し、国名が一致するのかの確認と、一致しない場合の処理を行う。#ここが手作業で面倒なので、どなたか頭の良い方法が有ったら教えて下さい…。

国名の表記ゆれの確認

# 必要なモジュールのインポート
import geopandas as gpd

# GeoJSON の読み込み
gdf = gpd.read_file('./countries.geojson')

# 集合演算を使って Covid-19 データの一致しない国名を抜き出す
set_covid_19 = set(df_sum["Country_Region"])
set_geojson = set(gdf["ADMIN"])
set_diff = set_covid_19 - set_geojson

# 結果の表示
print(set_diff)

出力

{'Micronesia', 'Eswatini', 'Cabo Verde', "Cote d'Ivoire", 'Guinea-Bissau', 'Czechia', 'Burma', 'Timor-Leste', 'Summer Olympics 2020', 'Winter Olympics 2022', 'Diamond Princess', 'Holy See', 'North Macedonia', 'Tanzania', 'Bahamas', 'US', 'Congo (Kinshasa)', 'Serbia', 'MS Zaandam', 'Congo (Brazzaville)', 'West Bank and Gaza', 'Taiwan*', 'Korea, South'}

国の名前の他に、地域やクラスターが発生したクルーズ船の名前なども含まれている。これらを手作業で修正。set_geojson の名前になるよう修正していく。

国名の修正

# 元の国名を保存
df_sum["Country_Region_conv"] = df_sum["Country_Region"]

# 以下、手作業で修正
df_sum.loc[
    (df_sum["Country_Region"] == "Bahamas"), "Country_Region_conv"
] = "The Bahamas"
df_sum.loc[(df_sum["Country_Region"] == "Burma"), "Country_Region_conv"] = "Myanmar"
df_sum.loc[
    (df_sum["Country_Region"] == "Cabo Verde"), "Country_Region_conv"
] = "Cape Verde"
df_sum.loc[
    (df_sum["Country_Region"] == "Congo (Brazzaville)"), "Country_Region_conv"
] = "Republic of Congo"
df_sum.loc[
    (df_sum["Country_Region"] == "Congo (Kinshasa)"), "Country_Region_conv"
] = "Democratic Republic of the Congo"
df_sum.loc[
    (df_sum["Country_Region"] == "Cote d'Ivoire"), "Country_Region_conv"
] = "Ivory Coast"
df_sum.loc[
    (df_sum["Country_Region"] == "Czechia"), "Country_Region_conv"
] = "Czech Republic"
df_sum.loc[
    (df_sum["Country_Region"] == "Eswatini"), "Country_Region_conv"
] = "Swaziland"
df_sum.loc[
    (df_sum["Country_Region"] == "Guinea-Bissau"), "Country_Region_conv"
] = "Guinea Bissau"
df_sum.loc[(df_sum["Country_Region"] == "Holy See"), "Country_Region_conv"] = "Vatican"
df_sum.loc[
    (df_sum["Country_Region"] == "Korea, South"), "Country_Region_conv"
] = "South Korea"
df_sum.loc[
    (df_sum["Country_Region"] == "Micronesia"), "Country_Region_conv"
] = "Federated States of Micronesia"
df_sum.loc[
    (df_sum["Country_Region"] == "North Macedonia"), "Country_Region_conv"
] = "Macedonia"
df_sum.loc[
    (df_sum["Country_Region"] == "Serbia"), "Country_Region_conv"
] = "Republic of Serbia"
df_sum.loc[(df_sum["Country_Region"] == "Taiwan*"), "Country_Region_conv"] = "Taiwan"
df_sum.loc[
    (df_sum["Country_Region"] == "Tanzania"), "Country_Region_conv"
] = "United Republic of Tanzania"
df_sum.loc[
    (df_sum["Country_Region"] == "Timor-Leste"), "Country_Region_conv"
] = "East Timor"
df_sum.loc[
    (df_sum["Country_Region"] == "US"), "Country_Region_conv"
] = "United States of America"

# 修正できているかの確認
set_covid_19_conv = set(df_sum["Country_Region_conv"])
set_diff_conv = set_covid_19_conv - set_geojson

print(set_diff_conv)

出力

{'MS Zaandam', 'Diamond Princess', 'West Bank and Gaza', 'Summer Olympics 2020', 'Winter Olympics 2022'}

国境ファイルのデータに該当しないものが残った。これらのプロットは諦める事とする。

コロプレス図の作成

cartopy と違い、folium には Coropleth という関数が存在している。

コロプレス図作成

# 必要なモジュールのインポート
from folium import Map, LayerControl, Choropleth

# 地図の作成（中心は日本）
m = Map(location=[35.658581, 139.745433], zoom_start = 2)

# コロプレス図の作成
Choropleth(
    geo_data="./countries.geojson",  # GeoJSONファイル
    name="choropleth",  # map名(何でもよい)
    data=df_sum,  # Covid-19の致死率と国名が含まれているデータ
    columns=["Country_Region_conv", "CFR"],  # データのkey列（国名）とvalue列（致死率）を指定
    key_on="properties.ADMIN",  # GeoJSONファイル内のkey（国名）を指定
    fill_opacity=0.7,
    line_opacity=0.2,
    line_color="blue",
    fill_color="Reds",
).add_to(m)
LayerControl().add_to(m)

# 図の保存
m.save('coropleth.html')

これでカラーバー付きコロプレス図を作成することができた。cartopy に比べれるとだいぶ楽に作れる。北朝鮮、グリーンランド、トルクメニスタンなどではデータが無いので、黒く塗りつぶされている。

おわりに

今回は Covid-19 の致死率を題材にコロプレス図を作成してみた。GeoJSONとデータさえあれば、国毎でなく地域ごとにプロットを作ることも可能である。