Construcción De Gif ScatterPlot

Importamos Modulos A Usar

La lógica detrás de la creación del gif de el scatterplot es la creación de todos las escenas que componen al gif en formato png, de modo que simplemente tenemos que importar los módulos que nos servirían para realizar la visualización que deseemos, después de estos nos ayudaremos del modulo imageio para la creación de la “animación”.

# Modulos  para manejo de datos
import numpy as np 
import pandas as pd 

# Modulo para generar parametros de la funcion de relación
from sklearn.linear_model import LinearRegression

# Modulos para graficar 
import seaborn as sns
import matplotlib.pyplot as plt

# Modulo para la creación del gif 
import imageio

---------------------------------------------------------------------------
ModuleNotFoundError                       Traceback (most recent call last)
Input In [1], in <cell line: 13>()
     10 import matplotlib.pyplot as plt
     12 # Modulo para la creación del gif 
---> 13 import imageio

ModuleNotFoundError: No module named 'imageio'

Manejo De Los Datos

Como vamos a trabajar sobre dos tablas similares ya que provienen de la misma fuente (Banco Mundial), vamos a crear una sola función para arreglar y manejar los datos de las tablas, después de eso vamos a hacer un merge entre estas tablas y otra adicional llamada regiones, la cual nos permitirá acceder a información a los continentes específicos de cada país, esto con el fin de agregar información al grafico que vamos a construir.

Puede descargar los archivos originales desde el portal del Banco Mundial o acceder a los archivos modificados que se usaron en este proyecto directamente desde el repositorio de GitHub

def compilador_datos(data:str) -> pd.DataFrame:
  ''' data: path del archivo csv a transformar'''

  # leemos el archivo con los datos
  df = pd.read_csv(data, encoding='latin1',on_bad_lines='skip',sep=';')

  # Modificamos los nombres de las columnas 
  df.columns = ['country','code'] + [str(año) for año in range(1990,2021)]

  # transformamos los valores numericos que estan en string 
  for col in [str(año) for año in range(1990,2021)]:
    df[col] = df[col].str.replace(',','.')
    df[col] = pd.to_numeric(df[col],errors='coerce')
  
  df = df.dropna()

  return df
  

# Creamos el dataframde regiones usando datos publicados por el usuario lukes en su github.
regiones = pd.read_csv('https://raw.githubusercontent.com/lukes/ISO-3166-Countries-with-Regional-Codes/master/all/all.csv')
regiones = regiones[['name','alpha-3','region','sub-region']]
regiones.columns = ['country','code','region','sub_region']

# Ahora usamos la funcion que creamos para proecesar los datos de esperanza de vida y pib per cápita.
esperanza = compilador_datos('https://raw.githubusercontent.com/BautistaDavid/Twitter_Posts/main/Gif_Scatterplot/Esperanza_vida.csv')
per_capita = compilador_datos('https://raw.githubusercontent.com/BautistaDavid/Twitter_Posts/main/Gif_Scatterplot/per_capita.csv')

Visualicemos las tablas creadas hasta el momento:

esperanza.head(3)

	country	code	1990	1991	1992	1993	1994	1995	1996	1997	...	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020
0	Aruba	ABW	73.468	73.509	73.544	73.573	73.598	73.622	73.646	73.671	...	75.158	75.299	75.441	75.583	75.725	75.868	76.010	76.152	76.293	76.434
1	Afganistán	AFG	50.331	50.999	51.641	52.256	52.842	53.398	53.924	54.424	...	61.553	62.054	62.525	62.966	63.377	63.763	64.130	64.486	64.833	65.173
2	Angola	AGO	45.306	45.271	45.230	45.201	45.201	45.246	45.350	45.519	...	56.330	57.236	58.054	58.776	59.398	59.925	60.379	60.782	61.147	61.487

3 rows × 33 columns

per_capita.head(3)

	country	code	1990	1991	1992	1993	1994	1995	1996	1997	...	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020
0	Aruba	ABW	21942.267490	23554.172810	24156.033900	24978.226170	26089.472260	26084.334980	25944.406820	27511.335930	...	35513.081190	34632.951650	36830.156610	36782.227120	37314.564390	37587.065940	38893.960560	40143.000270	39834.223900	31182.833880
2	Angola	AGO	3263.334350	3295.730956	3071.610764	2313.921780	2318.952828	2636.525014	2952.011249	3119.365502	...	6710.750725	7412.967137	7682.475646	8179.297828	7337.569901	7103.226249	7310.896551	7148.933253	6995.299736	6478.332182
3	Albania	ALB	2549.708941	1909.290810	1823.476534	2057.661495	2290.109912	2666.042365	2980.374617	2717.644348	...	10207.767570	10526.259180	10570.963730	11259.267510	11658.905520	12078.843140	12770.964290	13498.138170	13999.423970	13632.186540

3 rows × 33 columns

regiones.head(3)

	country	code	region	sub_region
0	Afghanistan	AFG	Asia	Southern Asia
1	Åland Islands	ALA	Europe	Northern Europe
2	Albania	ALB	Europe	Southern Europe

Ahora modificaremos las tablas esperanza y per_capita para que cada año en cada país corresponda una sola observación y queden configurados como datos de tipo panel, esto lo haremos usando la función pd.melt().

Después de eso crearemos algunas columnas adicionales para poder establecer los parámetros de la función de relación entre las variables de esperanza de vida y PIB per cápita. Adicionalmente realizaremos los merge de las tablas y visualizaremos el resultado.

df1 = pd.melt(esperanza,id_vars=['country','code'],value_vars=[str(i) for i in range(1990,2021)],var_name='year',value_name='esperanza')

df2 = pd.melt(per_capita,id_vars=['country','code'],value_vars=[str(i) for i in range(1990,2021)],var_name='year',value_name='per_capita')

df = pd.merge(df1,df2,on=['country','code','year'],how='outer')
df_ = df.dropna()
df_ = df_.merge(regiones,on=['code'],how='outer').dropna().drop(columns=['country_y'])
df_.columns = ['country','code','year','esperanza','per_capita','Region','sub_region']
df_['per_capita'] = df_['per_capita']/1000
df_['log_per_capita'] = np.log10(df_['per_capita'])
df_['Region'] = df_['Region'].replace({'Americas':'America'})

df_.head()

	country	code	year	esperanza	per_capita	Region	sub_region	log_per_capita
0	Aruba	ABW	1990	73.468	21.942267	America	Latin America and the Caribbean	1.341282
1	Aruba	ABW	1991	73.509	23.554173	America	Latin America and the Caribbean	1.372068
2	Aruba	ABW	1992	73.544	24.156034	America	Latin America and the Caribbean	1.383026
3	Aruba	ABW	1993	73.573	24.978226	America	Latin America and the Caribbean	1.397562
4	Aruba	ABW	1994	73.598	26.089472	America	Latin America and the Caribbean	1.416465

Creación De La Grafica Base.

Para la creación de la grafica base lo ideal sería crearla usando funciones que reciban un año en específico, esto con el fin de simplemente realizar un bucle con todos los años que van a conformar el gif, recordemos que el objetivo es crear tantos archivos png queramos para que sean cada escena del gif. Primero crearemos una función que calculara los coeficientes de una línea de regresión entre las variables esperanza de vida y PIB per cápita, después una que le da forma y estilo a al grafica.

def regresion(df):
  y = df['esperanza'].to_numpy().reshape(-1,1)
  X = df['log_per_capita'].to_numpy().reshape(-1,1)
  reg = LinearRegression().fit(X,y)
  return {'parametro':reg.coef_,'intercepto':reg.intercept_}

def grafica_(año):

  # filtramos las observasciones para todos los paises en un solo año 
  df = df_[df_['year']==año]
  
  # Cargamso los datos de la linea de regresion 
  parametro = regresion(df)['parametro'][0][0]
  intercepto = regresion(df)['intercepto'][0]

  # Empezamos a contruir la grafica 

  X = np.linspace(0.1,58,100) # cremos una arreglo con numpy para graficar la funcion de regresion
  sns.set_theme()     # fijamos un tema de estilo de seaborn
  
  plt.figure(figsize=(11,7))  # Le damos dimensiones a la figura 
  plt.title(f'Relación Esperanza de Vida y PIB Per Cápita\n ',fontsize=25,loc='left') # configuramos el titulo
  
  plt.plot(X,intercepto + parametro * np.log10(X),c='black',linestyle='--') # Graficamos la linea de regresion  
  sns.scatterplot(data=df,x='per_capita',y='esperanza',hue='Region',s=50) # Graficamos el scatterplot
  
  plt.xlabel('\nPIB PER CÁPITA (Miles de USD)\n \n ',fontsize=16)  # configuramos lable del eje x 
  plt.ylabel('Esperanza de Vida (Años)\n ',fontsize=16)   # configuramos lable del eje y
 
  plt.xticks(size=15)  # configuramos tamaño de las unidades del eje x 
  plt.yticks(size=15)  # configuramos tamaño de las unidades del eje y 
  
  plt.ylim(30,90)     # Configuramos limites de visualizacion del eje x 
  plt.xlim(0,58)      # Configuramos limites de visualizacion del eje x

  plt.legend(loc='lower right',borderpad=1,fontsize=14) # configuramos el cuadro de las leyendas del grafico
  
  # Creamos un suptiulo y textos para agregar informacion adicional al grafico 
  plt.suptitle('PIB Per Cápita en USD PPA, Datos: Banco Mundial *',x=0.365,y=0.92) 
  plt.text(x=30.25,y=42,s=f'{año}',fontsize=40)
  plt.text(x=45,y=15,s='Autor: David Bautista\n          @PipeBau_')

  # Guardamos la figura, notese que el nombre tambien conforma una estructura de iteracion por año
  plt.savefig(f'grafica_{año}.png',dpi=100, bbox_inches='tight')
  plt.show()

Vamos a probar como se vería cada grafica usando un bucle, así pues las imágenes ya quedarán guardadas en el directorio.

for año in [str(j) for j in range(1990,2021)]:
  grafica_(año)

Contruyamos El Gif!!!

Ahora usamos una estructura básica del módulo imageio para “escribir” el gif con todas las imágenes que ya están en sistema por medio de un bucle.

import imageio
with imageio.get_writer('scatter.gif', mode='i',duration=0.5) as writer:
    for i in range(1990, 2021):
        image = imageio.imread(f'grafica_{i}.png')
        writer.append_data(image)

Resultado: