用Python可視化新冠疫情數(shù)據(jù)
前言
不知道大伙有沒有看到過這一句話：“中國（疫苗研發(fā)）非常困難，因?yàn)樵谥袊覀儧]有辦法做第三期臨床試驗(yàn)，因?yàn)闆]有病人了。”這句話是中國工程院院士鐘南山在上?？萍即髮W(xué)2021屆畢業(yè)典禮上提出的。這句話在全網(wǎng)流傳，被廣大網(wǎng)友稱之為“凡爾賽”發(fā)言。
今天讓我們用數(shù)據(jù)來看看這句話是不是“凡爾賽”本賽。在開始之前我們先來說說今天要用到的python庫吧！
1.數(shù)據(jù)獲取部分
requests lxml json openpyxl
2.數(shù)據(jù)可視化部分
pandas pyecharts（可視化庫）
以上的庫都可以通過在線下載：
pip instll xx
ps：如果下載速度太慢的話也可以用國內(nèi)鏡像，使用命令，例如：
pip install xx（庫名） -i https://pypi.tuna.tsinghua.edu.cn/simple gevent（清華鏡像）
現(xiàn)在一起進(jìn)入今天的代碼部分吧?。?！
數(shù)據(jù)獲取
目標(biāo)地址：
https://voice.baidu.com/act/newpneumonia/newpneumonia
進(jìn)入目標(biāo)地址我們可以看到如下所示：
現(xiàn)在讓我們一起去解析網(wǎng)頁結(jié)構(gòu)找到我們要爬取到的數(shù)據(jù)如下所示：
現(xiàn)在我們找到想要的頁面數(shù)據(jù)接下來就是通過Python來獲取這些數(shù)據(jù)了，上代碼：
1 import requests
2 from lxml import etree
3 import json
4 import openpyxl
5
6 #通用爬蟲
7 url = 'https://voice.baidu.com/act/newpneumonia/newpneumonia'
8 headers = {
9 "User-Agent": ".....(換成自己的)"
10 }
11 response = requests.get(url=url,headers=headers).text
12 #在使用xpath的時(shí)候要用樹形態(tài)
13 html = etree.HTML(response)
14 #用xpath來獲取我們之前找到的頁面json數(shù)據(jù) 并打印看看
15 json_text = html.xpath('//script[@type="application/json"]/text()')
16 json_text = json_text[0]
17 print(json_text)
之后我們來解析一下json數(shù)據(jù)，上代碼：
1 #用python本地自帶的庫轉(zhuǎn)換一下json數(shù)據(jù) 2 result = json.loads(json_text) 3 print(result) 4 #通過打印出轉(zhuǎn)換的對象我們可以看到我們要的數(shù)據(jù)都要key為component對應(yīng)5 的值之下 所以現(xiàn)在我們將值拿出來 6 result = result["component"] 7 #再次打印看看結(jié)果 8 print(result) 9 獲取國內(nèi)當(dāng)前數(shù)據(jù) 10 result = result[0]['caseList'] 11 print(result)
接著我們將獲取到的數(shù)據(jù)保存到excel中，上代碼:
1 #創(chuàng)建工作簿
2 wb = openpyxl.Workbook()
3 創(chuàng)建工作表
4 ws = wb.active
5 設(shè)置表的標(biāo)題
6 ws.title = "國內(nèi)疫情"
7 寫入表頭
8 ws.append(["省份","累計(jì)確診","死亡","治愈"])
9 #獲取各省份的數(shù)據(jù)并寫入
10 for line in result:
11 line_name = [line["area"],line["confirmed"],line["died"],line["crued"]]
12 for ele in line_name:
13 if ele == '':
14 ele = 0
15 ws.append(line_name)
16 #保存到excel中
17 wb.save('./china.xlsx')
最后我們查看一下獲取到的數(shù)據(jù)是什么樣的，如圖：
emmmm，終于我們把數(shù)據(jù)獲取部分完成了，第二部分的數(shù)據(jù)可視化來了?。。?/p>
數(shù)據(jù)可視化
這次我們用到的庫是pyecharts里面的Map，我們先展示一下本次可視化用到的庫
1 #可視化部分 2 import pandas as pd 3 from pyecharts.charts import Map,Page 4 from pyecharts import options as opts
首先我們要先通過pandas庫來獲取到剛才我們爬取到的數(shù)據(jù)，上代碼：
1 設(shè)置列對齊
2 pd.set_option('display.unicode.ambiguous_as_wide', True)
3 pd.set_option('display.unicode.east_asian_width', True)
4 打開文件
5 df = pd.read_excel('china.xlsx')
6 對省份進(jìn)行統(tǒng)計(jì)
7 data2 = df['省份']
8 data2_list = list(data2)
9 data3 = df['累計(jì)確診']
10 data3_list = list(data3)
11 data4 = df['死亡']
12 data4_list = list(data4)
13 data5 = df ['治愈']
14 data5_list = list(data5)
接著我們來做數(shù)據(jù)可視化，將在我國地圖上的各個(gè)省份顯示出對應(yīng)的數(shù)值
我們以疫情發(fā)生以來治愈數(shù)為例，上代碼：
1 c = (
2 Map()
3 .add("治愈", [list(z) for z in zip(data2_list, data5_list)], "china")
4 .set_global_opts(
5 title_opts=opts.TitleOpts(),
6 visualmap_opts=opts.VisualMapOpts(max_=200),
7 )
8 )
9 c.render()
當(dāng)然僅僅一個(gè)治愈情況當(dāng)然說明不了什么，所以我們將三種情況都以這種形式顯示出來，上代碼：
1 a = (
2 Map()
3 .add("累計(jì)確診", [list(z) for z in zip(data2_list, data3_list)], "china")
4 .set_global_opts(
5 title_opts=opts.TitleOpts(),
6 visualmap_opts=opts.VisualMapOpts(max_=200),
7 )
8 )
9
10 b = (
11 Map()
12 .add("死亡", [list(z) for z in zip(data2_list, data4_list)], "china")
13 .set_global_opts(
14 title_opts=opts.TitleOpts(),
15 visualmap_opts=opts.VisualMapOpts(max_=200),
16 )
17 )
18
19 c = (
20 Map()
21 .add("治愈", [list(z) for z in zip(data2_list, data5_list)], "china")
22 .set_global_opts(
23 title_opts=opts.TitleOpts(),
24 visualmap_opts=opts.VisualMapOpts(max_=200),
25 )
26 )
27
28 page = Page(layout=Page.DraggablePageLayout)
29 page.add(
30 a,
31 b,
32 c,
33 )
34 先生成render.html文件
35 page.render()
當(dāng)然如果是直接運(yùn)行代碼的話展現(xiàn)出來的地圖不是這樣的，這個(gè)是通過后期的排版來完成的。那么在最后我們來說說是怎么排版的吧。
首先你先將上面的代碼運(yùn)行之后會產(chǎn)生一個(gè)render.html的文件然后你打開文件之后可以調(diào)整整個(gè)頁面的布局，根據(jù)自己的喜歡來調(diào)整，接著點(diǎn)擊左上角的“Save Config”將這個(gè)json文件保存到跟render.html這個(gè)文件同一個(gè)路徑之下，最后運(yùn)行一下代碼：
1 #完成上一步之后把 page.render()這行注釋掉
2 #然后循行這下面
3 Page.save_resize_html("render.html",
4 cfg_file="chart_config.json",
5 dest="my_test.html")
這樣以后會產(chǎn)生一個(gè)my_test.html這個(gè)文件就是我們上面展示的那樣啦。以上就是我們這次的結(jié)果。從數(shù)據(jù)的獲取到數(shù)據(jù)可視化，怎么說呢pyecharts還具有其他強(qiáng)大的可視化功能。
python的特色
• 簡單
• 易于學(xué)習(xí)
• 自由開放
• 跨平臺
• 可嵌入
• 豐富的庫
總結(jié)
到此這篇關(guān)于用Python可視化新冠疫情數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Python疫情數(shù)據(jù)可視化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Django中實(shí)現(xiàn)一個(gè)高性能計(jì)數(shù)器(Counter)實(shí)例
這篇文章主要介紹了Django中實(shí)現(xiàn)一個(gè)高性能計(jì)數(shù)器(Counter)實(shí)例,分解成一步一步去講解,并配有例子,需要的朋友可以參考下2014-07-07
使用Python實(shí)現(xiàn)遺傳算法的完整代碼
這篇文章主要介紹了使用Python實(shí)現(xiàn)遺傳算法,其本質(zhì)是一種高效、并行、全局搜索的方法,自適應(yīng)的控制搜索過程以求得最優(yōu)解,需要的朋友可以參考下2023-03-03
在Python中，魔法方法是指那些以雙下劃線開頭和結(jié)尾的特殊方法，它們是Python的內(nèi)置方法，對應(yīng)于Python對象的各種運(yùn)算符，這篇文章將深入探討Python的一些魔法方法，并通過示例展示如何使用它們,需要的朋友可以參考下2023-06-06
Python實(shí)現(xiàn)批量生成,重命名和刪除word文件
這篇文章主要為大家詳細(xì)介紹了Python如何利用第三方庫實(shí)現(xiàn)批量生成、重命名和刪除word文件的功能，文中的示例代碼講解詳細(xì)，需要的可以參考一下2023-03-03
本文將深入研究Python中列表合并的幾種方法，通過詳細(xì)的示例代碼和細(xì)致的解釋，呈現(xiàn)一場關(guān)于列表操作的精彩探險(xiǎn)，無論是初學(xué)者還是有經(jīng)驗(yàn)的開發(fā)者，通過學(xué)習(xí)本文，將更加熟練地運(yùn)用這些方法，提升代碼的效率和可讀性2024-01-01
python自制包并用pip免提交到pypi僅安裝到本機(jī)【推薦】
這篇文章主要介紹了python自制包并用pip免提交到pypi僅安裝到本機(jī),本文分步驟給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2019-06-06
本文主要介紹了python跨文件使用全局變量的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
Pytorch?autograd與邏輯回歸的實(shí)現(xiàn)詳解
這篇文章主要為大家介紹了Pytorch?autograd與邏輯回歸的實(shí)現(xiàn)詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-07-07
python中的f是format函數(shù)的縮寫,用于格式化輸出,下面這篇文章主要給大家介紹了關(guān)于python中f字符串以及其常見用法的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-05-05
2020版Python學(xué)習(xí)路線圖(附學(xué)習(xí)資料)
這篇文章主要介紹了Python學(xué)習(xí)路線圖(2020最新版)，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2020-09-09