Python｜200行代码实现疫情地图
注：文末获取完整代码及词库
在我们每天关注着疫情变化的同时，可以看到各式各样的疫情地图，本文就让我们一起来实现一下疫情地图的制作。
文中的代码均由python实现，需要准备的库如下：
- bs4
- pyechart（V1,博主版本1.7.1）
- pandas
一、库的引入
import re
from bs4 import BeautifulSoup
from urllib.request import urlopen
from pyecharts.charts import Map, Geo
from pyecharts import options as opts二、数据源代码获取（来自丁香园）
html = urlopen(
"https://3g.dxy.cn/newh5/view/pneumonia_peopleapp").read().decode('utf-8')
# 获取html网页的源代码
bs = BeautifulSoup(html, "html.parser")三、获取省份/确诊数字典
获取国内现存确诊数列表
获取国内累计确诊数列表
str1 = bs.body.text
# 查找字符串中指定国内省份对应数据的关键字，进行截取
str1 = str1[str1.find('window.getAreaStat = '):]
data = str1[str1.find('[{'):str1.find('}catch')]
# 字符串转字典数组
data_list = eval(data)
# 省份现存确诊数
new_dict = {}
# 省份累计确诊数
new_dict1 = {}
#循环遍历data_list取数据{省份：确诊数}
for province in data_list:
#将省份现存确诊数放入new_dict字典中，处理不合格的省份名称replace
new_dict[province['provinceName'].replace('自治区', '').replace(
'回族', '').replace('维吾尔', '').replace('省', '').replace('市', '').replace(
'壮族', '')] = province['currentConfirmedCount']
#省份累计确诊数
new_dict1[province['provinceName'].replace('自治区', '').replace(
'回族', '').replace('维吾尔', '').replace('省', '').replace('市', '').replace(
'壮族', '')] = province['confirmedCount']
# print(new_dict)
# print(new_dict1)四、制作现存确诊地图
#将字典中的省份key以列表的形式取出来
province = list(new_dict.keys())
#将字典中确诊数values以列表形式取出来
values = list(new_dict.values())
c = (
Map(init_opts=opts.InitOpts(
width='1600px', height='800px', bg_color="white"))
.add(
series_name="现存确诊",
data_pair=[list(z) for z in zip(province, values)],
maptype='china')
.set_global_opts(
title_opts=opts.TitleOpts(title="中国现存确诊病例地图"),
visualmap_opts=opts.VisualMapOpts(
pieces=[{
"max": 0,
"label": "0人",
"color": "#FFFFFF"
}, {
"min": 1,
"max": 9,
"label": "1-10人",
"color": "#FFEBCD"
}, {
"min": 10,
"max": 99,
"label": "10-99人",
"color": "#FFA07A"
}, {
"min": 100,
"max": 499,
"label": "100-499人",
"color": "#FF4040"
}, {
"min": 500,
"max": 999,
"label": "500-999人",
"color": "#CD2626"
}, {
"min": 1000,
"max": 10000,
"label": "1000-10000人",
"color": "#B22222"
}, {
'min': 10000,
"label": ">10000人",
"color": "#8B1A1A"
}],
# 颜色是否分段显示（False为渐变，True为分段）
is_piecewise=True,
))
.render("现存疫情地图.html"))我们得到的2020年3月29日的现存确诊地图如下（结果为网页端可交互的HTML）：
五、制作累计确诊地图
province1 = list(new_dict1.keys())
values1 = list(new_dict1.values())
c = (
Map(init_opts=opts.InitOpts(
width='1600px', height='800px', bg_color="white"))
.add(
series_name="累计确诊",
data_pair=[list(z) for z in zip(province1, values1)],
maptype='china')
.set_global_opts(
title_opts=opts.TitleOpts(title="中国累计确诊病例地图"),
visualmap_opts=opts.VisualMapOpts(
pieces=[{
"max": 0,
"label": "0人",
"color": "#FFFFFF"
}, {
"min": 1,
"max": 9,
"label": "1-10人",
"color": "#FFEBCD"
}, {
"min": 10,
"max": 99,
"label": "10-99人",
"color": "#FFA07A"
}, {
"min": 100,
"max": 499,
"label": "100-499人",
"color": "#FF4040"
}, {
"min": 500,
"max": 999,
"label": "500-999人",
"color": "#CD2626"
}, {
"min": 1000,
"max": 10000,
"label": "1000-10000人",
"color": "#B22222"
}, {
'min': 10000,
"label": ">10000人",
"color": "#8B1A1A"
}],
# 颜色是否分段显示（False为渐变，True为分段）
is_piecewise=True,
))
.render("累计疫情地图.html"))我们得到的2020年3月29日的累计确诊地图如下：
六、获取各个国家的确诊数据
str2 = bs.body.text
str2 = str2[str2.find('window.getListByCountryTypeService2true = '):]
data2 = str2[str2.find('[{'):str2.find('}catch')]
# eval函数会识别bool类型数据，我们把true和false的首字母改成大写
data2 = data2.replace('true', 'True')
data2 = data2.replace('false', 'False')
# 字符串转换成字典数组
data_list2 = eval(data2)
# print(data_list2)
world_confirmedCount = {}七、生成英文国家名称
在pyechart的世界地图中每个国家的名称使用英文来显示，我们需要传入英文的国际名称，本模块我们的中文国家名称做更改。
import pandas as pd
for province2 in data_list2:
#对特殊字符串做处理
world_confirmedCount[province2['provinceName'].replace(
'钻石公主号邮轮', '').replace('其他', '')] = province2['confirmedCount']
world_confirmedCount[
province2['provinceName']] = province2['confirmedCount']
country = pd.read_csv("国家对照表.csv")
dict_country = country.set_index('中文').T.to_dict('list')
new_world_count = {}
for k, v in world_confirmedCount.items():
try:
key = dict_country.get(k)[0]
new_world_count[key] = v
except Exception as e:
pass八、添加中国的数据
经过测试发现，我们拿到丁香园的世界疫情数据中没有中国的数据，本模块我们把中国的数据添加进来。
# 把中国的确诊人数加入
ChinaCount = re.search(
r'"countRemark":"","currentConfirmedCount":(\-?)\d*,"confirmedCount":(\-?)\d*',
bs.body.text)
zs_dict = eval('{' + ChinaCount.group().replace('"countRemark":"",', '') + '}')
del zs_dict['currentConfirmedCount']
zs_dict['china'] = zs_dict.pop('confirmedCount')
# 将中国累计确诊数据添加到world_dict
new_world_count.update(zs_dict)九、制作世界疫情地图
本步骤的制作方式与中国疫情地图的方式相同，我们只需要更改数据和maptype='world'即可。
province = list(new_world_count.keys())
values = list(new_world_count.values())
c = (
Map(init_opts=opts.InitOpts(
width='1600px', height='800px', bg_color="white"))
.add(
series_name="累计确诊",
data_pair=[list(z) for z in zip(province, values)],
maptype='world',
label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="世界现存确诊病例地图"),
visualmap_opts=opts.VisualMapOpts(
pieces=[{
"max": 0,
"label": "0人",
"color": "#FFFFFF"
}, {
"min": 1,
"max": 9,
"label": "1-10人",
"color": "#FFEBCD"
}, {
"min": 10,
"max": 99,
"label": "10-99人",
"color": "#FFA07A"
}, {
"min": 100,
"max": 499,
"label": "100-499人",
"color": "#FF4040"
}, {
"min": 500,
"max": 999,
"label": "500-999人",
"color": "#CD2626"
}, {
"min": 1000,
"max": 10000,
"label": "1000-10000人",
"color": "#B22222"
}, {
'min': 10000,
"label": ">10000人",
"color": "#8B1A1A"
}],
# 颜色是否分段显示（False为渐变，True为分段）
is_piecewise=True
))
.render("世界疫情地图.html"))我们得到的2020年3月29日的世界累计确诊地图如下：
回复“疫情”即可获取全部代码及词汇对照表。
