用Python爬取新型冠状病毒肺炎实时数据，pyecharts v1.x绘制全国疫情热力图

运行结果（2020-2-13）

基本流程

1. 抓取疫情数据，全国数据来源于腾讯实时疫情动态，直接get到json
2. 过滤掉geo中不存在的地区（否则geo会报错）
3. geo绘制热力图

数据格式

请参考以下文章中的抓包分析
用Python抓新型冠状病毒肺炎疫情数据，绘制全国疫情分布图

另外，如果是数据是新闻文本的话，主要用正则表达式，下面一篇可参考
用Python抓新型冠状病毒肺炎实时数据，绘制市内疫情地图

代码实现

#%%
# 全国疫情地区分布(各省确诊病例)
def catch_cn_disease_dis_ex():
    timestamp = '%d'%int(time.time()*1000)
    url_area = ('https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'
               '&callback=&_=') + timestamp
    world_data = json.loads(requests.get(url=url_area).json()['data'])
    china_data = jsonpath.jsonpath(world_data, 
                                   expr='$.areaTree[0].children[*]')
    ls_province_names = jsonpath.jsonpath(china_data, expr='$[*].name')
    ls_confirm_vals = jsonpath.jsonpath(china_data, expr='$[*].total.confirm')
    ls_province_confirm = list(zip(ls_province_names, ls_confirm_vals,)) 
    
    ls_city_names = jsonpath.jsonpath(china_data, expr='$[*].children[*].name')
    ls_city_confirm_vals = jsonpath.jsonpath(china_data, expr='$[*].children[*].total.confirm')
    ls_city_confirm = list(zip(ls_city_names, ls_city_confirm_vals))
    return ls_province_confirm, world_data, ls_city_confirm


#%%
g_ls_area_cfm_tuple =  catch_cn_disease_dis_ex()[2]
#%%
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType

# 过滤掉无效地区，如'地区待确认'、'外地来沪'等
# 注：数据源中台湾部分的数据未细化到城市，城市name为‘地区待确认’
def filter_city_cfm_by_geo(ls_area_cfm_tuple):
    ls_cfm_legal_cities = []
    c = Geo().add_schema(maptype='china')
    for city_name, city_cfm_val in ls_area_cfm_tuple:
        if c.get_coordinate(name=city_name) is None:
            print(city_name)
        else:            
            ls_cfm_legal_cities.append(tuple([city_name, city_cfm_val]))
    print(ls_cfm_legal_cities)
    return ls_cfm_legal_cities
#%%
ls_cfm_legal_cities = filter_city_cfm_by_geo(g_ls_area_cfm_tuple)
print(ls_cfm_legal_cities)
#%%
# 绘制全国疫情热力图
def heatmap_cn_disease_dis(ls_cfm_legal_cities) -> Geo:
    c = (
        Geo(init_opts=opts.InitOpts(width='100%', height='900px'))
        .add_schema(maptype='china')
        .add('中国', ls_cfm_legal_cities, type_=ChartType.HEATMAP) # EFFECT_SCATTER|SCATTER|HEATMAP
       # .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_series_opts(label_opts=opts.LabelOpts(is_show=True,        
                                                   # 把name中的经纬度干掉
                                                   formatter=JsCode("""
                                                           function(params){                                                                                                         
                                                                if (typeof(params.data) == 'undefined') {
                                                                    return params.value[2];  
                                                                } else {          
                                                                    return params.data.name + params.data.value[2] + '例' ;
                                                                }                                                                                                                 
                                                           }"""
                                                   ))
                                 ) 
        # 数目差别太大不宜用连续颜色，opts.VisualMapOpts(is_show=True, min_=0, max_=1000),
        .set_global_opts(visualmap_opts=opts.VisualMapOpts(is_show=True,  
                                                           #is_piecewise=False,  # 是否为分段型
                                                           pos_top='center',
                                                           # min_=0,
                                                           # max_=500, # 怎么设置差额巨大数据的颜色分布呢用分段？  
                                                           is_piecewise=True,  # 是否为分段型
                                            
                                                           pieces=[
                                                               {'min': 10000}, 
                                                               {'min': 1000, 'max': 10000},
                                                               {'min': 500, 'max': 999},
                                                               {'min': 100, 'max': 499},
                                                               {'min': 10, 'max': 99},
                                                               {'min': 0, 'max': 5} ],                                              
                                                           ), 
                             title_opts=opts.TitleOpts(title='冠状病毒疫情热力图')
                            
         )
    )
    return c

#%%
heatmap_cn_disease_dis(ls_cfm_legal_cities).render('中国疫情热力地图.html')

系列文章

第一篇：用Python抓新型冠状病毒肺炎实时数据，基于Basemap绘制省级疫情分布图
第二篇：用Python抓新型冠状病毒肺炎疫情数据，绘制全国疫情分布（Basemap）和走势图
第三篇：用Python抓新型冠状病毒肺炎实时数据，基于Basemap绘制市内疫情地图
第四篇：用Python爬取新型冠状病毒肺炎实时数据，pyecharts v1.x绘制省市区疫情地图

另外，pyecharts案例：
用Python pyecharts v1.x 绘制图形（一）:柱状图、柱状堆叠图、条形图、直方图、帕累托图、饼图、圆环图、玫瑰图
用Python pyecharts v1.x 绘制图形（二）:折线图、折线面积图、散点图、雷达图、箱线图、词云图

尽量不出门，出门戴口罩，众志成城战疫魔！
天佑湖北！天佑中国！