2020肺炎数据收集统计

无聊医生玩python

爬取分析2020肺炎官方数据

说明：本文数据都来自官方发布内容，由于春节期间电脑不在手边，本人是医生，开始几天很忙，动手有点晚了，前面一些天数据有些没有统计全。

数据下载

1 爬虫代码

本来一回来想好好写个爬虫的，后来发现很容易找到了数据接口。直接下载json就是了。每天备份一份，留作后期分析。我写的时候用了scrapy，其实没必要，主要是scrapy里面有现成的文档及数据库管道，省许多事。写这篇前我把他们都拷贝出来整理成.py文件了。

from datetime import date
import re
import requests
# from lxml import etree

def request_handle(url):
    '''发送请求'''
    headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36 Edg/79.0.309.71'}
    r = requests.get(url, headers = headers, timeout= 5)
    coding = r.apparent_encoding
    r.encoding = coding
    return r

def parse_area(text):
    '''正则解析提取文件'''

    pattern = re.compile(r'')
    area = pattern.findall(text)[0].replace('{ window.getAreaStat = ','').replace(r'}catch(e){}','')
    return area   

def parse_country(text):
    '''正则解析提取文件'''
    pattern = re.compile(r'')
    country = pattern.findall(text)[0].replace('{ window.getListByCountryTypeService2 = ','').replace(r'}catch(e){}','')
    return country


def creatfile(path,string):
    with open(path,'w') as f:
        f.write(string)
def main():

    url = (
    'https://ncov.dxy.cn/ncovh5/view/pneumonia_peopleapp',#丁香园数据
    'https://server.toolbon.com/home/tools/getPneumonia',#疫情数据接口
    )

    r = request_handle(url[0])
    area = parse_area(r.text)
    path_area = f'./txt/yiqing/[{date.today()}]yiqing_area.json'
    creatfile(path_area, area)
    country = parse_country(r.text)
    path_country = f'./txt/yiqing/[{date.today()}]yiqing_country.json'
    creatfile(path_country, country)
    r = request_handle(url[1])
    path_full = f'./txt/yiqing/[{date.today()}]yiqing_full.json'
    creatfile(path_full, r.text)

if __name__ == '__main__':
    main()

看下json吧，数据很全

多爬了一个丁香园是担心各网站数据不同，留作比对，后来发现没啥区别。又写了下面的直接把数据放在mysql上了。

第二段代码

import json
import requests
import pymysql
import time


def request_handle(url):
    '''发送请求'''
    headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36 Edg/79.0.309.71'}
    r = requests.get(url, headers = headers, timeout= 5)
    coding = r.apparent_encoding
    r.encoding = 'utf8'
    return r

def parse_china_item(response):
    '''解析提取文件'''
    rdict = json.loads(response.text)
    return rdict['data']['statistics']
def insert_mysql(item):

    db = pymysql.connect('localhost', usename, password, dbname)
    cursor = db.cursor()


    sql = '''INSERT INTO tablename(
        date, 
        suspectedCount,
        confirmedCount,
        curedCount,
        deadCount,
        seriousCount,
        suspectedIncr,
        confirmedIncr,
        curedIncr,
        deadIncr,
        seriousIncr
        ) VALUES('%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s')''' %(
        item['modifyTime'],
        item['suspectedCount'],
        item['confirmedCount'],
        item['curedCount'],
        item['deadCount'],
        item['seriousCount'],
        item['suspectedIncr'],
        item['confirmedIncr'],
        item['curedIncr'],
        item['deadIncr'],
        item['seriousIncr']
        )

    try:
        cursor.execute(sql)
        db.commit()
        print('---------------写入MySQL成功------------')
    except:
        rollback()
        print('---------------写入MySQL不成功------------')
    db.close()

def main():
    '''下载解析相关数据，存入mysql'''
    url = 'https://server.toolbon.com/home/tools/getPneumonia'
    r = request_handle(url)
    item = parse_china_item(r)
    #对timeArray进行格式转换
    timeArray = time.localtime(item.get('modifyTime')/1000)
    item['modifyTime']= time.strftime("%Y-%m-%d", timeArray)
    insert_mysql(item)


if __name__ == '__main__':
    main()

看下效果

数据分析

分析主要在jupyter上做的，做了好多尝试，没得出什么乐观的结论。拿一段代码看看吧。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt


def xiantu1(df,x1,y1,x2,y2,title):
    '''绘制双线图'''

    #对plt进行设置,避免中文乱码,注意Mac可用的字体是Arial Unicode MS
    plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
    plt.rcParams['axes.unicode_minus'] = False
    plt.figure(figsize=(14,8))
    plt.plot(x1, y1,'o-',linewidth =3)
    plt.plot(x2, y2,'o-',linewidth =3)
    # plt.axis([0,34000])
    plt.title(title,fontsize = 20)

    #设置坐标轴名称
    plt.xlabel('日期',fontsize=18)
    plt.ylabel('人数',fontsize =18)

    plt.tick_params(labelsize = 10)#轴数据字体大小
    plt.xticks(rotation=-30)#旋转x轴上文字角度

    # plt.grid()#网格线

    # 设置数字标签
    for a, b in zip(x1, y1):
        plt.text(a, b, b, ha='center', va='bottom', fontsize=10)
    for a, b in zip(x2, y2):
        plt.text(a, b, b, ha='center', va='bottom', fontsize=10)

    plt.legend()#图例

    plt.show()
def main():
    df = pd.read_csv ('/users/mac/downloads/yiqing_view.csv')
    x1,y1 = df.日期, df.确诊
    x2,y2 = df.日期, df.疑似
    title = '疑似、确诊人数曲线'

    xiantu1(df,x1,y1,x2,y2,title)

if __name__ == '__main__':
    main()

看下效果

还有其他的：

y轴用log更能表现传染性的变化

总结

还做了许多其他的分析，还有各省的，由于动手晚了，只拿到近几天的数据，很遗憾，如果谁有，可以发给我。
[源文件](https://github.com/z1z22/yiqing2020)

写在最后：

祝大家身体健康，天下太平。