利用python爬取2019-nCoV确诊数据并制作pyecharts可视化地图
1.本章利用python爬取2019-nCoV确诊数据并制作pyecharts可视化地图；
2.主要内容为绘制出中国各省疫情数据，疫情数据从四个维度进行可视化展示：累积确诊人数、现存确诊人数、治愈人数、死亡人数。鼠标移动到省份上方，则展示出相关数据；地图上添加的图例，用颜色深浅和界定确诊人数的数量范围直观反应各省份疫情现状况，点击图例的颜色框可以让图上的对应区域颜色显现或消失。
3.上图为丁香园数据疫情图，我们可以从腾讯新闻网站搜索相关疫情数据，附上疫情数据接口:
https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5
打开疫情数据接口链接如下图所示：**
4.密密麻麻的数据我们用Jupyter Notebook分析下疫情数据
请求疫情数据，代码如下，结果如图所示：
from fake_useragent import UserAgent
import requests
import json
ua = UserAgent()
headers = {
'User-Agent':ua.chrome
}
url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'
response = requests.get(url,headers)
list_json = json.loads(response.text)
print(type(list_json))
list_json
5.获取疫情数据里的’data‘数据，
代码如下，结果如图所示：
global false,null,true
false = null = true = ""
jo = list_json['data']
type(jo)
6.将获取到的’data‘字符串数据转换成字典类型，方便数据操作；
代码如下，结果如图所示：
data = eval(jo)
data
7.获取数据如下图所示
8.获取各个省份确诊人数的信息
9.疫情数据从四个维度进行可视化展示：累积确诊人数、现存确诊人数、治愈人数、死亡人数。
图中为北京疫情数据：
累积确诊人数（confirm）、
现存确诊人数（nowConfirm）、
治愈人数（heal）、
死亡人数（dead）；
10.获取并打印数据
代码如下，结果如图所示：
print(data['areaTree'][0]['children'][0]['name'])
print(data['areaTree'][0]['children'][0]['total']['nowConfirm'])
print(data['areaTree'][0]['children'][0]['total']['confirm'])
print(data ['areaTree'][0]['children'][0]['total']['dead'])
print(data['areaTree'][0]['children'][0]['total']['heal'])
11.整理合并各个省份确诊人数的信息：
代码如下，结果如图所示：
# 地区
area = []
# 现存确诊
nowConfirm = []
# 累积确诊
confirm = []
# 死亡人数
dead = []
# 治愈人数
heal = []
for i in range(34):
# 获取添加中国各个省份名称
area.append(data['areaTree'][0]['children'][i]['name'])
# 获取添加中国各个省份现存确诊人数
nowConfirm.append(data['areaTree'][0]['children'][i]['total']['nowConfirm'])
# 获取添加中国各个省份累积确诊人数
confirm.append(data['areaTree'][0]['children'][i]['total']['confirm'])
# 获取添加中国各个省份死亡人数
dead.append(data['areaTree'][0]['children'][i]['total']['dead'])
# 获取添加中国各个省份治愈人数
heal.append(data['areaTree'][0]['children'][i]['total']['heal'])
# 将数据封装成[‘北京’，[325,923,9,589]]这样的形式方便于数据可视化
data_pair = []
for i in range(34):
x = []
# 添加该省的累积确诊人数
x.append(confirm[i])
# 添加该省的死亡人数
x.append(dead[i])
# 添加该省的治愈人数
x.append(heal[i])
# 添加该省的现存确诊人数
x.append(nowConfirm[i])
# 将中国各省疫情数据添加到data_pair数组里
data_pair.append(x)
testv = []
for i in range(34):
# 向中国各省与该省疫情数据匹配
testMap = [area[i],data_pair[i]]
#获取整理各个省份确诊人数的信息
testv.append(testMap)
lastUpdateTime = data['lastUpdateTime']
print(lastUpdateTime)
testv
12（桥黑板！！！重点！）
画图：获取各个省份确诊人数的信息以及最后更新的时间并制作pyecharts可视化地图
代码如下，结果如图所示：
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.commons.utils import JsCode
import os
c=(
Map()
#主要方法，用于添加图表的数据和设置各种配置项
.add(
#这个参数必须有，必须写，哪怕你传递一个空字符串，也要写，因为不写这个参数，会报错
series_name = "",
## 数据项
data_pair = testv,
# mapType显示地图范围,为china,显示中国地图
maptype = "china",
# 去掉地图标识小红点
is_map_symbol_show=False,
# 是否显示标签
label_opts =opts.LabelOpts(is_show = True),
)
#设置全局配置项
.set_global_opts(
title_opts = opts.TitleOpts(
title="2020中国疫情地图",
subtitle = "XinXinM"+"\n\n\n全国各省份确诊人数分布\n\n截至: "+lastUpdateTime,
),
visualmap_opts = opts.VisualMapOpts(
# 是否为分段型
is_piecewise=True,
# 自定义的每一段的范围，以及每一段的文字，以及每一段的特别的样式
pieces= [
# 不指定 max，表示 max 为无限大（Infinity）。
{"max": 0,"label":"0","color":"#ffffff"},
{"min": 1, "max": 10,"color":"#ebb4a8"},
{"min": 10, "max": 100,"color":"#e09694"},
{"min": 100, "max": 500,"color":"#cb8382"},
{"min": 500, "max": 1000,"color":"#b27372"},
{"min": 1000, "color":"#976461"},
],
# 是否反转 visualMap 组件
is_inverse=True,
# visualMap 组件离容器右侧的距离
pos_right='right',
),
tooltip_opts=opts.TooltipOpts(
# 提示框浮层的背景颜色。
background_color='white',
# 提示框浮层的边框宽。
border_width=1,
# 文字样式配置项，参考 `series_options.TextStyleOpts`
textstyle_opts=opts.TextStyleOpts(color='#00C791'),
# 回调函数，回调函数格式：
# (params: Object|Array) => string
# 参数 params 是 formatter 需要的单个数据集。
formatter=(JsCode(
"""
function(params){
return params.name + ' : '
+ '
'
+ '现存确诊：'+params.data.value[3]
+ '
'
+ '累积确诊：'+params.data.value[0]
+ '
'
+ '死亡人数：'+params.data.value[1]
+ '
'
+ '治愈人数：'+params.data.value[2];
}
"""
)
)
)
)
# 默认将会在根目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置
.render("China_2019-nCov_map.html"),
)
#system函数可以将字符串转化成命令在服务器上运行，其会创建一个子进程在系统上执行命令行，子进程的执行结果无法影响主进程；
os.system("China_2019-nCov_map.html")
完整代码：
from fake_useragent import UserAgent
import requests
import json
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.commons.utils import JsCode
import os
class nCov_2019:
# 伪造随机的User-Agent
ua = UserAgent()
def __init__(self):
# 伪造随机的User-Agent
ua = UserAgent()
# 设置了一个headers，在构建request时传入，在请求时，就加入了headers传送，服务器若识别了是浏览器发来的请求，就会得到响应。
self.headers = {
# 伪造Chrome浏览器用户代理
'User-Agent':ua.chrome
}
# 腾讯新闻网站疫情数据接口
self.url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'
# 解析接口数据
def parse_url(self):
response = requests.get(self.url,headers=self.headers)
# 将请求到的数据转化为字典类型
list_json = json.loads(response.text)
# 返回接口数据信息
return list_json
def getDateList(self,list_json):
#将data数据类型str，转成dict类型 方便操作数据
# 当字典中，有键值为True或则False这种bool类型时，使用eval会报错NameError: name 'false' is not defined
global false,null,true
false = null = true = ""
jo = list_json['data']
# 将jo字符串数据转换为dict类型方便数据操作
data = eval(jo)
return data
def main(self):
list_json = self.parse_url()
data = self.getDateList(list_json)
return data
nCov_2019 = nCov_2019()
data = nCov_2019.main()
# 数据最新更新时间
lastUpdateTime = data['lastUpdateTime']
# 地区
area = []
# 现存确诊
nowConfirm = []
# 累积确诊
confirm = []
# 死亡人数
dead = []
# 治愈人数
heal = []
for i in range(34):
# 获取添加中国各个省份名称
area.append(data['areaTree'][0]['children'][i]['name'])
# 获取添加中国各个省份现存确诊人数
nowConfirm.append(data['areaTree'][0]['children'][i]['total']['nowConfirm'])
# 获取添加中国各个省份累积确诊人数
confirm.append(data['areaTree'][0]['children'][i]['total']['confirm'])
# 获取添加中国各个省份死亡人数
dead.append(data['areaTree'][0]['children'][i]['total']['dead'])
# 获取添加中国各个省份治愈人数
heal.append(data['areaTree'][0]['children'][i]['total']['heal'])
# 将数据封装成[‘北京’，[325,923,9,589]]这样的形式方便于数据可视化
data_pair = []
for i in range(34):
x = []
# 添加该省的累积确诊人数
x.append(confirm[i])
# 添加该省的死亡人数
x.append(dead[i])
# 添加该省的治愈人数
x.append(heal[i])
# 添加该省的现存确诊人数
x.append(nowConfirm[i])
# 将中国各省疫情数据添加到data_pair数组里
data_pair.append(x)
testv = []
for i in range(34):
# 向中国各省与该省疫情数据匹配
testMap = [area[i],data_pair[i]]
#获取整理各个省份确诊人数的信息
testv.append(testMap)
c=(
Map()
#主要方法，用于添加图表的数据和设置各种配置项
.add(
#这个参数必须有，必须写，哪怕你传递一个空字符串，也要写，因为不写这个参数，会报错
series_name = "",
## 数据项
data_pair = testv,
# mapType显示地图范围,为china,显示中国地图
maptype = "china",
# 去掉地图标识小红点
is_map_symbol_show=False,
# 是否显示标签
label_opts =opts.LabelOpts(is_show = True),
)
#设置全局配置项
.set_global_opts(
title_opts = opts.TitleOpts(
title="2020中国疫情地图",
subtitle = "XinXinM"+"\n\n\n全国各省份确诊人数分布\n\n截至: "+lastUpdateTime,
),
visualmap_opts = opts.VisualMapOpts(
# 是否为分段型
is_piecewise=True,
# 自定义的每一段的范围，以及每一段的文字，以及每一段的特别的样式
pieces= [
# 不指定 max，表示 max 为无限大（Infinity）。
{"max": 0,"label":"0","color":"#ffffff"},
{"min": 1, "max": 10,"color":"#ebb4a8"},
{"min": 10, "max": 100,"color":"#e09694"},
{"min": 100, "max": 500,"color":"#cb8382"},
{"min": 500, "max": 1000,"color":"#b27372"},
{"min": 1000, "color":"#976461"},
],
# 是否反转 visualMap 组件
is_inverse=True,
# visualMap 组件离容器右侧的距离
pos_right='right',
),
tooltip_opts=opts.TooltipOpts(
# 提示框浮层的背景颜色。
background_color='white',
# 提示框浮层的边框宽。
border_width=1,
# 文字样式配置项，参考 `series_options.TextStyleOpts`
textstyle_opts=opts.TextStyleOpts(color='#00C791'),
# 回调函数，回调函数格式：
# (params: Object|Array) => string
# 参数 params 是 formatter 需要的单个数据集。
formatter=(JsCode(
"""
function(params){
return params.name + ' : '
+ '
'
+ '现存确诊：'+params.data.value[3]
+ '
'
+ '累积确诊：'+params.data.value[0]
+ '
'
+ '死亡人数：'+params.data.value[1]
+ '
'
+ '治愈人数：'+params.data.value[2];
}
"""
)
)
)
)
# 默认将会在根目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置
.render("China_2019-nCov_map.html"),
)
#system函数可以将字符串转化成命令在服务器上运行，其会创建一个子进程在系统上执行命令行，子进程的执行结果无法影响主进程；
os.system("China_2019-nCov_map.html")
生成的"China_2019-nCov_map.html"代码：
Awesome-pyecharts
结果如图所示，爬取2019-nCoV确诊数据并制作pyecharts可视化地图与丁香园疫情图数据相符合：
可点击地图旁边的图例，点击颜色框框选择是否要在地图该区域范围渲染上颜色：
