pyecharts疫情数据可视化

数据可视化pyecharts

可视化设计过程：

采用jupyter notebook进行代码编写，因为ipynb文件方便传输到教师的电脑中检查，可以直接pip install jupyter notebook之后将文件上传到notebook网页中，然后一个框一个框的依次运行，就可以当场返回结果。根据需求设计来做。

采用了pyecharts进行数据可视化，pyecharts可以直接返回html文件，在有需要时方便进行前端页面编写等操作。

负责爬取数据的同学对于爬取下来的数据格式和文件名定义给出了如下图所示的标准：

之后进入数据可视化流程。首先以普通表格式返回一个输出结果确认可以从文件中读取到数据

然后，可视化系统分析了新冠病毒的整体情况，我们汇总得到全球各个国家的累计确诊人数和全国各个省份的累计确诊人数，然后使用pyecharts绘制确诊人数热力图，颜色越深对应的确诊人数越高
对应部分主要代码如下：

展示出来的热力图效果则如下所示：

用几乎相似的方式去生成中国境内各省市的确诊情况热力图。生成结果如下图所示：

然后，通过可视化系统分析了当前的治愈和病死情况，我们统计展示了病死率和治愈率最高的十个国家及对应的指标数值，以及绘制了全球各国病死人数的分布饼图。
代码如下：

生成结果为

治愈率高的国家的结果与死亡率最高的国家的结果展示形式相同

接着，由于可视化各国死亡人数需要两个属性的比较，所以采用玫瑰图的形式，半径长度表示死亡人数数值的大小，角度大小表示死亡人数的比例多少
代码如下：

展示出来的玫瑰图效果：

一月中每日新增人数折线图，可视化系统绘制了5月每日新增确诊和新增治愈的人数变化情况，可以发现新增确诊人数还是明显高于新增治愈人数的。
代码部分如下：

返回的折线图如下所示：

最后，可视化系统绘制了4月份确诊人数最高的10个国家的确诊人数的动态变化规律。代码部分如下所示：



在这次可视化系统编写中，是一个十分完整的流程，需要对数据源进行谨慎地选择分析，也需要对可视化第三方库进行充分的了解。在我看来，pyecharts作为python的自带可视化工具，可以满足几乎所有目前所需的可视化要求，但它的弱势也很明显，它很难与前端页面进行交互相融，只能以将返回的html页面上传到前端服务器的方式，将结果显示在前端页面。