疫情可视化2
思来想去，虽然很忙，但还是挤时间针对这次YQ写个Python大数据分析系列博客，包括网络爬虫、可视化分析、GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。希望该系列线上远程教学对您有所帮助，加油。
前文分享了实时数据抓取，获取全国各地和贵州省各地区的实时数据，并将数据存储至本地，最后调用Maplotlib和Seaborn绘制。本文将结合PyEcharts绘制地图、折线图、柱状图，希望这篇可视化分析文章对您有所帮助，也非常感谢参考文献中老师的分享！如果您有想学习的知识或建议，可以给作者留言~
代码下载地址：https://github.com/eastmountyxz/Wuhan-data-analysis
CSDN下载地址：https://download.csdn.net/download/Eastmount/12239638
文章目录
- 一.数据爬取及PyEcharts绘制折线图
- 二.PyEcharts绘制全国各地区
- 三.PyEcharts绘制贵州省地区
- 四.PyEcharts绘制其他图形
- 五.总结
同时推荐前面作者另外五个Python系列文章。从2014年开始，作者主要写了三个Python系列文章，分别是基础知识、网络爬虫和数据分析。2018年陆续增加了Python图像识别和Python人工智能专栏。
- Python基础知识系列：Python基础知识学习与提升
- Python网络爬虫系列：Python爬虫之Selenium+BeautifulSoup+Requests
- Python数据分析系列：知识图谱、web数据挖掘及NLP
- Python图像识别系列：Python图像处理及图像识别
- Python人工智能系列：Python人工智能及知识图谱实战
前文阅读：
[Pyhon大数据分析] 一.实时数据爬取、Matplotlib和Seaborn可视化分析全国各地区、某省各城市、新增趋势
一.数据爬取及PyEcharts绘制折线图
前一篇文章作者详细讲解了TX新闻实时数据抓取过程，为了更好地进行可视化分析或数据分析，建议读者将数据存储至本地或数据库中。这里作者直接给出网络爬虫代码，将每日数据增长情况存储至本地。
爬虫目标网站：
- https://news.qq.com/zt2020/page/feiyan.htm
推荐参考文章：
- [Pyhon大数据分析] 一.实时数据爬取、Matplotlib和Seaborn可视化分析全国各地区、某省各城市、新增趋势
- Python实战：抓取实时数据，画2019-nCoV地图 - 许老师
- 用Python抓数据，绘制全国分布图 - shineych老师
- 2020Python开发者日：爬虫框架的技术实现与模块应用的经验分享 - 许老师
第一步 分析网站
通过浏览器“审查元素”查看源代码及“网络”反馈的消息。
第二步 网络爬虫代码
通过分析url地址、请求方法、参数及响应格式，可以获取Json数据，注意url需要增加一个时间戳，同时根据不同日期将数据存储至本地CSV文件。
# -*- coding: utf-8 -*-
import time, json, requests
from datetime import datetime
#------------------------------------------------------------------------------
# 第一步 抓取实时json数据
# 参考文章：许老师博客 https://blog.csdn.net/xufive/article/details/104093197
#------------------------------------------------------------------------------
def catch_daily():
url = ‘https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts&callback=&_=%d’%int(time.time()*1000)
data = json.loads(requests.get(url=url).json()[‘data’])
data.sort(key=lambda x:x[‘date’])
date_list = list() # 日期
confirm_list = list() # 确诊
suspect_list = list() # 疑似
dead_list = list() # 死亡
heal_list = list() # 治愈
for item in data:
month, day = item['date'].split('/')
date_list.append(datetime.strptime('2020-%s-%s'%(month, day), '%Y-%m-%d'))
confirm_list.append(int(item['confirm']))
suspect_list.append(int(item['suspect']))
dead_list.append(int(item['dead']))
heal_list.append(int(item['heal']))
return date_list, confirm_list, suspect_list, dead_list, heal_list
#------------------------------------------------------------------------------
# 第二步 存储数据至CSV文件
#------------------------------------------------------------------------------
def load_csv():
# 获取数据
date_list, confirm_list, suspect_list, dead_list, heal_list = catch_daily()
print(date_list) # 日期
print(confirm_list) # 确诊数据
print(suspect_list) # 疑似数据
print(dead_list) # 死亡数据
print(heal_list) # 治愈数据
# 获取当前日期命名(2020-02-13-daily.csv)
n = time.strftime("%Y-%m-%d") + "-daily.csv"
fw = open(n, 'w', encoding='utf-8')
fw.write('date,confirm,suspect,dead,heal\n')
i = 0
while i<len(date_list):
date = str(date_list[i].strftime("%Y-%m-%d"))
fw.write(date+','+str(confirm_list[i])+','+str(suspect_list[i])+','+str(dead_list[i])+','+str(heal_list[i])+'\n')
i = i + 1
else:
print("Over write file!")
fw.close()
# 主函数
if name == ‘main’:
load_csv()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
输出结果如下图所示，可以看到将1月13日至2月21日的数据抓取至本地。
第三步 安装PyEcharts扩展包
前端或网站开发的博友可能都使用过强大的Echarts技术。ECharts是一个纯Javascript的图表库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器，底层依赖轻量级的Canvas类库ZRender，提供直观、生动、可交互、可高度个性化定制的数据可视化图表。ECharts提供了常规的折线图、柱状图、散点图、饼图、K线图，用于统计的盒形图，用于地理数据可视化的地图、热力图、线图，用于关系数据可视化的关系图、treemap，多维数据可视化的平行坐标，还有用于BI的漏斗图、仪表盘，并且支持图与图之间的混搭。
下图是Echarts简单绘制折线图的示例，左边是脚本代码，右边是显示图形，非常美观。
http://echarts.baidu.com/echarts2/doc/example/line1.html#helianthus
既然Echarts这么好用，Python也有相应的第三方扩展包支持，它就是这篇文章讲解的PyEcharts库。PyEcharts是一个用于生成Echarts图表的类库，即Echarts与Python的对接，并推荐大家结合Django或Flask使用。接下来我们通过“pip install pyecharts”安装扩展包，再调用PyEcharts绘制柱状图。
推荐作者前文：
[Echarts可视化] 一.入门篇之简单绘制中国地图和贵州地区
[Python可视化] pyecharts安装入门及绘制中国贵州地图
第四步 调用PyEcharts绘制柱状图
# -*- coding: utf-8 -*-
# By: Eastmount CSDN xiuzhang
import time, json, requests
from datetime import datetime
import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode
#-------------------------------------------------------------------------------------
# 第一步：读取数据
#-------------------------------------------------------------------------------------
n = time.strftime("%Y-%m-%d") + “-daily.csv”
data = pd.read_csv(n)
date_list = list(data[‘date’])
confirm_list = list(data[‘confirm’])
suspect_list = list(data[‘suspect’])
dead_list = list(data[‘dead’])
heal_list = list(data[‘heal’])
print(date_list) # 日期
print(confirm_list) # 确诊数据
print(suspect_list) # 疑似数据
print(dead_list) # 死亡数据
print(heal_list) # 治愈数据
#-------------------------------------------------------------------------------------
# 第二步：绘制折线图
#-------------------------------------------------------------------------------------
line = (
Line()
.add_xaxis(date_list)
.add_yaxis(‘确诊数据’, confirm_list)
.add_yaxis(‘疑似数据’, suspect_list, is_smooth=True) #平滑
.add_yaxis(‘死亡数据’, dead_list)
.add_yaxis(‘治愈数据’, heal_list)
# 隐藏数字
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
# 设置x轴标签旋转角度
.set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)),
yaxis_opts=opts.AxisOpts(name=‘人数’, min_=3),
title_opts=opts.TitleOpts(title=‘2019-nCoV曲线图’))
)
line.render(‘2019-nCoV曲线图.html’)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
输出结果如下图所示，隐藏了所有点对应的数字，否则整体效果比较乱。同时，当点击某个点能看到具体的数值，比如2月21日全国总治愈人数为20673。
第五步 绘制折线面积图及平均曲线
# -*- coding: utf-8 -*-
# By: Eastmount CSDN xiuzhang
import time, json, requests
from datetime import datetime
import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode
#-------------------------------------------------------------------------------------
# 第一步：读取数据
#-------------------------------------------------------------------------------------
n = time.strftime("%Y-%m-%d") + “-daily.csv”
data = pd.read_csv(n)
date_list = list(data[‘date’])
confirm_list = list(data[‘confirm’])
suspect_list = list(data[‘suspect’])
dead_list = list(data[‘dead’])
heal_list = list(data[‘heal’])
print(date_list) # 日期
print(confirm_list) # 确诊数据
print(suspect_list) # 疑似数据
print(dead_list) # 死亡数据
print(heal_list) # 治愈数据
#-------------------------------------------------------------------------------------
# 第二步：绘制折线面积图
#-------------------------------------------------------------------------------------
line = (
Line()
.add_xaxis(date_list)
.add_yaxis(‘确诊数据’, confirm_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]))
.add_yaxis(‘疑似数据’, suspect_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]),)
.add_yaxis(‘死亡数据’, dead_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]),)
.add_yaxis(‘治愈数据’, heal_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]),)
# 隐藏数字 设置面积
.set_series_opts(
areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
label_opts=opts.LabelOpts(is_show=False))
# 设置x轴标签旋转角度
.set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)),
yaxis_opts=opts.AxisOpts(name=‘人数’, min_=3),
title_opts=opts.TitleOpts(title=‘2019-nCoV曲线图’))
)
line.render(‘2019-nCoV曲线图2.html’)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
输出结果如下图所示，可以看到确诊数据、疑似数据、死亡数据和治愈数据的面积及平均曲线。
第六步 增加最大值和最小值
# -*- coding: utf-8 -*-
# By: Eastmount CSDN xiuzhang
import time, json, requests
from datetime import datetime
import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode
#-------------------------------------------------------------------------------------
# 第一步：读取数据
#-------------------------------------------------------------------------------------
n = time.strftime("%Y-%m-%d") + “-daily.csv”
data = pd.read_csv(n)
date_list = list(data[‘date’])
confirm_list = list(data[‘confirm’])
suspect_list = list(data[‘suspect’])
dead_list = list(data[‘dead’])
heal_list = list(data[‘heal’])
print(date_list) # 日期
print(confirm_list) # 确诊数据
print(suspect_list) # 疑似数据
print(dead_list) # 死亡数据
print(heal_list) # 治愈数据
#-------------------------------------------------------------------------------------
# 第二步：绘制折线面积图
#-------------------------------------------------------------------------------------
line = (
Line()
.add_xaxis(date_list)
# 平均线 最大值 最小值
.add_yaxis(‘确诊数据’, confirm_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_=“max”),
opts.MarkPointItem(type_=“min”)]))
.add_yaxis(‘疑似数据’, suspect_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_=“max”),
opts.MarkPointItem(type_=“min”)]))
.add_yaxis(‘死亡数据’, dead_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_=“max”),
opts.MarkPointItem(type_=“min”)]))
.add_yaxis(‘治愈数据’, heal_list, is_smooth=True,
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)]),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_=“max”),
opts.MarkPointItem(type_=“min”)]))
# 隐藏数字 设置面积
.set_series_opts(
areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
label_opts=opts.LabelOpts(is_show=False))
# 设置x轴标签旋转角度
.set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)),
yaxis_opts=opts.AxisOpts(name=‘人数’, min_=3),
title_opts=opts.TitleOpts(title=‘2019-nCoV曲线图’))
)
line.render(‘2019-nCoV曲线图3.html’)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
输出结果如下图所示：
二.PyEcharts绘制全国各地区
第一步 下载数据
如何获取全国各地数据，推荐大家阅读上一篇文章。
# -*- coding: utf-8 -*-
#------------------------------------------------------------------------------
# 第一步：抓取数据
#------------------------------------------------------------------------------
import time, json, requests
# 抓取实时json数据
url = ‘https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d’%int(time.time()*1000)
data = json.loads(requests.get(url=url).json()[‘data’])
print(data)
print(data.keys())
# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽…)
num = data[‘areaTree’][0][‘children’]
print(len(num))
for item in num:
print(item[‘name’],end=" “) # 不换行
else:
print(”\n") # 换行
# 显示湖北省数据
hubei = num[0][‘children’]
for item in hubei:
print(item)
else:
print("\n")
# 解析确诊数据
total_data = { }
for item in num:
if item[‘name’] not in total_data:
total_data.update({ item[‘name’]:0})
for city_data in item[‘children’]:
total_data[item[‘name’]] +=int(city_data[‘total’][‘confirm’])
print(total_data)
# {‘湖北’: 48206, ‘广东’: 1241, ‘河南’: 1169, ‘浙江’: 1145, ‘湖南’: 968, …, ‘澳门’: 10, ‘西藏’: 1}
# 解析疑似数据
total_suspect_data = { }
for item in num:
if item[‘name’] not in total_suspect_data:
total_suspect_data.update({ item[‘name’]:0})
for city_data in item[‘children’]:
total_suspect_data[item[‘name’]] +=int(city_data[‘total’][‘suspect’])
print(total_suspect_data)
# 解析死亡数据
total_dead_data = { }
for item in num:
if item[‘name’] not in total_dead_data:
total_dead_data.update({ item[‘name’]:0})
for city_data in item[‘children’]:
total_dead_data[item[‘name’]] +=int(city_data[‘total’][‘dead’])
print(total_dead_data)
# 解析治愈数据
total_heal_data = { }
for item in num:
if item[‘name’] not in total_heal_data:
total_heal_data.update({ item[‘name’]:0})
for city_data in item[‘children’]:
total_heal_data[item[‘name’]] +=int(city_data[‘total’][‘heal’])
print(total_heal_data)
# 解析新增确诊数据
total_new_data = { }
for item in num:
if item[‘name’] not in total_new_data:
total_new_data.update({ item[‘name’]:0})
for city_data in item[‘children’]:
total_new_data[item[‘name’]] +=int(city_data[‘today’][‘confirm’]) # today
print(total_new_data)
#------------------------------------------------------------------------------
# 第二步：存储数据至CSV文件
#------------------------------------------------------------------------------
names = list(total_data.keys()) # 省份名称
num1 = list(total_data.values()) # 确诊数据
num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
num3 = list(total_dead_data.values()) # 死亡数据
num4 = list(total_heal_data.values()) # 治愈数据
num5 = list(total_new_data.values()) # 新增确诊病例
print(names)
print(num1)
print(num2)
print(num3)
print(num4)
print(num5)
# 获取当前日期命名(2020-02-13-all.csv)
n = time.strftime("%Y-%m-%d") + “-china.csv”
fw = open(n, ‘w’, encoding=‘utf-8’)
fw.write(‘province,confirm,dead,heal,new_confirm\n’)
i = 0
while i<len(names):
fw.write(names[i]+’,’+str(num1[i])+’,’+str(num3[i])+’,’+str(num4[i])+’,’+str(num5[i])+’\n’)
i = i + 1
else:
print(“Over write file!”)
fw.close()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
下载数据如下图所示：
第二步 绘制地图
# -*- coding: utf-8 -*-
import time, json, requests
import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as opts
#-------------------------------------------------------------------------------------
# 第一步：读取数据
#-------------------------------------------------------------------------------------
n = time.strftime("%Y-%m-%d") + “-china.csv”
data = pd.read_csv(n)
list_data = zip(list(data[‘province’]), list(data[‘confirm’]))
print(list_data)
# [(‘湖北’, 48206), (‘广东’, 1241), (‘河南’, 1169), (‘浙江’, 1145), …, (‘澳门’, 10), (‘西藏’, 1)]
#-------------------------------------------------------------------------------------
# 第二步：绘制全国地图
# 参考文章：https://blog.csdn.net/shineych/article/details/104231072 [shineych大神]
#-------------------------------------------------------------------------------------
def map_cn_disease_dis() -> Map:
c = (
Map()
.add(‘中国’, list_data, ‘china’)
.set_global_opts(
title_opts=opts.TitleOpts(title=‘全国地图（确诊数）’),
visualmap_opts=opts.VisualMapOpts(is_show=True,
split_number=6,
is_piecewise=True, # 是否为分段型
pos_top=‘center’,
pieces=[
{ ‘min’: 10000, ‘color’: ‘#7f1818’}, #不指定 max
{ ‘min’: 1000, ‘max’: 10000},
{ ‘min’: 500, ‘max’: 999},
{ ‘min’: 100, ‘max’: 499},
{ ‘min’: 10, ‘max’: 99},
{ ‘min’: 0, ‘max’: 5} ],
),
)
)
return c
map_cn_disease_dis().render(‘全国地图.html’)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
输出结果如下图所示：
三.PyEcharts绘制贵州省地区
第一步 下载数据
# -*- coding: utf-8 -*-
# By：Easmount CSDN xiuzhang
#------------------------------------------------------------------------------
# 第一步：抓取数据
#------------------------------------------------------------------------------
import time, json, requests
# 抓取实时json数据
url = ‘https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d’%int(time.time()*1000)
data = json.loads(requests.get(url=url).json()[‘data’])
print(data)
print(data.keys())
# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽…)
num = data[‘areaTree’][0][‘children’]
print(len(num))
# 获取贵州下标
k = 0
for item in num:
print(item[‘name’],end=" “) # 不换行
if item[‘name’] in “贵州”:
print(”")
print(item[‘name’], k)
break
k = k + 1
print("") # 换行
# 显示贵州省数据
gz = num[k][‘children’]
for item in gz:
print(item)
else:
print("\n")
#------------------------------------------------------------------------------
# 第二步：解析数据
#------------------------------------------------------------------------------
# 解析确诊数据
total_data = { }
for item in gz:
if item[‘name’] not in total_data:
total_data.update({ item[‘name’]:0})
total_data[item[‘name’]] = item[‘total’][‘confirm’]
print(‘确诊人数’)
print(total_data)
# {‘贵阳’: 33, ‘遵义’: 25, ‘毕节’: 22, ‘黔南州’: 17, ‘六盘水’: 10, ‘铜仁’: 10, ‘黔东南州’: 10, ‘黔西南州’: 4, ‘安顺’: 4}
# 解析疑似数据
total_suspect_data = { }
for item in gz:
if item[‘name’] not in total_suspect_data:
total_suspect_data.update({ item[‘name’]:0})
total_suspect_data[item[‘name’]] = item[‘total’][‘suspect’]
print(‘疑似人数’)
print(total_suspect_data)
# 解析死亡数据
total_dead_data = { }
for item in gz:
if item[‘name’] not in total_dead_data:
total_dead_data.update({ item[‘name’]:0})
total_dead_data[item[‘name’]] = item[‘total’][‘dead’]
print(‘死亡人数’)
print(total_dead_data)
# 解析治愈数据
total_heal_data = { }
for item in gz:
if item[‘name’] not in total_heal_data:
total_heal_data.update({ item[‘name’]:0})
total_heal_data[item[‘name’]] = item[‘total’][‘heal’]
print(‘治愈人数’)
print(total_heal_data)
# 解析新增确诊数据
total_new_data = { }
for item in gz:
if item[‘name’] not in total_new_data:
total_new_data.update({ item[‘name’]:0})
total_new_data[item[‘name’]] = item[‘today’][‘confirm’] # today
print(‘新增确诊人数’)
print(total_new_data)
#------------------------------------------------------------------------------
# 第三步：存储数据至CSV文件
#------------------------------------------------------------------------------
names = list(total_data.keys()) # 省份名称
num1 = list(total_data.values()) # 确诊数据
num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
num3 = list(total_dead_data.values()) # 死亡数据
num4 = list(total_heal_data.values()) # 治愈数据
num5 = list(total_new_data.values()) # 新增确诊病例
print(names)
print(num1)
print(num2)
print(num3)
print(num4)
print(num5)
# 获取当前日期命名(2020-02-13-gz.csv)
n = time.strftime("%Y-%m-%d") + “-gz.csv”
fw = open(n, ‘w’, encoding=‘utf-8’)
fw.write(‘province,confirm,dead,heal,new_confirm\n’)
i = 0
while i<len(names):
fw.write(names[i]+’,’+str(num1[i])+’,’+str(num3[i])+’,’+str(num4[i])+’,’+str(num5[i])+’\n’)
i = i + 1
else:
print(“Over write file!”)
fw.close()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
第二步 绘制地图
# -*- coding: utf-8 -*-
import time, json, requests
import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as opts
#-------------------------------------------------------------------------------------
# 第一步：读取数据
#-------------------------------------------------------------------------------------
n = time.strftime("%Y-%m-%d") + “-gz.csv”
data = pd.read_csv(n)
list_data_guizhou = zip(list(data[‘province’]), list(data[‘confirm’]))
gz_data = list(list_data_guizhou)
print(gz_data)
for a,b in gz_data:
print(a, b, type(b))
#-------------------------------------------------------------------------------------
# 第二步：绘制贵州地图
#-------------------------------------------------------------------------------------
def map_gz_disease_dis() -> Map:
c = (
Map()
.add(‘贵州省’, gz_data, ‘贵州’)
.set_series_opts(label_opts=opts.LabelOpts(is_show=True, formatter=’{b}\n{c}例’))
.set_global_opts(
title_opts=opts.TitleOpts(title=‘贵州省地图（确诊数）’),
visualmap_opts=opts.VisualMapOpts(is_show=True,
split_number=6,
is_piecewise=True, # 是否为分段型
pos_top=‘center’,
pieces=[
{ ‘min’: 50},
{ ‘min’: 30, ‘max’: 49},
{ ‘min’: 20, ‘max’: 29},
{ ‘min’: 10, ‘max’: 19},
{ ‘min’: 1, ‘max’: 9},
{ ‘value’: 0, “label”: ‘无确诊病例’, “color”: ‘green’} ],
),
)
)
return c
map_gz_disease_dis().render(‘贵州省地图.html’)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
输出结果如下图所示：
注意，读者可能会绘制图形无数据，如下图所示显示NaN。这是因为我们需要补充城市的完整称呼，比如“贵阳市”、“黔东南苗族侗族自治州”等。
第三步 绘制柱状图
# -*- coding: utf-8 -*-
import time, json, requests
import pandas as pd
from pyecharts.charts import Bar
import pyecharts.options as opts
#-------------------------------------------------------------------------------------
# 第一步：读取数据
#-------------------------------------------------------------------------------------
n = time.strftime("%Y-%m-%d") + “-gz.csv”
data = pd.read_csv(n)
province_list = list(data[‘province’])
confirm_list = list(data[‘confirm’])
dead_list = list(data[‘dead’])
heal_list = list(data[‘heal’])
new_confirm_list = list(data[‘new_confirm’])
print(province_list) # 地区
print(confirm_list) # 确诊数据
print(dead_list) # 死亡数据
print(heal_list) # 治愈数据
print(new_confirm_list) # 新增确诊
#-------------------------------------------------------------------------------------
# 第二步：绘制贵州柱状图
#-------------------------------------------------------------------------------------
bar=(
Bar()
.add_xaxis(province_list)
.add_yaxis(“确诊数据”, confirm_list)
.add_yaxis(“死亡数据”, dead_list)
.add_yaxis(“治愈数据”, heal_list)
.add_yaxis(“新增确诊”, new_confirm_list)
.set_global_opts(title_opts=opts.TitleOpts(title=“贵州数据”, subtitle=“人数”))
)
bar.render(“贵州省2.html”)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
输出结果如下图所示：
四.PyEcharts绘制其他图形
更多图形推荐读者结合自己的项目或论文进行实践，这里不再详细补充。后续作者可能也会分享相关知识。比如我们可以对数据进行简单预处理，再进行可视化分析。
# -*- coding: utf-8 -*-
import time, json, requests
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar
#-------------------------------------------------------------------------------------
# 第一步：读取数据
#-------------------------------------------------------------------------------------
n = time.strftime("%Y-%m-%d") + “-china-bj.csv”
data = pd.read_csv(n)
province_list = list(data[‘province’])
confirm_list = list(data[‘confirm’])
dead_list = list(data[‘dead’])
heal_list = list(data[‘heal’])
new_confirm_list = list(data[‘new_confirm’])
print(province_list) # 地区
print(confirm_list) # 确诊数据
print(dead_list) # 死亡数据
print(heal_list) # 治愈数据
print(new_confirm_list) # 新增确诊
#-------------------------------------------------------------------------------------
# 第二步：绘制全国箱图
#-------------------------------------------------------------------------------------
bar=(
Bar()
.add_xaxis(province_list)
.add_yaxis(“确诊数据”, confirm_list)
.add_yaxis(“死亡数据”, dead_list)
.add_yaxis(“治愈数据”, heal_list)
.add_yaxis(“新增确诊”, new_confirm_list)
.set_global_opts(title_opts=opts.TitleOpts(title=“全国数据”, subtitle=“人数”))
)
bar.render(“全国柱状图.html”)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
五.总结
写到这里，第二篇YQ分析的文章就讲解完毕，希望对您有所帮助。主要包括两部分内容：
- 实时数据爬取
- PyEcharts可视化分析
- 中国地图绘制、贵州省地图绘制
- 柱状图及折线图
后续还会分享GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。如果文章对您有所帮助，将是我写作的最大动力。作者将源代码上传至github，大家可以直接下载。
同时，向钟院士致敬，向一线工作者致敬。侠之大者，为国为民。咱们中国人一生的最高追求，为天地立心，为生民立命，为往圣继绝学，为万世开太平。以一人之力系万民康乐，以一身犯险保大业安全。他们真是做到了，武汉加油，中国加油！
(By:Eastmount 2020-02-22 晚上10点夜于贵阳 http://blog.csdn.net/eastmount/)
参考文献：
[1] [Python可视化] pyecharts安装入门及绘制中国贵州地图 - 杨秀璋
[2] [Echarts可视化] 一.入门篇之简单绘制中国地图和贵州地区 - 杨秀璋
[3] https://news.qq.com/zt2020/page/feiyan.htm
[4] [Pyhon大数据分析] 一.实时数据爬取、Matplotlib和Seaborn可视化分析全国各地区、某省各城市、新增趋势
[5] Python实战：抓取实时数据，画2019-nCoV地图 - 许老师
[6] 用Python抓取数据，绘制全国分布图 - shineych老师
[7] 2020Python开发者日：爬虫框架的技术实现与模块应用的经验分享 - 许老师
[8] 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 - shineych老师
[9] pyecharts v1版本 学习笔记 折线图面积图 - baili-luoyun