Python采集 11月最新世界疫情数据 + 可视化动态地图，实时查询超稳定

打开手机，看见了一个数字有点震惊：

湖南一下子新增了很多，

这数字时刻提醒着我们疫情尚未结束，

我们需要做好自己，时刻防范，不给别人添麻烦。

所以现在来尝试用Python

`采集世界疫情 + 实现可视化地图展示`

采集数据【文末名片获取源码】

1、数据来源

数据来源于TX新闻，链接展示不了，就只贴图了。

2、模块

import requests
import csv

requests 发送请求模块，是第三方模块，需要手动安装。
win + r输入cmd按回车打开命令提示符窗口，使用pip安装
csv 是内置模块，无需安装。

pip install requests

3、代码展示

获取网页url ，我这里网址屏蔽了，不然不给过。

url = 'https://****com/

发送请求

response = requests.post(url)

获取数据

json_data = response.json()

解析数据

WomAboard = json_data['data']['WomAboard']
for i in range(0, len(WomAboard)):name = WomAboard[i]['name']confirm = WomAboard[i]['confirm']confirmAdd = WomAboard[i]['confirmAdd']heal = WomAboard[i]['heal']dead = WomAboard[i]['dead']print(name, confirm, confirmAdd, heal, dead)

保存数据

f = open('疫情数据.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.writer(f)csv_writer.writerow([name, confirm, confirmAdd, heal, dead])

4、效果展示

采集过程

保存好的数据

数据可视化

1、效果展示

接下来看看生成好的可视化世界疫情地图

由于地图是动态的，我就直接截图了，

大家可以自己实践一下制作地图详细看。

2、代码展示

模块

import pandas as pd  # 做表格操作的模块
from pyecharts.charts import Map  # 绘图的模块
from pyecharts import options as opts

导入数据

df = pd.read_csv('疫情数据.csv')
name = df['name'].tolist()
confirm = df['confirm'].tolist()
print(name)
print(confirm)
c = (Map(init_opts=opts.InitOpts(width='1400px', height='600px')).add("累计确诊", [list(z) for z in zip(name, confirm)], "world", name_map=name_map, is_map_symbol_show=False).set_series_opts(label_opts=opts.LabelOpts(is_show=False)) #python学习裙：660193417###.set_global_opts(title_opts=opts.TitleOpts(title="Map-世界地图"),visualmap_opts=opts.VisualMapOpts(max_=1000000, is_piecewise=True, pieces=pieces),).render("map_world.html")
)

国家地区

name_map = {'Singapore Rep.': '新加坡','Dominican Rep.': '多米尼加','Palestine': '巴勒斯坦','Bahamas': '巴哈马','Timor-Leste': '东帝汶','Afghanistan': '阿富汗','Guinea-Bissau': '几内亚比绍',"Côte d'Ivoire": '科特迪瓦','Siachen Glacier': '锡亚琴冰川',"Br. Indian Ocean Ter.": '英属印度洋领土','Angola': '安哥拉','Albania': '阿尔巴尼亚','United Arab Emirates': '阿联酋','Argentina': '阿根廷','Armenia': '亚美尼亚','French Southern and Antarctic Lands': '法属南半球和南极领地','Australia': '澳大利亚','Austria': '奥地利','Azerbaijan': '阿塞拜疆','Burundi': '布隆迪','Belgium': '比利时','Benin': '贝宁','Burkina Faso': '布基纳法索','Bangladesh': '孟加拉国','Bulgaria': '保加利亚','The Bahamas': '巴哈马','Bosnia and Herz.': '波斯尼亚和黑塞哥维那','Belarus': '白俄罗斯','Belize': '伯利兹','Bermuda': '百慕大','Bolivia': '玻利维亚','Brazil': '巴西','Brunei': '文莱','Bhutan': '不丹','Botswana': '博茨瓦纳','Central African Rep.': '中非共和国','Canada': '加拿大','Switzerland': '瑞士','Chile': '智利','China': '中国','Ivory Coast': '象牙海岸','Cameroon': '喀麦隆','Dem. Rep. Congo': '刚果（金）','Congo': '刚果（布）','Colombia': '哥伦比亚','Costa Rica': '哥斯达黎加','Cuba': '古巴','N. Cyprus': '北塞浦路斯','Cyprus': '塞浦路斯','Czech Rep.': '捷克','Germany': '德国','Djibouti': '吉布提','Denmark': '丹麦','Algeria': '阿尔及利亚','Ecuador': '厄瓜多尔','Egypt': '埃及','Eritrea': '厄立特里亚','Spain': '西班牙','Estonia': '爱沙尼亚','Ethiopia': '埃塞俄比亚','Finland': '芬兰','Fiji': '斐','Falkland Islands': '福克兰群岛','France': '法国','Gabon': '加蓬','United Kingdom': '英国','Georgia': '格鲁吉亚','Ghana': '加纳','Guinea': '几内亚','Gambia': '冈比亚','Guinea Bissau': '几内亚比绍','Eq. Guinea': '赤道几内亚','Greece': '希腊','Greenland': '格陵兰','Guatemala': '危地马拉','French Guiana': '法属圭亚那','Guyana': '圭亚那','Honduras': '洪都拉斯','Croatia': '克罗地亚','Haiti': '海地','Hungary': '匈牙利','Indonesia': '印度尼西亚','India': '印度','Ireland': '爱尔兰','Iran': '伊朗','Iraq': '伊拉克','Iceland': '冰岛','Israel': '以色列','Italy': '意大利','Jamaica': '牙买加','Jordan': '约旦','Japan': '日本','Kazakhstan': '哈萨克斯坦','Kenya': '肯尼亚','Kyrgyzstan': '吉尔吉斯斯坦','Cambodia': '柬埔寨','Korea': '韩国','Kosovo': '科索沃','Kuwait': '科威特','Lao PDR': '老挝','Lebanon': '黎巴嫩','Liberia': '利比里亚','Libya': '利比亚','Sri Lanka': '斯里兰卡','Lesotho': '莱索托','Lithuania': '立陶宛','Luxembourg': '卢森堡','Latvia': '拉脱维亚','Morocco': '摩洛哥','Moldova': '摩尔多瓦','Madagascar': '马达加斯加','Mexico': '墨西哥','Macedonia': '马其顿','Mali': '马里','Myanmar': '缅甸','Montenegro': '黑山','Mongolia': '蒙古','Mozambique': '莫桑比克','Mauritania': '毛里塔尼亚','Malawi': '马拉维','Malaysia': '马来西亚','Namibia': '纳米比亚','New Caledonia': '新喀里多尼亚','Niger': '尼日尔','Nigeria': '尼日利亚','Nicaragua': '尼加拉瓜','Netherlands': '荷兰','Norway': '挪威','Nepal': '尼泊尔','New Zealand': '新西兰','Oman': '阿曼','Pakistan': '巴基斯坦','Panama': '巴拿马','Peru': '秘鲁','Philippines': '菲律宾','Papua New Guinea': '巴布亚新几内亚','Poland': '波兰','Puerto Rico': '波多黎各','Dem. Rep. Korea': '朝鲜','Portugal': '葡萄牙','Paraguay': '巴拉圭','Qatar': '卡塔尔','Romania': '罗马尼亚','Russia': '俄罗斯','Rwanda': '卢旺达','W. Sahara': '西撒哈拉','Saudi Arabia': '沙特阿拉伯','Sudan': '苏丹','S. Sudan': '南苏丹','Senegal': '塞内加尔','Solomon Is.': '所罗门群岛','Sierra Leone': '塞拉利昂','El Salvador': '萨尔瓦多','Somaliland': '索马里兰','Somalia': '索马里','Serbia': '塞尔维亚','Suriname': '苏里南','Slovakia': '斯洛伐克','Slovenia': '斯洛文尼亚','Sweden': '瑞典','Swaziland': '斯威士兰','Syria': '叙利亚','Chad': '乍得','Togo': '多哥','Thailand': '泰国','Tajikistan': '塔吉克斯坦','Turkmenistan': '土库曼斯坦','East Timor': '东帝汶','Trinidad and Tobago': '特里尼达和多巴哥','Tunisia': '突尼斯','Turkey': '土耳其','Tanzania': '坦桑尼亚','Uganda': '乌干达','Ukraine': '乌克兰','Uruguay': '乌拉圭','United States': '美国','Uzbekistan': '乌兹别克斯坦','Venezuela': '委内瑞拉','Vietnam': '越南','Vanuatu': '瓦努阿图','West Bank': '西岸','Yemen': '也门','South Africa': '南非','Zambia': '赞比亚','Zimbabwe': '津巴布韦','Comoros': '科摩罗'
}
pieces = [{"min": 1000000},{"min": 100000, "max": 999999},{"min": 10000, "max": 99999},{"min": 1000, "max": 9999},{"min": 100, "max": 999},{"min": 0, "max": 99},
]

疫情真的给我们的生活带来了不少的影响

有时候封校或者管控，这种行动被限制的时候

难免会感到一定的痛苦

我的建议是：最好是去学些什么东西

学习会使你永远立于不败之地。

Python采集 11月最新世界疫情数据 + 可视化动态地图，实时查询超稳定相关推荐

使用python采集某二手房源数据并做数据可视化展示（含完整源代码）
本次目的: python采集链家二手房源数据并做数据可视化展示亮点: 系统分析网页性质结构化的数据解析 csv数据保存环境介绍: python 3.8 解释器 pycharm 专业版2021.2 ...
11月最新二开微盘USDT微交易时间盘系统+完整数据+K线
11月最新二开微盘USDT微交易时间盘系统+完整数据+K线修复+搭建教程 11月最新二开微盘USDT微交易时间盘系统+完整数据+K线修复完整+文字搭建教程微盘确实没啥新意了已经,都是在我之前发的那份 ...
爬虫项目(三)---采集最近一日全国各省疫情数据
该内容出自黑马程序员教程采集最近一日全国各省疫情数据当然,数据来源仍然是丁香园新型冠状病毒肺炎疫情实时动态首页 url:https://ncov.dxy.cn/ncovh5/view/pneumo ...
【数据分享】2022年11月西南地区POI数据分享（重庆、四川、贵州、云南、西藏）
一.数据概况今天分享一份西南地区的POI数据,包含重庆市.四川省.贵州省.云南省.西藏自治区5个省级行政区. 数据时间为2022年11月,坐标系是GCJ-02. 较2022年3月的POI数据,5个区 ...
2021年11月最新搜狗验证码识别，6位全对正确率高达96%
训练数据准备标记数据是最花费时间的事情.最开始手工标记验证码1万条,训练后正确率在50%左右.然后写写代码使用这种低正确率的去自动标记.使用搜狗自动验证,来实现自动标记.逐渐积累数据量,后期只需要人 ...
11月最新新萝卜家园GhostXP SP3 电脑城装机极致版系统2011.11
新萝卜家园GhostXP SP3电脑城装机极致版2011.11+ 一.主要更新: ========================== * 更新了系统补丁和Office2003所有补丁到2011-11 ...
基于python數據分析的疫情数据可视化系统
文章目录前言 1 课题背景 2 实现效果 2.1 整体界面展示 2.2 收集數據 3 實現過程 3.1 爬取疫情數據: 3.1.1 導包 3.1.2 實例化csv 3.1.3 防反爬 3.1.4 爬 ...
凛冬将至服务器维护,《权力的游戏凛冬将至》11月合服公告 “数据互通计划”开启公告...
尊敬的各位领主大人: 为了给各位领主大人提供更加优良的游戏环境,提高游戏的可玩性及互动性,< 数据互通开启时间:11月9日 05:00-08:00(数据互通期间,服务器将暂时停服,如未能按时完成 ...
Python之pyecharts：利用pyecharts绘制2020年11月16日微博话题热度排行榜实时变化
Python之pyecharts:利用pyecharts绘制2020年11月16日微博话题热度排行榜实时变化目录利用pyecharts绘制2020年11月16日微博话题热度排行榜实时变化 Bar( ...
毕业设计-基于Python爬虫的疫情数据可视化系统
基于Python爬虫的疫情数据可视化系统采用ECharts+Flask+Requests架构: 源码加3105088663

Python采集 11月最新世界疫情数据 + 可视化动态地图，实时查询超稳定

打开手机，看见了一个数字有点震惊：

`采集世界疫情 + 实现可视化地图展示`

采集数据【文末名片获取源码】

发送请求

获取数据

解析数据

保存数据

4、效果展示

数据可视化

2、代码展示

国家地区

疫情真的给我们的生活带来了不少的影响

我的建议是：最好是去学些什么东西

学习会使你永远立于不败之地。

Python采集 11月最新世界疫情数据 + 可视化动态地图，实时查询超稳定相关推荐

最新文章

热门文章

Python采集 11月最新 世界疫情数据 + 可视化动态地图，实时查询超稳定

打开手机，看见了一个数字有点震惊：

采集世界疫情 + 实现可视化地图展示

采集数据【文末名片获取源码】

发送请求

获取数据

解析数据

保存数据

4、效果展示

数据可视化

2、代码展示

国家地区

疫情 真的给我们的生活带来了不少的影响

我的建议是：最好是去学些什么东西

学习会使你永远立于不败之地。

Python采集 11月最新 世界疫情数据 + 可视化动态地图，实时查询超稳定相关推荐

最新文章

热门文章

Python采集 11月最新世界疫情数据 + 可视化动态地图，实时查询超稳定

`采集世界疫情 + 实现可视化地图展示`

疫情真的给我们的生活带来了不少的影响

Python采集 11月最新世界疫情数据 + 可视化动态地图，实时查询超稳定相关推荐