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 osc=(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 + ' : ' + '<br/>'+ '现存确诊：'+params.data.value[3] + '<br/>'+ '累积确诊：'+params.data.value[0] + '<br/>'+ '死亡人数：'+params.data.value[1] + '<br/>'+ '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-Agentua = UserAgent()def __init__(self):#  伪造随机的User-Agentua = 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_jsondef 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 definedglobal false,null,truefalse = 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 datadef main(self):list_json = self.parse_url()data = self.getDateList(list_json)return datanCov_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 + ' : ' + '<br/>'+ '现存确诊：'+params.data.value[3] + '<br/>'+ '累积确诊：'+params.data.value[0] + '<br/>'+ '死亡人数：'+params.data.value[1] + '<br/>'+ '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：

<!DOCTYPE html>
<html>
<head><meta charset="UTF-8"><title>Awesome-pyecharts</title><script type="text/javascript" src="https://assets.pyecharts.org/assets/echarts.min.js"></script><script type="text/javascript" src="https://assets.pyecharts.org/assets/maps/china.js"></script></head>
<body><div id="486804f5cd794d05b9ce1fcdcef941b8" class="chart-container" style="width:900px; height:500px;"></div><script>var chart_486804f5cd794d05b9ce1fcdcef941b8 = echarts.init(document.getElementById('486804f5cd794d05b9ce1fcdcef941b8'), 'white', {renderer: 'canvas'});var option_486804f5cd794d05b9ce1fcdcef941b8 = {"animation": true,"animationThreshold": 2000,"animationDuration": 1000,"animationEasing": "cubicOut","animationDelay": 0,"animationDurationUpdate": 300,"animationEasingUpdate": "cubicOut","animationDelayUpdate": 0,"color": ["#c23531","#2f4554","#61a0a8","#d48265","#749f83","#ca8622","#bda29a","#6e7074","#546570","#c4ccd3","#f05b72","#ef5b9c","#f47920","#905a3d","#fab27b","#2a5caa","#444693","#726930","#b2d235","#6d8346","#ac6767","#1d953f","#6950a1","#918597"],"series": [{"type": "map","label": {"show": true,"position": "top","margin": 8},"mapType": "china","data": [{"name": "\u5317\u4eac","value": [928,9,595,324]},{"name": "\u9999\u6e2f","value": [1268,7,1156,105]},{"name": "\u4e0a\u6d77","value": [716,7,681,28]},{"name": "\u56db\u5ddd","value": [596,3,581,12]},{"name": "\u7518\u8083","value": [167,2,154,11]},{"name": "\u9655\u897f","value": [320,3,311,6]},{"name": "\u6cb3\u5317","value": [349,6,337,6]},{"name": "\u8fbd\u5b81","value": [156,2,150,4]},{"name": "\u5e7f\u4e1c","value": [1643,8,1631,4]},{"name": "\u53f0\u6e7e","value": [449,7,438,4]},{"name": "\u5929\u6d25","value": [199,3,194,2]},{"name": "\u91cd\u5e86","value": [582,6,574,2]},{"name": "\u798f\u5efa","value": [363,1,360,2]},{"name": "\u6fb3\u95e8","value": [46,0,45,1]},{"name": "\u6d59\u6c5f","value": [1269,1,1267,1]},{"name": "\u5185\u8499\u53e4","value": [239,1,237,1]},{"name": "\u4e91\u5357","value": [186,2,183,1]},{"name": "\u6c5f\u82cf","value": [654,0,653,1]},{"name": "\u9ed1\u9f99\u6c5f","value": [947,13,934,0]},{"name": "\u897f\u85cf","value": [1,0,1,0]},{"name": "\u5e7f\u897f","value": [254,2,252,0]},{"name": "\u65b0\u7586","value": [76,3,73,0]},{"name": "\u5409\u6797","value": [155,2,153,0]},{"name": "\u5c71\u897f","value": [198,0,198,0]},{"name": "\u6e56\u5317","value": [68135,4512,63623,0]},{"name": "\u6e56\u5357","value": [1019,4,1015,0]},{"name": "\u6cb3\u5357","value": [1276,22,1254,0]},{"name": "\u5b81\u590f","value": [75,0,75,0]},{"name": "\u8d35\u5dde","value": [147,2,145,0]},{"name": "\u6d77\u5357","value": [171,6,165,0]},{"name": "\u9752\u6d77","value": [18,0,18,0]},{"name": "\u5b89\u5fbd","value": [991,6,985,0]},{"name": "\u5c71\u4e1c","value": [792,7,785,0]},{"name": "\u6c5f\u897f","value": [932,1,931,0]}],"roam": true,"zoom": 1,"showLegendSymbol": false,"emphasis": {}}],"legend": [{"data": [""],"selected": {"": true},"show": true,"padding": 5,"itemGap": 10,"itemWidth": 25,"itemHeight": 14}],"tooltip": {"show": true,"trigger": "item","triggerOn": "mousemove|click","axisPointer": {"type": "line"},"formatter":                                                                                                                                                         function(params){                                                                                                                                                                        return params.name + ' : '                                                                                                 + '<br/>'                                                                                                + '\u73b0\u5b58\u786e\u8bca\uff1a'+params.data.value[3]                                                                                                 + '<br/>'                                                                                                + '\u7d2f\u79ef\u786e\u8bca\uff1a'+params.data.value[0]                                                                                                 + '<br/>'                                                                                                + '\u6b7b\u4ea1\u4eba\u6570\uff1a'+params.data.value[1]                                                                                                 + '<br/>'                                                                                                + '\u6cbb\u6108\u4eba\u6570\uff1a'+params.data.value[2];                                                                            }                                                                       ,"textStyle": {"color": "#00C791"},"backgroundColor": "white","borderWidth": 1},"title": [{"text": "2020\u4e2d\u56fd\u75ab\u60c5\u5730\u56fe","subtext": "XinXinM\n\n\n\u5168\u56fd\u5404\u7701\u4efd\u786e\u8bca\u4eba\u6570\u5206\u5e03\n\n\u622a\u81f3: 2020-07-05 19:41:18","padding": 5,"itemGap": 10}],"visualMap": {"show": true,"type": "piecewise","min": 0,"max": 100,"inRange": {"color": ["#50a3ba","#eac763","#d94e5d"]},"calculable": true,"inverse": true,"splitNumber": 5,"orient": "vertical","right": "right","showLabel": true,"itemWidth": 20,"itemHeight": 14,"borderWidth": 0,"pieces": [{"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"}]}
};chart_486804f5cd794d05b9ce1fcdcef941b8.setOption(option_486804f5cd794d05b9ce1fcdcef941b8);</script>
</body>
</html>

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：

利用python爬取2019-nCoV确诊数据并制作pyecharts可视化地图相关推荐

利用python爬取58同城简历数据
利用python爬取58同城简历数据最近接到一个工作,需要获取58同城上面的简历信息(http://gz.58.com/qzyewu/).最开始想到是用python里面的scrapy框架制作爬虫.但 ...
利用python爬取58同城简历数据_利用python爬取58同城简历数据-Go语言中文社区
利用python爬取58同城简历数据最近接到一个工作,需要获取58同城上面的简历信息(http://gz.58.com/qzyewu/).最开始想到是用python里面的scrapy框架制作爬虫.但 ...
python爬取b站数据_如果利用Python爬取B站上千万数据？B站直播都是大屌萌妹吗？...
粉丝独白说起热门的B站相信很多喜欢玩动漫的,看最有创意的Up主的同学一定非常熟悉.我突发奇想学Python这么久了,为啥不用Python爬取B站中我关注的人,已经关注的人他们关注的人,看看全站里面热 ...
python获取币安k线数据_如何利用Python 爬取币乎的数据
1LSGO软件技术团队贡献人:李金原如果喜欢这里的内容,你能够给我最大的帮助就是转发,告诉你的朋友,鼓励他们一起来学习. If you like the content here, the gre ...
利用python爬取58同城简历数据_python爬虫程序 58同城二手交易信息爬取
本脚本分为5部分: spider_main 主程序 url_manager url管理器 html_downloader 网页下载器 html_parser 网页解析器 htm ...
Python爬取微博热搜数据之炫酷可视化
可视化展示看完记得点个赞哟微博炫酷可视化音乐组合版来了! 项目介绍背景现阶段,微博.抖音.快手.哗哩哗哩.微信公众号已经成为不少年轻人必备的"生活神器".在21世纪的今天, ...
【Python】手把手教你用Python爬取某网小说数据，并进行可视化分析
网络文学是以互联网为展示平台和传播媒介,借助相关互联网手段来表现文学作品及含有一部分文字作品的网络技术产品,在当前成为一种新兴的文学现象,并快速兴起,各种网络小说也是层出不穷,今天我们使用seleni ...
利用python爬取_在知乎上利用Python爬取了三百万数据！服务器崩了！企业级大项目...
请各位注意: 以下所有分析结果都基于我抓取到的这300万用户的个人信息,非权威分析,仅供参考. 数据抓取时间为2017年7月份,用户数据会随着时间推移而变化,所以该报告具有一定时效性. 知乎的用户个人 ...
Python爬取京东任意商品数据实战总结
利用Python爬取京东任意商品数据今天给大家展示爬取京东商品数据首先呢还是要分思路的,我分为以下几个步骤: 第一步:得到搜索指定商的url 第二步:获得搜索商品列表信息第三步:对得到的商品数据 ...

利用python爬取2019-nCoV确诊数据并制作pyecharts可视化地图

利用python爬取2019-nCoV确诊数据并制作pyecharts可视化地图相关推荐

最新文章

热门文章