- 点击上方“中国统计网”订阅我吧！-

文末领取【腾讯疫情分析完整代码+数据包】

本篇文章将分享腾讯疫情实时数据抓取，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绘制中国各地区、贵州省各城市、新增人数的图形。希望这篇数据可视化分析文章对您有所帮助！文章完整代码及数据包请在文末添加客服领取。

我们的目标网站是腾讯新闻网实时数据，其原理主要是通过Requests获取Json请求，从而得到各省、各市的疫情数据。

爬虫目标网站：

1. 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，如下图所示：

对应的响应信息如下所示：

2. 发送请求并获取Json数据

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。下面代码展示了获取数据的键值及34个省份。

输出结果如下图所示，其顺序按照确诊人数排序。

3. 获取湖北省疫情数据

接着通过num[0][‘children’]获取湖北省的疫情数据，代码如下：

同样的方法可以获取各省份的数据，比如 num[1][‘children’] 表示广东省疫情数据，我们设置循环就能获取所有数据。其数据包括当日数据(today)和累计数据(total)，confirm表示确诊、suspect表示疑似、dead表示死亡、heal表示治愈。

我们将所抓取的数据和真实的数据进行对比，武汉截止2月13日下午4点，新增确诊人数13436、累计确诊32994，发现是完全一致的。

4. 获取各省确诊人数

注意，初始化每个省份人数为0，然后循环累加该省所有城市的确诊人数，调用city_data[‘total’][‘confirm’]获取各城市的确诊数据。

输出结果如下图所示：

接下来我们分享可视化画图。Matplotlib绘制柱状图

首先，我们调用Matplotlib绘制全国各地区的确诊人数柱状图，帮助大家回忆其基本用法。total_data为字典变量键值对，比如{‘湖北’: 48206, ‘广东’: 1241,…}

代码过长仅展示部分，完整代码请添加客服领取

输出结果如下图所示：

那么，如果我想获取累计确诊人数、新增确诊人数、死亡人数和治愈人数，并进行可视化展示，怎么办呢？只需要简单替换参数即可。city_data[‘total’][‘confirm’] 确诊人数

city_data[‘total’][‘suspect’] 疑似人数

city_data[‘total’][‘dead’] 死亡人数

city_data[‘total’][‘heal’] 治愈人数

city_data[‘today’][‘confirm’] 新增确诊人数

输出如下图所示，但是Matplotlib画图不太美观，接下来分享Seaborn可视化。

数据存储及Seaborn绘制柱状图

Seaborn是在Matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。

安装：pip install seaborn

1. 文件写入

存储成功之后，如下图所示。

对应腾讯的数据，如下图所示：

2. Seaborn绘制柱状图

显示结果如下图所示：

Seaborn绘制对比柱状图

如果需要显示多个数据对比，则需要使用下面的代码。由于Seaborn能够进行按类别分组绘图，我们需要将抓取的数据存储为如下图所示的文件，才能将数据绘制在同一张图中。

此时绘制如下图所示：

但是当数据很小时，其柱状图无法很好地显示，建议采用以下方法处理：归一化处理

湖北省外和湖北省内对比

替换成新增确诊病例的对比图如下所示。

Seaborn绘制趋势图及对比图

1. 湖北省内外对比图

在做数据分析过程中，我们通常需要对数据进行预处理或加工，下面将数据划分为湖北省内和湖北省外，再绘制对应的对比图。

输出结果如下图所示：

2. 疫情趋势图

输出结果如下图所示，疑似人数开始下降。武汉加油，中国必胜！

Seaborn绘制其他图形及分析

作者这里仅补充绘图语法，更多分析结果(死亡数-治愈数)请读者进行。同时，读者可以增加数据量，全国所有城市的数据，可能绘制的图形更为丰满。

1. KDE图sns.jointplot(x=“dead”, y=“heal”,data=data, kind=“kde”, space=0, color="#6AB27B")

显示如下图所示：

2. 六角形sns.jointplot(x=“dead”, y=“heal”,data=data, color=“b”, kind=‘hex’)

3. 散点图sns.jointplot(x=“dead”, y=“heal”,data=data, color=“b”, s=50, kind=‘scatter’, space =0.1, size =8, ratio =5)

4. 回归图sns.jointplot(x=“dead”, y=“heal”,data=data, color=“b”, kind=‘reg’)

5. 散点图+KDE 图g= (sns.jointplot(x=“dead”, y=“heal”, data=data, color=“k”).plot_joint(sns.kdeplot, zorder=0, n_levels=6))

贵州省可视化分析

接着我们抓取某一个省的数据，比如贵州省。

输出结果如下图所示：

添加解析数据和存储文件，完整代码如下：

完整输出内容如下所示：

最后采用Seaborn绘制图形如下所示：

贵州省2月13日疫情显示结果如下所示：

参考文章：就业班学员专享：趣味月考测试、数据库模拟练习1v1职场生涯规划班主任监督辅导专业讲师团队答疑加入我们你将拥有：1. 熟练掌握SQL/Python/Excel/PPT等数据分析工具的能力2.真实数据库的实战项目经历3. 数据职场讲师1v1生涯规划5月班正在火热报名中！快来扫码咨询吧！