玩转PYthon，用Python绘制全球疫情变化地图（好东西，值得一看~~~）
用Python绘制全球疫情变化地图
目前全球疫情仍然比较严重，为了能清晰地看到疫情爆发以来至现在全球疫情的变化趋势，我绘制了一张疫情变化地图，完整代码共 230 行，需要的朋友在公众号回复关键字 疫情地图 即可。废话不多说，先上图
下面就来重点介绍下上面这张图的绘制过程，主要分为以下三个步骤：
数据收集
数据处理
画图
下面一个一个来说。
数据收集
这是万里长城的第一步，俗话说“巧妇难为无米之炊”，既然是变化图，当然需要每个国家、每天的现有确诊病例数。好在现在各大网站都有疫情相关的专题页，我们可以直接抓数据。以网易为例
我们选择 XHR，重新刷新下网页可以看到有几个接口，其中 list-total 接口是获取当前所有有疫情的国家，以及对应的国家id。另外，我们看到还有一个 list-by-area-code 接口，它是获取每个国家历史上每天的疫情数据，请求这个接口需要带 areaCode 参数，这个参数就是我们刚刚说的国家id。所以对我们来说这两个接口是最重要的。下面我们就看看请求 list-total 接口的代码
def get_and_save_all_countries():"""获取所有的国家名以及对应的id，保存为文件"""url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total?t=317452696323'list_total_req = requests.get(url, headers=headers)if list_total_req.status_code == 200:area_tree = list_total_req.json()['data']['areaTree']area_dict = {}for area in area_tree:country_id = area['id']name = area['name']area_dict[country_id] = namearea_json = json.dumps(area_dict, ensure_ascii=False) # ensure_ascii=False 防止json编码后中文编程\u开头的字符write_file('./config/countries_id2name.json', area_json)复制代码免费领取Python自动化学习资料 工具，面试宝典面试技巧，加QQ群，785128166，群内还会大佬技术交流这里将请求下来的数据临时存放在文件里。有了所有的疫情国家的id，我们就可以请求 list-by-area-code 接口来获取每个国家的疫情数据了。代码与上面的类似，不同的是将请求结果存在了 mongodb 而不是文件，目的是为了方便增删改查。当然为了大家方便使用，我将mongodb中的数据导入了文件 counties_daily.json 中，大家可以在源码根目录找到它。
数据处理
免费领取Python自动化学习资料 工具，面试宝典面试技巧，加QQ群，785128166，群内还会大佬技术交流
这一步的处理主要是为第三步画图做准备的。因为我们画图用的是pyecharts框架，它绘制世界地图需要输入的国家名是英文的，而我们收集的国家名是中文的，所以要将中文国家名对应到英文国家名。最终的效果如下
网上能找到这样的对应关系，但想要用起来还需要解决两个问题。第一，两边中文名统一，比如：我们收集的国家名是中非共和国，而对应关系里是中非，那还是对应不上。第二，需要自己增加映射关系，网上找的一般都不全，我们需要根据收集的数据自行增加。经过上面两个步骤处理后，我们就可以将大部分国家名对应到pyechars能识别的英文名了。相关代码如下
def get_cy_properties():# 获取配置文件信息countries_id2name = read_file('./config/countries_id2name.json')cy_id2name_dict = json.loads(countries_id2name)cy_ch2en = {v: k for k, v in countries_dict.items()}# 调整国家的名字与配置文件一致cy_id2name_dict['879'] = '波斯尼亚和黑塞哥维那'cy_id2name_dict['8102'] = '多哥'cy_id2name_dict['8143'] = '刚果民主共和国'cy_id2name_dict['95983'] = '刚果'cy_id2name_dict['8144'] = '中非'cy_id2name_dict['95000011'] = '多米尼加'cy_props = {}for key in cy_id2name_dict:cy_name = cy_id2name_dict[key]if cy_name in cy_ch2en:cy_props[cy_name] = {}cy_props[cy_name]['id'] = keycy_props[cy_name]['en_name'] = cy_ch2en[cy_name]return cy_props复制代码画图
这一步涉及到两个核心过程——构造数据结构和画图。首先，我构造了3个数据结构，分别是date_list、cy_name_list 和 ncov_data。date_list存放的是日期列表，因为我们画动图，所以需要一段时间；cy_name_list 存放收集的所有国家列表（英文名）；ncov_data是一个字典，key是日期，value是数组，存放各个国家当天的确诊病例数。生成这三个数据结构的代码如下
def parse_ncov_data(start_date, end_date, records):if not records:returndate_list = get_date_range(start_date, end_date)cy_name_list = []res = {}# 获取各国每天现有确认病例for i, record in enumerate(records):cy_name = record['cy_en_name']cy_name_list.append(cy_name)# 解析每天数据并计算现有确认病例existing_case_dict = {}for ncov_daily in record['data']['list']:date_str = ncov_daily['date']confirm = ncov_daily['total']['confirm'] # 累计确诊heal = ncov_daily['total']['heal'] # 累计确诊dead = ncov_daily['total']['dead'] # 累计死亡existing_case = confirm - heal - deadexisting_case_dict[date_str] = existing_caselast_existing_case = 0# 将每天确诊病例数合并到res中for date_str in date_list:if date_str not in res: # 初始化res[date_str] = []existing_case = existing_case_dict.get(date_str)if existing_case is None:existing_case = last_existing_caseres[date_str].append(existing_case)last_existing_case = existing_casereturn date_list, cy_name_list, res复制代码参数 records 是一个数组，数组每个元素代表一个国家，内容便是我们在第一步请求 list-by-area-code 接口的数据。最后，用 pyecharts 来画图，直接上代码
def render_map(date_list, cy_name_list, ncov_data):tl = Timeline() # 创建时间线轮播多图，可以让图形按照输入的时间动起来# is_auto_play：自动播放# play_interval：播放时间间隔，单位：毫秒# is_loop_play：是否循环播放tl.add_schema(is_auto_play=True, play_interval=50, is_loop_play=False)for date_str in date_list: # 遍历时间列表map0 = (Map() # 创建地图图表# 将国家名 cy_name_list 以及各国当天确诊病例 ncov_data[date_str] 加入地图中.add("全球疫情趋势", [list(z) for z in zip(cy_name_list, ncov_data[date_str])], "world", is_map_symbol_show=False).set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示国家名.set_global_opts(title_opts=opts.TitleOpts(title="%s日" % date_str), # 图表标题visualmap_opts=opts.VisualMapOpts(max_=80), # 当确诊病例大于80 ，地图颜色是红色))tl.add(map0, "%s" % date_str) # 将当天的地图状态加入时间线中tl.render() # 生成最终轮播多图，会在当前目录创建 render.html 文件复制代码代码里加了注释，这里就不再赘述了。
运行 render_map 函数会在当前目录生成 render.html 文件，打开后便自动播放疫情变化趋势，如文章开头 gif。另外，有些朋友可能会问，能不能直接输出 gif。这一点我也尝试过，百度、谷歌、GitHub上的教程基本上都试了一遍，比较遗憾没有找到靠谱的方法。所以劝大家还是放弃这条路，曲线救国，录制一个视频转成 gif 即可，方便快捷。毕竟人生苦短，Python 为我们节省下的时间不能再被这些无谓的坑再填回去。这样整个过程就介绍完了，虽然思路不复杂，但局部细节上还是需要花一些时间处理的。完整代码共 230 行，需要的朋友在公众号回复关键字 疫情地图 即可。
最近国内某些地方出现了反弹的迹象，希望大家无论是在工作还是生活上都能继续保持警惕。希望这次疫情早点过去，等待全球地图变白的那一天。
玩转PYthon，用Python绘制全球疫情变化地图（好东西，值得一看~~~）相关推荐
- Python 制作动态图表，看全球疫情变化趋势
作者 | 刘早起早起 责编 | 屠敏 前言 最近国内疫情已经有所好转,但是国外的情况不容乐观,那么怎样用Python去制作动态图表来看全球疫情变化趋势呢?比如下面的国内外疫情发展趋势: 还是全球疫情发 ...
- python制作动态心电图_用python制作动态图表看全球疫情变化趋势
点击上方"早起python",关注公众号 满满干货,极速送达 一.前言 最近国内疫情已经有所好转,但是国外的情况不容乐观,那么怎样用python去制作动态图表来看全球疫情变化趋势呢 ...
- python根据json数据画疫情分布地图
目录 一.基础地图使用 1.掌握使用pyecharts构建基础的全国地图可视化图表 二.疫情地图--国内疫情地图 1.案例效果 代码 三.疫情地图--省级疫情地图 四.数据集 注:数据集在文章最后 一 ...
- 探秘谷歌地球，它如何绘制全球98%的地图？
全文共3319字,预计学习时长10分钟 来源:bbs 萨鲁·布里尔利与父母分离时才5岁.他和哥哥古杜从家乡乘坐火车到了70公里以南的另一个城市.萨鲁在车站的长凳上睡着了,醒来时哥哥已不见了. 五岁的弟 ...
- df python 增加数据_美国确诊超100万！教你用Python画出全球疫情动态图(附数据下载)...
CDA数据分析师 出品 [导语]:今天我们教你用Python绘制全球疫情动态图,技术部分请看第二部分. 获取数据:扫描下方公众号回复关键字"全球疫情" 目前,全球新冠疫情还十 ...
- 美国确诊超100万！教你用Python画出全球疫情动态图
目前,全球新冠疫情还十分严峻.截止4月29日,疫情突破多个标志性的统计节点.其中,全球累计确诊近296万例,累计死亡超20万例:美国累计确诊超100万例,西班牙和意大利累计确诊均超过20万例. 01 ...
- 用python爬取全国和全球疫情数据，并进行可视化分析(过程详细代码可运行)
用Python爬取最新疫情数据 这次重大疫情,每时每刻数据都有可能变化,这篇博文将为大家讲解如何爬取实时疫情数据,并且分析数据,作出数据可视化的效果. 报告梗概: 对中国疫情分析 1.1 展示各省疫情 ...
- Python实战采集全球疫情数据
嗨嗨,大家好~ 最近疫情反反复复,就一直没有消停过,之前小区被封,隔离了,上班都成问题 现在上班时间进写字楼,都只能从一个门进来,人全挤一堆啦 唉,今天就教你们 如何用Python采集全球疫情数据,并 ...
- Python绘图：使用Basemap绘制全球地形图
目的 基于NOAA-NGDC的全球地形数据ETOPO2v2,绘制全球地形图. 思路 读取全球地形数据 绘制全球地形图 数据来源 ETOPO2v2c_f4.nc下载地址:https://www.ngdc ...
最新文章
- 如何向IPython Notebook中导入.py文件
- 完成聊天室的私聊功能
- java中doloop语句_Java中的do-while循环——通过示例学习Java编程（11）
- 深度学习 Fine-tune 技巧总结
- 视频教程-大数据编程语言scala讲座-其他
- 计算机怎么剪切音乐然后合在一起,电脑怎么剪辑合并音乐
- 技术江湖--讲座笔记
- 阿里云国际版建立云端数据库操作流程
- Android9.0源代码中替换默认静态壁纸
- A Survey on Metaverse: the State-of-the-art,Technologies, Applications, and Challenges
- 信息安全管理（CISP）—— 业务连续性
- 高博14讲--第七讲 视觉里程计-7.3 2D-2D:对极几何
- 脸萌~基于SVG绘制
- FCPX插件：56种高动态HDR视频调色预设HDR Look Effects
- 从0开始建设saas - 优化篇（session访问的问题）
- H.264视频编解码的FPGA源码分析（一）输入数据分析
- 华为云擎天架构如何应对“高并发”？
- java里面operate方法的用法,operate的用法及例句
- MATLAB导出矢量图结合Visio或Adobe illustrator处理图片
- 【计算机毕业设计】婚纱摄影网的设计