用Python可視化新冠疫情數(shù)據(jù)
前言
不知道大伙有沒有看到過這一句話：“中國（疫苗研發(fā)）非常困難，因為在中國我們沒有辦法做第三期臨床試驗，因為沒有病人了。”這句話是中國工程院院士鐘南山在上?？萍即髮W2021屆畢業(yè)典禮上提出的。這句話在全網(wǎng)流傳，被廣大網(wǎng)友稱之為“凡爾賽”發(fā)言。
今天讓我們用數(shù)據(jù)來看看這句話是不是“凡爾賽”本賽。在開始之前我們先來說說今天要用到的python庫吧！
1.數(shù)據(jù)獲取部分
requests lxml json openpyxl
2.數(shù)據(jù)可視化部分
pandas pyecharts（可視化庫）
以上的庫都可以通過在線下載：
pip instll xx
ps：如果下載速度太慢的話也可以用國內(nèi)鏡像，使用命令，例如：
pip install xx（庫名） -i https://pypi.tuna.tsinghua.edu.cn/simple gevent（清華鏡像）
現(xiàn)在一起進入今天的代碼部分吧?。?！
數(shù)據(jù)獲取
目標地址：
https://voice.baidu.com/act/newpneumonia/newpneumonia
進入目標地址我們可以看到如下所示：
現(xiàn)在讓我們一起去解析網(wǎng)頁結(jié)構(gòu)找到我們要爬取到的數(shù)據(jù)如下所示：
現(xiàn)在我們找到想要的頁面數(shù)據(jù)接下來就是通過Python來獲取這些數(shù)據(jù)了，上代碼：
1 import requests
2 from lxml import etree
3 import json
4 import openpyxl
5
6 #通用爬蟲
7 url = 'https://voice.baidu.com/act/newpneumonia/newpneumonia'
8 headers = {
9 "User-Agent": ".....(換成自己的)"
10 }
11 response = requests.get(url=url,headers=headers).text
12 #在使用xpath的時候要用樹形態(tài)
13 html = etree.HTML(response)
14 #用xpath來獲取我們之前找到的頁面json數(shù)據(jù) 并打印看看
15 json_text = html.xpath('//script[@type="application/json"]/text()')
16 json_text = json_text[0]
17 print(json_text)
之后我們來解析一下json數(shù)據(jù)，上代碼：
1 #用python本地自帶的庫轉(zhuǎn)換一下json數(shù)據(jù) 2 result = json.loads(json_text) 3 print(result) 4 #通過打印出轉(zhuǎn)換的對象我們可以看到我們要的數(shù)據(jù)都要key為component對應(yīng)5 的值之下 所以現(xiàn)在我們將值拿出來 6 result = result["component"] 7 #再次打印看看結(jié)果 8 print(result) 9 獲取國內(nèi)當前數(shù)據(jù) 10 result = result[0]['caseList'] 11 print(result)
接著我們將獲取到的數(shù)據(jù)保存到excel中，上代碼:
1 #創(chuàng)建工作簿
2 wb = openpyxl.Workbook()
3 創(chuàng)建工作表
4 ws = wb.active
5 設(shè)置表的標題
6 ws.title = "國內(nèi)疫情"
7 寫入表頭
8 ws.append(["省份","累計確診","死亡","治愈"])
9 #獲取各省份的數(shù)據(jù)并寫入
10 for line in result:
11 line_name = [line["area"],line["confirmed"],line["died"],line["crued"]]
12 for ele in line_name:
13 if ele == '':
14 ele = 0
15 ws.append(line_name)
16 #保存到excel中
17 wb.save('./china.xlsx')
最后我們查看一下獲取到的數(shù)據(jù)是什么樣的，如圖：
emmmm，終于我們把數(shù)據(jù)獲取部分完成了，第二部分的數(shù)據(jù)可視化來了?。?！
數(shù)據(jù)可視化
這次我們用到的庫是pyecharts里面的Map，我們先展示一下本次可視化用到的庫
1 #可視化部分 2 import pandas as pd 3 from pyecharts.charts import Map,Page 4 from pyecharts import options as opts
首先我們要先通過pandas庫來獲取到剛才我們爬取到的數(shù)據(jù)，上代碼：
1 設(shè)置列對齊
2 pd.set_option('display.unicode.ambiguous_as_wide', True)
3 pd.set_option('display.unicode.east_asian_width', True)
4 打開文件
5 df = pd.read_excel('china.xlsx')
6 對省份進行統(tǒng)計
7 data2 = df['省份']
8 data2_list = list(data2)
9 data3 = df['累計確診']
10 data3_list = list(data3)
11 data4 = df['死亡']
12 data4_list = list(data4)
13 data5 = df ['治愈']
14 data5_list = list(data5)
接著我們來做數(shù)據(jù)可視化，將在我國地圖上的各個省份顯示出對應(yīng)的數(shù)值
我們以疫情發(fā)生以來治愈數(shù)為例，上代碼：
1 c = (
2 Map()
3 .add("治愈", [list(z) for z in zip(data2_list, data5_list)], "china")
4 .set_global_opts(
5 title_opts=opts.TitleOpts(),
6 visualmap_opts=opts.VisualMapOpts(max_=200),
7 )
8 )
9 c.render()
當然僅僅一個治愈情況當然說明不了什么，所以我們將三種情況都以這種形式顯示出來，上代碼：
1 a = (
2 Map()
3 .add("累計確診", [list(z) for z in zip(data2_list, data3_list)], "china")
4 .set_global_opts(
5 title_opts=opts.TitleOpts(),
6 visualmap_opts=opts.VisualMapOpts(max_=200),
7 )
8 )
9
10 b = (
11 Map()
12 .add("死亡", [list(z) for z in zip(data2_list, data4_list)], "china")
13 .set_global_opts(
14 title_opts=opts.TitleOpts(),
15 visualmap_opts=opts.VisualMapOpts(max_=200),
16 )
17 )
18
19 c = (
20 Map()
21 .add("治愈", [list(z) for z in zip(data2_list, data5_list)], "china")
22 .set_global_opts(
23 title_opts=opts.TitleOpts(),
24 visualmap_opts=opts.VisualMapOpts(max_=200),
25 )
26 )
27
28 page = Page(layout=Page.DraggablePageLayout)
29 page.add(
30 a,
31 b,
32 c,
33 )
34 先生成render.html文件
35 page.render()
當然如果是直接運行代碼的話展現(xiàn)出來的地圖不是這樣的，這個是通過后期的排版來完成的。那么在最后我們來說說是怎么排版的吧。
首先你先將上面的代碼運行之后會產(chǎn)生一個render.html的文件然后你打開文件之后可以調(diào)整整個頁面的布局，根據(jù)自己的喜歡來調(diào)整，接著點擊左上角的“Save Config”將這個json文件保存到跟render.html這個文件同一個路徑之下，最后運行一下代碼：
1 #完成上一步之后把 page.render()這行注釋掉
2 #然后循行這下面
3 Page.save_resize_html("render.html",
4 cfg_file="chart_config.json",
5 dest="my_test.html")
這樣以后會產(chǎn)生一個my_test.html這個文件就是我們上面展示的那樣啦。以上就是我們這次的結(jié)果。從數(shù)據(jù)的獲取到數(shù)據(jù)可視化，怎么說呢pyecharts還具有其他強大的可視化功能。
python的特色
• 簡單
• 易于學習
• 自由開放
• 跨平臺
• 可嵌入
• 豐富的庫
總結(jié)
到此這篇關(guān)于用Python可視化新冠疫情數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Python疫情數(shù)據(jù)可視化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python?是一種代表簡單思想的語言，其語法相對簡單，很容易上手。本文精心篩選了Python中的八大核心語句，快來看看你都掌握了幾個呢2023-02-02
在本篇文章里小編給大家整理的是一篇關(guān)于DJANGO-URL反向解析REVERSE的相關(guān)知識點內(nèi)容，需要的朋友們學習下。2019-10-10
淺談PyQt5中異步刷新UI和Python多線程總結(jié)
今天小編就為大家分享一篇淺談PyQt5中異步刷新UI和Python多線程總結(jié)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
基于Python?OpenCV和?dlib實現(xiàn)眨眼檢測
這篇文章主要介紹了基于Python?OPenCV及dlib實現(xiàn)檢測視頻流中的眨眼次數(shù)。文中的代碼對我們的學習和工作有一定價值，感興趣的同學可以參考一下2021-12-12
這篇文章主要介紹了Pandas數(shù)據(jù)分析的一些常用小技巧，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-02-02
Python通過TensorFlow卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)貓狗識別
今天小編就為大家分享一篇關(guān)于Python通過TensorFlow卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)貓狗識別，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2019-03-03
這篇文章主要為大家介紹了python編程中PyAutoGUI庫的使用與安裝簡單介紹，文中含有視頻詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-10-10
TensorFlow自定義損失函數(shù)來預(yù)測商品銷售量
這篇文章主要介紹了TensorFlow自定義損失函數(shù)——預(yù)測商品銷售量,本文給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友可以參考下2020-02-02
這篇文章主要介紹了pandas處理csv文件的方法步驟，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-10-10
下面小編就為大家分享一篇pandas數(shù)值計算與排序方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04