Python实现疫情地图可视化

一、 json模块

       JSON(JavaScript Object Notation)是一种轻量级的数据交换格式,易于阅读和编写,同时也易于机器解析和生成,并有效地提升网络传输效率。

  • json.loads():将json格式的str转化成python的数据格式;
  • json.loads():将python的数据格式(字典或列表)转化成json格式;
# 如何将json数据解析成我们所熟悉的python数据类型?import json# 将json格式的str转化成python的数据格式:字典dic = json.loads('{"name":"Tom","age":23}')res = json.loads('["name","age","gender"]')print(f'利用loads将json字符串转化成python数据类型{dic}',type(dic))print(f'利用loads将json字符串转化成python数据类型{res}',type(res))

dics = {"name":"Tom","age":23}result = json.dumps(dics)print(type(result))result

二、通过python实现疫情地图可视化

需求:爬取疫情的数据、如何处理json数据以及根据疫情数据如何利用pyecharts绘制疫情地图。

1.数据的获取(基于request模块)

import requestsimport json# 国内疫情数据China_url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'headers = { # 浏览器伪装 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36', 'referer': 'https://news.qq.com/',}# 发起get请求,获取响应数据response = requests.get(China_url,headers=headers).json()data = json.loads(response['data'])# 保存数据with open('./2021-02-03国内疫情.json','w',encoding='utf-8') as f: # 不采用ASCII编码 f.write(json.dumps(data,ensure_ascii=False,indent=2))

爬取的数据保存格式为json,开头的部分数据如下:

2.将json格式的数据保存到Excel

        无论是json数据存储的,还是python的基本数据类型存储的,对于数据分析都不是很友好,所以我们可以将其数据存储类型转化为pandas的DataFrame类型,因为DataFrame和Excel可以更好的相互转换。

生成的数据模式如下:

将以上的数据进行处理,获得Excel表一样规范的数据格式。

import pandas as pdchinaTotalData = pd.DataFrame(china_citylist)# 将整体数据chinaTotalData中的today和total数据添加到DataFrame中# 处理total字典里面的各个数据项# ======================================================================confirmlist = []suspectlist = []deadlist = []heallist = []deadRatelist = []healRatelist = []# print(chinaTotalData['total'].values.tolist()[0])for value in chinaTotalData['total'].values.tolist(): confirmlist.append(value['confirm']) suspectlist.append(value['suspect']) deadlist.append(value['dead']) heallist.append(value['heal']) deadRatelist.append(value['deadRate']) healRatelist.append(value['healRate'])chinaTotalData['confirm'] = confirmlistchinaTotalData['suspect'] = suspectlistchinaTotalData['dead'] = deadlistchinaTotalData['heal'] = heallistchinaTotalData['deadRate'] = deadRatelistchinaTotalData['healRate'] = healRatelist# ===================================================================# 创建全国today数据today_confirmlist = []today_confirmCutslist = []for value in chinaTotalData['today'].values.tolist(): today_confirmlist.append(value['confirm']) today_confirmCutslist.append(value['confirmCuts'])chinaTotalData['today_confirm'] = today_confirmlistchinaTotalData['today_confirmCuts'] = today_confirmCutslist# ==================================================================# 删除total、today两列chinaTotalData.drop(['total','today'],axis=1,inplace=True)chinaTotalData.head()# 将其保存到Excel中chinaTotalData.to_excel('2021-02-03国内疫情.xlsx',index=False)

处理好的数据结构如下表:

3.应用pyecharts进行数据可视化

        pyecharts是一款将python与echarts结合的强大的数据可视化工具。绘制出来的图比python的Matplotlib简单美观。使用之前需要在python环境中按照pycharts。在终端中输入命令:pip install pyecharts

利用pyecharts绘制疫情地图
        根据上面的疫情数据,我们可以利用其画出全国的疫情地图
在绘制前,我们需要安装echarts的地图包(可根据不同的地图需求进行安装)

pip install echarts-countries-pypkgpip install echarts-china-provinces-pypkgpip install echarts-china-cities-pypkgpip install echarts-china-misc-pypkgpip install echarts-china-countries-pypkgpip install echarts-united-kingdom-pypkg
# 导入对应的绘图工具包import pandas as pdfrom pyecharts import options as optsfrom pyecharts.charts import Mapdf = pd.read_excel('./2021-02-03国内疫情.xlsx')# 1.根据绘制国内总疫情图(确诊)data = df.groupby(by='province',as_index=False).sum()data_list = list(zip(data['province'].values.tolist(),data['confirm'].values.tolist()))# 数据格式[(黑龙江,200),(吉林,300),...]def map_china() -> Map: c = (  Map()  .add(series_name="确诊病例",data_pair=data_list,maptype='china')  .set_global_opts(   title_opts = opts.TitleOpts(title='疫情地图'),   visualmap_opts=opts.VisualMapOpts(is_piecewise=True,     pieces = [{"max":9, "min":0, "label":"0-9","color":"#FFE4E1"},       {"max":99, "min":10, "label":"10-99","color":"#FF7F50"},       {"max":499, "min":100, "label":"100-4999","color":"#F08080"},       {"max":999, "min":500, "label":"500-999","color":"#CD5C5C"},       {"max":9999, "min":1000, "label":"1000-9999","color":"#990000"},       {"max":99999, "min":10000, "label":"10000-99999","color":"#660000"},]   )  ) ) return cd_map = map_china()d_map.render("mapEchrts.html")

最终的运行效果如下:

注:以上的运行环境是python3.7版本,IDE是基于浏览器端的Jupter Notebook。

以上就是python实现疫情地图可视化的详细内容,更多关于python 疫情地图可视化的资料请关注 其它相关文章!

相关文章

发表新评论