Python實戰：抓肺炎疫情實時資料，畫2019-nCoV疫情地圖
1. 前言
今天，群裡白堊老師問如何用python畫武漢肺炎疫情地圖。白堊老師是研究海洋生態與地球生物的學者，國家重點實驗室成員，於不惑之年學習python，實為我等學習楷模。先前我並沒有關注武漢肺炎的具體資料，也沒有畫過類似的資料分佈圖。於是就拿了兩個小時，專門研究了一下，遂成此文。
2月6日追記：本文釋出後，騰訊的資料來源多次變更url和資料格式，導致程式碼無法執行。有很多熱心朋友已經留言，幫助修正了程式碼，現將這些修正補充到正文中。所有資料抓取的截圖均未變更，或有不符，請各位朋友明鑑。另有朋友諮詢如何在分省地圖上顯示各省名字，這次一併補充到程式碼中。
2. 資料下載
網上一搜，首先搜到的是騰訊的疫情實時追蹤，那就用這個資料來源吧。
有了網址怎麼抓資料呢？這裡，我送大家一雙火眼金睛，可以從紛亂中找到最靠譜的下載方式。我習慣用FireFox瀏覽器，下面的講解就以FireFox為例（其他瀏覽器基本類似）。
- 開啟選單，點選“Web開發者”，在遞進選單中選擇"網路"：
- 重新整理頁面，我們很快就能發現，應答型別為json格式的這個請求，最有可能包含我們需要的資料了：
- 深入分析，我們就得到了url地址、請求方法、引數、應答格式等資訊。查詢引數中，callback是回撥函式名，我們可以嘗試置空，_應該是以毫秒為單位的當前時間戳。有了這些資訊，分分鐘就可以抓到資料了。我們先在IDLE中以互動方式抓一下看看效果：
>>> import time, json, requests
>>> url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
>>> data = json.loads(requests.get(url=url).json()['data'])
只要兩行程式碼，就可以抓到資料了。怎麼樣，是不是超級簡單？我們在來看看資料結構：
>>> data.keys()
dict_keys(['chinaTotal', 'chinaAdd', 'lastUpdateTime', 'areaTree', 'chinaDayList', 'chinaDayAddList', 'isShowAdd'])
>>> d = data['areaTree'][0]['children']
>>> len(d)
34
>>> [item['name'] for item in d]
['湖北', '浙江', '廣東', '河南', '湖南', '江西', '安徽', '重慶', '山東', '江蘇', '四川', '上海', '北京', '福建', '黑龍江', '廣西', '陝西', '河北', '雲南', '海南', '山西', '遼寧', '天津', '貴州', '甘肅', '吉林', '內蒙古', '寧夏', '新疆', '香港', '青海', '臺灣', '澳門', '西藏']
>>> d[0]['children']
[{'name': '武漢', 'total': {'confirm': 10117, 'suspect': 0, 'dead': 414, 'heal': 431}, 'today': {'confirm': 1766, 'suspect': 0, 'dead': 52, 'heal': 58}}, {'name': '孝感', 'total': {'confirm': 1886, 'suspect': 0, 'dead': 25, 'heal': 9}, 'today': {'confirm': 424, 'suspect': 0, 'dead': 7, 'heal': 3}}, {'name': '黃岡', 'total': {'confirm': 1807, 'suspect': 0, 'dead': 29, 'heal': 60}, 'today': {'confirm': 162, 'suspect': 0, 'dead': 4, 'heal': 8}}, {'name': '隨州', 'total': {'confirm': 834, 'suspect': 0, 'dead': 9, 'heal': 9}, 'today': {'confirm': 128, 'suspect': 0, 'dead': 1, 'heal': 0}}, {'name': '荊州', 'total': {'confirm': 801, 'suspect': 0, 'dead': 10, 'heal': 18}, 'today': {'confirm': 88, 'suspect': 0, 'dead': 1, 'heal': 6}}, {'name': '襄陽', 'total': {'confirm': 787, 'suspect': 0, 'dead': 2, 'heal': 10}, 'today': {'confirm': 52, 'suspect': 0, 'dead': 0, 'heal': 3}}, {'name': '黃石', 'total': {'confirm': 566, 'suspect': 0, 'dead': 2, 'heal': 25}, 'today': {'confirm': 57, 'suspect': 0, 'dead': 0, 'heal': 7}}, {'name': '宜昌', 'total': {'confirm': 563, 'suspect': 0, 'dead': 6, 'heal': 9}, 'today': {'confirm': 67, 'suspect': 0, 'dead': 2, 'heal': 0}}, {'name': '荊門', 'total': {'confirm': 508, 'suspect': 0, 'dead': 17, 'heal': 21}, 'today': {'confirm': 86, 'suspect': 0, 'dead': 1, 'heal': 5}}, {'name': '鄂州', 'total': {'confirm': 423, 'suspect': 0, 'dead': 18, 'heal': 8}, 'today': {'confirm': 41, 'suspect': 0, 'dead': 0, 'heal': 2}}, {'name': '咸寧', 'total': {'confirm': 399, 'suspect': 0, 'dead': 1, 'heal': 3}, 'today': {'confirm': 15, 'suspect': 0, 'dead': 1, 'heal': 1}}, {'name': '十堰', 'total': {'confirm': 353, 'suspect': 0, 'dead': 0, 'heal': 14}, 'today': {'confirm': 35, 'suspect': 0, 'dead': 0, 'heal': 5}}, {'name': '仙桃', 'total': {'confirm': 265, 'suspect': 0, 'dead': 5, 'heal': 0}, 'today': {'confirm': 40, 'suspect': 0, 'dead': 1, 'heal': 0}}, {'name': '恩施州', 'total': {'confirm': 144, 'suspect': 0, 'dead': 0, 'heal': 10}, 'today': {'confirm': 6, 'suspect': 0, 'dead': 0, 'heal': 4}}, {'name': '天門', 'total': {'confirm': 138, 'suspect': 0, 'dead': 10, 'heal': 1}, 'today': {'confirm': 10, 'suspect': 0, 'dead': 0, 'heal': 1}}, {'name': '潛江', 'total': {'confirm': 64, 'suspect': 0, 'dead': 1, 'heal': 0}, 'today': {'confirm': 10, 'suspect': 0, 'dead': 0, 'heal': 0}}, {'name': '神農架', 'total': {'confirm': 10, 'suspect': 0, 'dead': 0, 'heal': 2}, 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0}}, {'name': '地區待確認', 'total': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 3}, 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0}}]
3. 資料處理
以省為單位畫疫情圖，我們只需要統計同屬一個省的所有地市的確診資料即可。最終的資料抓取程式碼如下：
import time, json, requests
def catch_distribution():
"""抓取行政區域確診分佈資料"""
data = {}
url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
for item in json.loads(requests.get(url=url).json()['data'])['areaTree'][0]['children']:
if item['name'] not in data:
data.update({item['name']:0})
for city_data in item['children']:
data[item['name']] += int(city_data['total']['confirm'])
return data
4. 資料視覺化
資料視覺化，我習慣使用matplotlib模組。matplotlib有很多擴充套件工具包（toolkits），比如，畫3D需要mplot3d工具包，畫地圖的話，則需要basemap工具包，以及處理地圖投影的pyproj模組。另外畫海陸分界線、國界線、行政分界線等還需要shape資料。所需模組請自行安裝，shape檔案可以從這裡下載，繪圖用到的向量字型檔可以從自己的電腦上隨便找一個（我用的是simsun.ttf）。我的主程式是2019nCoV.py，shape檔案下載下來之後，是這樣儲存的：
以下為全部程式碼，除了疫情地圖，還包括了全國每日武漢肺炎確診資料的下載和視覺化。
# -*- coding: utf-8 -*-
import time
import json
import requests
from datetime import datetime
import numpy as np
import matplotlib
import matplotlib.figure
from matplotlib.font_manager import FontProperties
from matplotlib.backends.backend_agg import FigureCanvasAgg
from matplotlib.patches import Polygon
from matplotlib.collections import PatchCollection
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
plt.rcParams['font.sans-serif'] = ['FangSong'] # 設定預設字型
plt.rcParams['axes.unicode_minus'] = False # 解決儲存影象時'-'顯示為方塊的問題
def catch_daily():
"""抓取每日確診和死亡資料"""
url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts&callback=&_=%d'%int(time.time()*1000)
data = json.loads(requests.get(url=url).json()['data'])
data.sort(key=lambda x:x['date'])
date_list = list() # 日期
confirm_list = list() # 確診
suspect_list = list() # 疑似
dead_list = list() # 死亡
heal_list = list() # 治癒
for item in data:
month, day = item['date'].split('/')
date_list.append(datetime.strptime('2020-%s-%s'%(month, day), '%Y-%m-%d'))
confirm_list.append(int(item['confirm']))
suspect_list.append(int(item['suspect']))
dead_list.append(int(item['dead']))
heal_list.append(int(item['heal']))
return date_list, confirm_list, suspect_list, dead_list, heal_list
def catch_distribution():
"""抓取行政區域確診分佈資料"""
data = {}
url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
for item in json.loads(requests.get(url=url).json()['data'])['areaTree'][0]['children']:
if item['name'] not in data:
data.update({item['name']:0})
for city_data in item['children']:
data[item['name']] += int(city_data['total']['confirm'])
return data
def plot_daily():
"""繪製每日確診和死亡資料"""
date_list, confirm_list, suspect_list, dead_list, heal_list = catch_daily() # 獲取資料
plt.figure('2019-nCoV疫情統計圖表', facecolor='#f4f4f4', figsize=(10, 8))
plt.title('2019-nCoV疫情曲線', fontsize=20)
plt.plot(date_list, confirm_list, label='確診')
plt.plot(date_list, suspect_list, label='疑似')
plt.plot(date_list, dead_list, label='死亡')
plt.plot(date_list, heal_list, label='治癒')
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m-%d')) # 格式化時間軸標註
plt.gcf().autofmt_xdate() # 優化標註（自動傾斜）
plt.grid(linestyle=':') # 顯示網格
plt.legend(loc='best') # 顯示圖例
plt.savefig('2019-nCoV疫情曲線.png') # 儲存為檔案
#plt.show()
def plot_distribution():
"""繪製行政區域確診分佈資料"""
data = catch_distribution()
font_14 = FontProperties(fname='res/simsun.ttf', size=14)
font_11 = FontProperties(fname='res/simsun.ttf', size=11)
width = 1600
height = 800
rect = [0.1, 0.12, 0.8, 0.8]
lat_min = 0
lat_max = 60
lon_min = 77
lon_max = 140
'''全球等經緯投影模式使用以下設定，否則使用上面的對應設定
width = 3000
height = 1500
rect = [0, 0, 1, 1]
lat_min = -90
lat_max = 90
lon_min = 0
lon_max = 360
'''
handles = [
matplotlib.patches.Patch(color='#ffaa85', alpha=1, linewidth=0),
matplotlib.patches.Patch(color='#ff7b69', alpha=1, linewidth=0),
matplotlib.patches.Patch(color='#bf2121', alpha=1, linewidth=0),
matplotlib.patches.Patch(color='#7f1818', alpha=1, linewidth=0),
]
labels = [ '1-9人', '10-99人', '100-999人', '>1000人']
provincePos = {
"遼寧省":[121.7,40.9],
"吉林省":[124.5,43.5],
"黑龍江省":[125.6,46.5],
"北京市":[116.0,39.9],
"天津市":[117.0,38.7],
"內蒙古自治區":[110.0,41.5],
"寧夏回族自治區":[105.2,37.0],
"山西省":[111.0,37.0],
"河北省":[114.0,37.8],
"山東省":[116.5,36.0],
"河南省":[111.8,33.5],
"陝西省":[107.5,33.5],
"湖北省":[111.0,30.5],
"江蘇省":[119.2,32.5],
"安徽省":[115.5,31.8],
"上海市":[121.0,31.0],
"湖南省":[110.3,27.0],
"江西省":[114.0,27.0],
"浙江省":[118.8,28.5],
"福建省":[116.2,25.5],
"廣東省":[113.2,23.1],
"臺灣省":[120.5,23.5],
"海南省":[108.0,19.0],
"廣西壯族自治區":[107.3,23.0],
"重慶市":[106.5,29.5],
"雲南省":[101.0,24.0],
"貴州省":[106.0,26.5],
"四川省":[102.0,30.5],
"甘肅省":[103.0,35.0],
"青海省":[95.0,35.0],
"新疆維吾爾自治區":[85.5,42.5],
"西藏自治區":[85.0,31.5],
"香港特別行政區":[115.1,21.2],
"澳門特別行政區":[112.5,21.2]
}
fig = matplotlib.figure.Figure()
fig.set_size_inches(width/100, height/100) # 設定繪圖板尺寸
axes = fig.add_axes(rect)
# 蘭博託投影模式，區域性
m = Basemap(projection='lcc', llcrnrlon=77, llcrnrlat=14, urcrnrlon=140, urcrnrlat=51, lat_1=33, lat_2=45, lon_0=100, ax=axes)
# 蘭博託投影模式，全圖
#m = Basemap(projection='lcc', llcrnrlon=80, llcrnrlat=0, urcrnrlon=140, urcrnrlat=51, lat_1=33, lat_2=45, lon_0=100, ax=axes)
# 圓柱投影模式，區域性
#m = Basemap(llcrnrlon=lon_min, urcrnrlon=lon_max, llcrnrlat=lat_min, urcrnrlat=lat_max, resolution='l', ax=axes)
# 正射投影模式
#m = Basemap(projection='ortho', lat_0=36, lon_0=102, resolution='l', ax=axes)
# 全球等經緯投影模式，
#m = Basemap(llcrnrlon=lon_min, urcrnrlon=lon_max, llcrnrlat=lat_min, urcrnrlat=lat_max, resolution='l', ax=axes)
#m.etopo()
m.readshapefile('res/china-shapefiles-master/china', 'province', drawbounds=True)
m.readshapefile('res/china-shapefiles-master/china_nine_dotted_line', 'section', drawbounds=True)
m.drawcoastlines(color='black') # 洲際線
m.drawcountries(color='black') # 國界線
m.drawparallels(np.arange(lat_min,lat_max,10), labels=[1,0,0,0]) #畫經度線
m.drawmeridians(np.arange(lon_min,lon_max,10), labels=[0,0,0,1]) #畫緯度線
pset = set()
for info, shape in zip(m.province_info, m.province):
pname = info['OWNER'].strip('\x00')
fcname = info['FCNAME'].strip('\x00')
if pname != fcname: # 不繪製海島
continue
for key in data.keys():
if key in pname:
if data[key] == 0:
color = '#f0f0f0'
elif data[key] < 10:
color = '#ffaa85'
elif data[key] <100:
color = '#ff7b69'
elif data[key] < 1000:
color = '#bf2121'
else:
color = '#7f1818'
break
poly = Polygon(shape, facecolor=color, edgecolor=color)
axes.add_patch(poly)
pos = provincePos[pname]
text = pname.replace("自治區", "").replace("特別行政區", "").replace("壯族", "").replace("維吾爾", "").replace("回族", "").replace("省", "").replace("市", "")
if text not in pset:
x, y = m(pos[0], pos[1])
axes.text(x, y, text, fontproperties=font_11, color='#00FFFF')
pset.add(text)
axes.legend(handles, labels, bbox_to_anchor=(0.5, -0.11), loc='lower center', ncol=4, prop=font_14)
axes.set_title("2019-nCoV疫情地圖", fontproperties=font_14)
FigureCanvasAgg(fig)
fig.savefig('2019-nCoV疫情地圖.png')
if __name__ == '__main__':
plot_daily()
plot_distribution()
2019-nCoV疫情曲線:
2019-nCoV疫情地圖（蘭勃託投影）：
2019-nCoV疫情地圖（圓柱投影）:
2019-nCoV疫情地圖（正射投影）:
2019-nCoV疫情地圖（全球等經緯投影模式）:
既然都讀到這裡了，就給我——168號博主天元浪子投上5票吧，謝謝！
相關文章
- 利用Python爬取新冠肺炎疫情實時資料，Pyecharts畫2019-nCoV疫情地圖PythonEcharts地圖
- 武漢肺炎疫情地圖(Vue版)地圖Vue
- 【實戰】通過Python實現疫情地圖視覺化Python地圖視覺化
- 抗擊疫情實時地圖怎麼做？哪個地圖可以看疫情風控？地圖
- 用Python爬取新型冠狀病毒肺炎實時資料，pyecharts v1.x繪製省市區疫情地圖PythonEcharts地圖
- 上海疫情實時動態地圖製作，疫情風控區域地圖”助力精準防疫！地圖
- Python 繪製全球疫情地圖Python地圖
- 小區確診病例實時地圖，怎麼繪製疫情視覺化地圖？地圖視覺化
- 實時防疫地圖怎麼用？怎麼查詢離我最近的疫情病例？地圖
- 基於 HTML + WebGL 結合 23D 的疫情地圖實時大屏 PC 版HTMLWeb3D地圖
- 新冠確診病例軌跡地圖怎麼畫？小區疫情分佈地圖製作！地圖
- Python：爬取疫情每日資料Python
- 全球疫情實時監控——約翰斯·霍普金斯大學資料大屏實現方案
- 戰疫情——flutter AppFlutterAPP
- 伏影實驗室提醒您謹慎開啟疫情地圖郵件地圖
- 100行程式碼實現疫情地圖視覺化，原理是什麼？行程地圖視覺化
- Flutter - 疫情實況，加油武漢Flutter
- 面對肺炎疫情小貼士-IT奶爸帶娃記
- 使用R畫地圖資料地圖
- selenium實現疫情簽到
- Python疫情資料分析，並做資料視覺化展示Python視覺化
- 疫情預測、學者資料、學術成果、政策地圖，清華大學AMiner團隊上線一系列疫情相關AI大資料產品地圖AI大資料
- 上海交大：新冠肺炎疫情對若干行業的影響分析行業
- 【python】爬取疫情資料並進行視覺化Python視覺化
- 疫情期間建立的新型夥伴關係在疫情消退後將為長期戰略（附原資料表）
- 【COVID-19中國疫情地圖】專案詳細介紹地圖
- 《北京社群疫情抵抗力地圖》專案詳細介紹地圖
- 實現地圖實時定位，拯救“路痴”地圖
- Python | 資料分析實戰ⅠPython
- Python | 資料分析實戰 ⅡPython
- 保險行業全景分析：新冠肺炎疫情影響報告（附下載）行業
- 2020-3-3.新型肺炎疫情國際形勢分析
- 疫情防控，開發者集結出戰！
- JavaCV的攝像頭實戰之四：抓圖Java
- Python爬蟲實戰：爐石傳說卡牌、原畫資料抓取Python爬蟲
- 如何製作省市級別上鑽下取的線上疫情地圖地圖
- 哈佛開發新冠肺炎風險地圖地圖
- ESCAP：亞太地區如何在後疫情時代實現可持續發展報告