新冠肺炎資料視覺化

目前，騰訊的 疫情實時追蹤 網頁能夠看到實時的新冠病毒資料，視覺化展示也非常清晰。但每次開啟都只能看到當天的資料，所以就想把每天的資料都儲存下來。儲存下來後，也用 pyecharts 做了一個疫情地圖。記錄下要點，供參考。pyecharts 的版本更新比較快，並且 0.5 版與 1.0 版不相容，我使用的 1.6.2 版。

使用 Chrome 瀏覽器，開啟 疫情實時追蹤 網頁，然後點選 F12，開啟 Developer Tools，再次點選頁面重新整理按鈕，追蹤得到資料的 Script 如下：

Response 返回的是 applicatio/json 格式的資料，雙擊左邊的 getOnsInfo**, Chrome 開啟一個新的頁面，展示最新的病情資料：

在Query String Parameters 中，callback 引數為：

callback 引數應該是一個基於毫秒級別的時間戳。去掉這個 callback 引數也可以獲得最新的感染人數資料。

對這個返回的 json 資料，我們可以另存為一個 json 檔案，並對資料的結構進行分析。分析的過程這裡就不展開了。

我根據自己的目的，使用 pandas 模組，將資料儲存到 Excel，通過 pyecharts 模組，將視覺化地圖儲存為 html 檔案，程式碼比較直觀，主要的處理過程為對含有多層次的資料進行扁平化，得到一個二維的資料。地圖中顯示的資料市確認病例的資料。

import requests
import json
import pandas as pd
import os
import datetime

from pyecharts import options as opts
from pyecharts.charts import *

cities = []


def get_ncov_data() -> str:
    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'
    data = requests.get(url).json()['data']

    return data


def get_daily_data() -> list:
    all = json.loads(get_ncov_data())
    return all['chinaDayList']


def flatten_ncov_data() -> list:
    all = json.loads(get_ncov_data())
    date = all['lastUpdateTime']

    # 第一層：國家
    china = all['areaTree'][0]['children']  # get China data

    # 第二層：省
    for province in china:
        province_ncov = province['children']

        # 第三層：市
        for city in province_ncov:
            # 輸出格式
            city_ncov = {
                '日期': date,
                '省份': province['name'],
                '市': city['name'],
                '新增確認': city['today']['confirm'],
                '新增治癒': city['today']['heal'],
                '新增死亡': city['today']['dead'],
                '累計確認': city['total']['confirm'],
                '累計治癒': city['total']['heal'],
                '累計死亡': city['total']['dead']
            }

            cities.append(city_ncov)


def export_excel():
    cities.clear()
    flatten_ncov_data()
    df = pd.DataFrame(cities)

    # 匯出Excel
    path = os.path.dirname(os.path.abspath(__file__))
    output_file = os.path.join(path, 'output.xlsx')

    df.to_excel(output_file)


def render_map_chart():
    cities.clear()
    flatten_ncov_data()
    df = pd.DataFrame(cities)

    # Render Map chart
    map_chart = Map()
    map_chart.add(
        "中國",  # map name
        [list(z) for z in zip(list(df["省份"]), list(df['累計確認']))],
        "china",
        is_map_symbol_show=False
    )

    map_chart.set_global_opts(
        title_opts=opts.TitleOpts(
            title="nCoV疫情地圖(" + str(datetime.date.today()) + ")"
        ),
        visualmap_opts=opts.VisualMapOpts(
            max_=10000,
            is_piecewise=True,
            pieces=[
                {"min": 1, "max": 9, "label": "10人以下", "color": "#FFE6BE"},
                {"min": 10, "max": 99, "label": "10-99人", "color": "#FFB769"},
                {"min": 100, "max": 499, "label": "100-499人", "color": "#FF8F66"},
                {"min": 500, "max": 999, "label": "500-999人", "color": "#ED514E"},
                {"min": 1000, "max": 10000, "label": "1000人以上", "color": "#CA0D11"}
            ]))

    map_chart.render('ncov_map_chart_{}.html'.format(datetime.date.today()))


def render_line_chart():
    daily_data = get_daily_data()
    df = pd.DataFrame(daily_data)

    line_chart = Line()
    line_chart.add_xaxis(list(df["date"]))
    line_chart.add_yaxis("確認", list(df["confirm"]))
    line_chart.add_yaxis("疑似", list(df["suspect"]))
    line_chart.set_global_opts(
        title_opts=opts.TitleOpts(title="nCoV確認病例與疑似病例曲線")
    )

    line_chart.render('ncov_line_chart-{}.html'.format(datetime.date.today()))


if __name__ == "__main__":

    export_excel()
    render_map_chart()
    render_line_chart()

地圖顯示的效果如下，與騰訊疫情地圖圖例的顏色一樣。

確認和疑似病例的日趨勢曲線如下：