基於Echarts的全球COVID-19(新冠肺炎)新增病例動態視覺化
本demo主要目的是對全球的新冠病例新增資料進行動態視覺化，底層用的是echarts [1]，資料來自Hopkins [2]。
效果如下：
首先看一下echarts程式碼的結構：
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>ECharts</title>
<!-- 引入 echarts.js -->
<script src="incubator-echarts-4.9.0/dist/echarts.min.js"></script>
<script src="incubator-echarts-4.9.0/map/js/world.js"></script>
</head>
<body>
<!-- 為ECharts準備一個具備大小（寬高）的Dom -->
<div id="main" style="width: 100%;height:600px;"></div>
<script type="text/javascript">
// 基於準備好的dom，初始化echarts例項
var myChart = echarts.init(document.getElementById('main'));
var symbol = "/asset/get/s/data-1541516737897-uvYNg2ec4.png";
var data2 =
[
{'date': '2020.1.20', //2020年1月20日全球各國新增新冠病例
'data':
[{'name': 'China', 'value':77.0},
{'name': 'Dem. Rep. Korea', 'value':1.0},
......//此處填補所有國家的資料
{'name': 'Saint Helena', 'value':0.0}
]
},
{'date': '2020.1.21', //2020年1月21日全球各國新增新冠病例
'data':
[{'name': 'China', 'value':77.0},
{'name': 'Dem. Rep. Korea', 'value':1.0},
......
{'name': 'Saint Helena', 'value':0.0}
]
}
......//此處填補所有日期的全球新冠資料
];
var data = data2;
var geoCoordMap3 = {
'Afghanistan': [67.709953, 33.93911],
'Aland Islands': [39.390897, -99.066067],
......//此處為所有國家的資訊，一定注意這裡的國家名稱與上面json資料中的國家名稱要一致
'Central African Rep.': [6.1428, 20.399599]
};
var geoCoordMap = geoCoordMap3;
function formatNum(strNum) {
strNum = strNum.toFixed(0)
if (strNum.length <= 3) {
return strNum;
}
if (!/^(\+|-)?(\d+)(\.\d+)?$/.test(strNum)) {
return strNum;
}
var a = RegExp.$1,
b = RegExp.$2,
c = RegExp.$3;
var re = new RegExp();
re.compile("(\\d)(\\d{3})(,|$)");
while (re.test(b)) {
b = b.replace(re, "$1,$2$3");
}
return a + "" + b + "" + c;
};
function topN(N) {
var dataRaw = [];
for (var i = 0; i < data.length; i++) {
dataRaw[i] = {};
dataRaw[i].date = data[i].date;
dataRaw[i].data = data[i].data.slice(0, N);
}
return dataRaw;
};
var dataTopN = topN(10);
//alert(dataTopN[0].data['name'])
var convertData = function(data) {
var res = [];
for (var i = 0; i < data.length; i++) {
var geoCoord = geoCoordMap[data[i].name];
if (geoCoord) {
res.push({
name: data[i].name,
value: geoCoord.concat(Math.round(data[i].value))
});
}
}
return res;
};
var showList = [];//['South Africa', 'United States', 'Russia', 'China', 'Australia', 'India', 'Zimbabwe', 'Nigeria', 'Brazil', 'Greenland']
var convertData2 = function(data) {
var res = [];
for (var i = 0; i < data.length; i++) {
if (showList.indexOf(data[i].name) > -1) {
var geoCoord = geoCoordMap[data[i].name];
res.push({
name: data[i].name,
value: geoCoord.concat(Math.round(data[i].value))
});
}
}
return res;
};
option = {
baseOption: {
backgroundColor: new echarts.graphic.RadialGradient(0.3, 0.3, 0.8, [{
offset: 0,
color: '#f7f8fa'
}, {
offset: 1,
color: '#cdd0d5'
}]),
title: [{
// text: '全球新冠累計病例',
// subtext: '單位:人數',
left: 'center',
top: '5%',
textStyle: {
fontSize: 30,
color: 'rgba(23,23,31, 0.7)',
textShadowColor: '(0,0,0,0.3)',
textShadowBlur: 5,
textShadowOffsetX: 2,
textShadowOffsety: 4
}
},
{
id: 'top 10',
test: ''
}
],
visualMap: {
min: 0,
max: 10000,
show: false,
left: 'left',
top: 'bottom',
text: ['高', '低'], // 文字，預設為數值文字
calculable: true,
seriesIndex: [0,2],
inRange: {
color: ['rgba(255,255,255,1)', 'rgba(129,0,0,1)'],
//color: ['rgba(255,255,255,0.4)', 'rgba(129,0,0,1)'],
//symbolSize: [10, 50]
}
},
timeline: {
show: false,
axisType: 'category',
orient: 'vertical',
autoPlay: true,
loop: false,
// inverse: true,
playInterval: 200,
left: null,
right: 30,
top: 330,
bottom: 100,
// width: 46,
height: null,
label: {
normal: {
show: true,
interval: 0,
},
},
symbol: 'none',
lineStyle: {
color: '#ccc',
show: false
},
checkpointStyle: {
symbol: 'none',
color: '#bbb',
borderColor: '#777',
show: false,
borderWidth: 1
},
controlStyle: {
showNextBtn: false,
showPrevBtn: false,
normal: {
color: '#666',
show: false,
borderColor: '#666'
},
emphasis: {
color: '#aaa',
borderColor: '#aaa'
}
},
data: data.map(function(ele) {
return ele.date
})
},
grid: {
left: '6%',
right: '70%',
top: '65%',
height: 'auto',
bottom: '6%'
},
xAxis: {},
yAxis: {},
geo: {
map: 'world',
show: true,
roam: true,
label: {
emphasis: {
show: false
}
},
itemStyle: {
normal: {
areaColor: '#ffffff',
borderColor: '#1773c3',
shadowColor: '#ffffff',
shadowBlur: 1
}
},
top: '16%',
bottom: '5%'
},
series: [{
name: '底圖',
type: 'map',
mapType: 'world',
roam: true,
top: '16%',
bottom: '5%',
label: {
normal: {
show: true,
formatter: '{c}',
color: 'rgba(220,220,220,1)'
},
emphasis: {
show: true
}
},
itemStyle: {
normal: {
areaColor: '#ffffff',
borderColor: '#1773c3',
shadowColor: '#ffffff',
shadowBlur: 20,
opacity: 0.6
}
},
data: []
},
{
name: '前5',
type: 'effectScatter',
coordinateSystem: 'geo',
data: [],
},
{
id: 'bar',
type: 'bar',
data: []
}
]
},
options: []
}
for (var i = 0; i < data.length; i++) {
option.options.push({
title: [{
text: "全球新增確診新冠病例分佈 "+data[i].date
},
{
id: 'top 10',
text: 'Top 10',
left: '6%',
right: '70%',
top: '60%',
height: 'auto',
bottom: '6%'
}
],
xAxis: {
show: false,
axisLine: {
show: false,
lineStyle: {
color: 'rgba(121,121,121,0.3)'
//color:'red'
}
},
splitLine: {
show: false
}
},
yAxis: {
type: 'category',
axisTick: {
show: false
},
axisLine: {
show: false,
lineStyle: {
color: 'rgba(121,121,121,0.3)'
//color:'red'
}
},
axisLabel: {
show: false,
textStyle: {
// color: '#ddd'
}
},
data: dataTopN[i].data.map(function(ele) {
return ele.name
}).reverse()
},
geo: {
map: 'world',
show: true,
roam: true,
label: {
emphasis: {
show: false
}
},
itemStyle: {
normal: {
areaColor: '#ffffff',
borderColor: '#1773c3',
shadowColor: '#ffffff',
shadowBlur: 20
}
}
},
series: [{
label: {
normal: {
show: false,
formatter: '{c}'
},
emphasis: {
show: true
}
},
data: data[i].data
//data:dataTopN[i].data
},
{
name: '前10',
type: 'effectScatter',
coordinateSystem: 'geo',
data: convertData2(data[i].data),
// data: convertData(dataTopN[i].data),
symbolSize: 1,
// color: (238,25,27,1),
showEffectOn: 'render',
rippleEffect: {
brushType: 'stroke'
},
hoverAnimation: true,
label: {
normal: {
formatter: function(p) {
return p.name + ' : ' + formatNum(p.value[2])
},
position: 'right',
show: true,
color: 'white',
fontSize: 15,
fontWeight: 'bold',
// textBorderColor: (0,0,0,1),
shadowColor: 'black',
shadowBlur: 10
}
},
// itemStyle: {
// normal: {
// color: '#f4e925',
// shadowBlur: 1,
// shadowColor: '#333'
// }
// },
zlevel: 1
},
{
id: 'bar',
itemStyle: {
normal: {
color: 'rgba(140, 140, 140, 0)',
label: {
show: true
},
}
},
label: {
normal: {
position: 'insideLeft',
formatter: function(p) {
return p.name + ' : ' + formatNum(Math.round(p.value))
},
color: '#6f3071'
}
},
data: dataTopN[i].data.map(function(ele) {
return ele.value
}).reverse()//從大到小排列 2020-12-05
//.sort(function(a, b) {
// return a > b
//})
}
]
})
}
// 使用剛指定的配置項和資料顯示圖表。
myChart.setOption(option);
</script>
</body>
</html>其實通過全球新增新冠病例的趨勢發現，最早的暴發集中於北緯30°~北緯50°之間 [3]。
[1] Echarts. http://echarts.apache.org/zh/index.html
[2] Johns Hopkins University Center for Systems Science and Engineering (JHU CSSE). COVID-19 Data. https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data/csse_covid_19_time_series.
[3] Sajadi MM, Habibzadeh P, Vintzileos A, Shokouhi S, Miralles-Wilhelm F, Amoroso A. Temperature, Humidity, and Latitude Analysis to Estimate Potential Spread and Seasonality of Coronavirus Disease 2019 (COVID-19). JAMA Netw Open. 2020 Jun 1;3(6):e2011834. doi: 10.1001/jamanetworkopen.2020.11834.
相關文章
- 新冠肺炎資料視覺化視覺化
- 約翰斯·霍普金斯大學：全球新冠肺炎死亡病例已超400萬例
- 資料視覺化：基於 Echarts + Python 實現的動態實時大屏範例【11】視覺化EchartsPython
- 世衛組織：過去7天歐洲新增新冠肺炎病例540萬 死亡超1.2萬
- 2020 全球新冠肺炎之下，了不起的 AI 人AI
- Worldmeter：2020年6月28日全球新冠肺炎確診病例累計超過1000萬
- 今日資料行業日報（2020.10.12）『WHO：全球單日新增新冠肺炎確診病例數量達歷史最高水平』行業
- 最新預測：新冠肺炎疫情（COVID-19）對全球航空運輸經濟影響
- 關於微信小程式中如何實現資料視覺化-echarts動態渲染微信小程式視覺化Echarts
- 基於Pandas+ECharts的金融大資料視覺化實現方案Echarts大資料視覺化
- python資料視覺化——echartsPython視覺化Echarts
- 基於 Echarts 的資料視覺化在異構資料平臺的實踐Echarts視覺化
- Cell：揭示新冠肺炎導致嗅覺喪失機制
- 如何用Python追蹤全球各地新冠肺炎資料？Python
- 顯揚科技助力新冠工作！——基於3D機器視覺的新冠取樣試管分揀系統3D視覺
- 麥肯錫：後新冠肺炎時代消費者新常態分析
- 關於如何使用echarts實現市縣區地圖的視覺化Echarts地圖視覺化
- 乾元通新冠防疫視覺化指揮系統視覺化
- H5 Echarts視覺化圖表的使用H5Echarts視覺化
- 韓國新冠新增病例和死亡人數創紀錄 單日新增已經突破60萬
- 使用Echarts來實現資料視覺化Echarts視覺化
- Echarts資料視覺化，easyshu圖表整合。Echarts視覺化
- 基於python----影像的表示和視覺化Python視覺化
- 基於Python實現互動式資料視覺化的工具(用於Web)Python視覺化Web
- 基於 vue 的移動端頁面視覺化搭建工具思路Vue視覺化
- 3D視覺化|疫情態勢視覺化3D視覺化
- 世衛組織：上週全球新增確診病例和新增死亡病例繼續減少
- Echarts檢視視覺化-學習筆記(努力更新中)Echarts視覺化筆記
- Vue全家桶+Echarts資料視覺化實踐VueEcharts視覺化
- 動態的視覺化大屏怎麼做，哪些可以做資料視覺化軟體視覺化
- IDC：新冠肺炎對全球終端裝置市場影響評估
- LightningChart JS實現COVID-19資料視覺化GCJS視覺化
- 哈佛開發新冠肺炎風險地圖地圖
- 新冠肺炎致死率為何差異大？
- 基於echarts 24種資料視覺化展示，填充資料就可用，動手能力強的還可以DIY（演示地址+下載地址）Echarts視覺化
- 從靜態到動態化，Python資料視覺化中的Matplotlib和SeabornPython視覺化
- 《新冠大資料視覺化大屏》專案詳細介紹大資料視覺化
- 基於HTML5的礦山礦井視覺化2D組態系統HTML視覺化