【實戰】通過Python實現疫情地圖視覺化

TrainingL發表於2021-02-03
Python地圖視覺化

目錄

一、 json模組

       JSON（JavaScript Object Notation）是一種輕量級的資料交換格式，易於閱讀和編寫，同時也易於機器解析和生成，並有效地提升網路傳輸效率。

  • json.loads()：將json格式的str轉化成python的資料格式；
  • json.loads()：將python的資料格式（字典或列表）轉化成json格式；
# 如何將json資料解析成我們所熟悉的Python資料型別？
import json
# 將json格式的str轉化成python的資料格式：字典
dic = json.loads('{"name":"Tom","age":23}')
res = json.loads('["name","age","gender"]')
print(f'利用loads將json字串轉化成Python資料型別{dic}',type(dic))
print(f'利用loads將json字串轉化成Python資料型別{res}',type(res))

在這裡插入圖片描述

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

在這裡插入圖片描述

二、通過Python實現疫情地圖視覺化

需求：爬取疫情的資料、如何處理json資料以及根據疫情資料如何利用pyecharts繪製疫情地圖。

在這裡插入圖片描述

在這裡插入圖片描述

# 1.資料的獲取(基於request模組)
import requests
import json
# 國內疫情資料
China_url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'
headers = {
    # 瀏覽器偽裝
    '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/',
}
# 發起get請求，獲取響應資料
response = requests.get(China_url,headers=headers).json()
data = json.loads(response['data'])
# 儲存資料
with open('./2021-02-03國內疫情.json','w',encoding='utf-8') as f:
    # 不採用ASCII編碼
    f.write(json.dumps(data,ensure_ascii=False,indent=2))

爬取的資料儲存格式為json，開頭的部分資料如下：
在這裡插入圖片描述

2.將json格式的資料儲存到Excel

        無論是json資料儲存的，還是Python的基本資料型別儲存的，對於資料分析都不是很友好，所以我們可以將其資料儲存型別轉化為pandas的DataFrame型別，因為DataFrame和Excel可以更好的相互轉換。

# 讀取檔案
with open('./2021-02-03國內疫情.json','r',encoding='utf-8') as f:
    data = f.read()

# 將資料轉成Python資料格式(字串轉換為字典)
data = json.loads(data)
# 1.獲取資料最新的更新時間
lastUpdateTime = data['lastUpdateTime']
# 2.獲取國內的所有疫情相關的資料
chinaAreaDict = data['areaTree']
# 3.獲取省級資料
provinceList = chinaAreaDict[0]['children']
# 將國內資料按城市封裝
china_citylist = []
for x in range(len(provinceList)):
    province = provinceList[x]['name']
    province_list = provinceList[x]['children']
    
    for y in range(len(province_list)):
        # 每一個地級市的資料
        city = province_list[y]['name']
        total = province_list[y]['total']
        today = province_list[y]['today']
        china_dict = {'province':province,
                      'city':city,
                      'total':total,
                      'today':today}
        china_citylist.append(china_dict)
china_citylist

生成的資料模式如下：
在這裡插入圖片描述
將以上的資料進行處理，獲得Excel表一樣規範的資料格式。

import pandas as pd
chinaTotalData = pd.DataFrame(china_citylist)

# 將整體資料chinaTotalData中的today和total資料新增到DataFrame中
# 處理total字典裡面的各個資料項
# ======================================================================
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'] = confirmlist
chinaTotalData['suspect'] = suspectlist
chinaTotalData['dead'] = deadlist
chinaTotalData['heal'] = heallist
chinaTotalData['deadRate'] = deadRatelist
chinaTotalData['healRate'] = healRatelist
# ===================================================================
# 建立全國today資料
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_confirmlist
chinaTotalData['today_confirmCuts'] = today_confirmCutslist
# ==================================================================
# 刪除total、today兩列
chinaTotalData.drop(['total','today'],axis=1,inplace=True)
chinaTotalData.head()
# 將其儲存到Excel中
chinaTotalData.to_excel('2021-02-03國內疫情.xlsx',index=False)

處理好的資料結構如下表：
在這裡插入圖片描述

3.應用pyecharts進行資料視覺化

        pyecharts是一款將python與echarts結合的強大的資料視覺化工具。繪製出來的圖比Python的Matplotlib簡單美觀。使用之前需要在Python環境中按照pycharts。在終端中輸入命令：pip install pyecharts

利用pyecharts繪製疫情地圖
        根據上面的疫情資料，我們可以利用其畫出全國的疫情地圖
在繪製前，我們需要安裝echarts的地圖包（可根據不同的地圖需求進行安裝）

  • pip install echarts-countries-pypkg
  • pip install echarts-china-provinces-pypkg
  • pip install echarts-china-cities-pypkg
  • pip install echarts-china-misc-pypkg
  • pip install echarts-china-countries-pypkg
  • pip install echarts-united-kingdom-pypkg
# 匯入對應的繪圖工具包
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map

df = pd.read_excel('./2021-02-03國內疫情.xlsx')
# 1.根據繪製國內總疫情圖（確診）
data = df.groupby(by='province',as_index=False).sum()
data_list = list(zip(data['province'].values.tolist(),data['confirm'].values.tolist()))
# 資料格式[(黑龍江,200),(吉林,300),...]

def map_china() -> Map:
    c = (
        Map()
        .add(series_name="確診病例",data_pair=data_list,maptype='china')
        .set_global_opts(
            title_opts = opts.TitleOpts(title='疫情地圖'),
            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 c

d_map = map_china()
d_map.render("mapEchrts.html")

最終的執行效果如下：
在這裡插入圖片描述

注：以上的執行環境是Python3.7版本，IDE是基於瀏覽器端的Jupter Notebook。

相關文章