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))

Python实现疫情地图可视化

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

Python实现疫情地图可视化

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。

Python实现疫情地图可视化

1.数据的获取(基于request模块)

import requests
import 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：

Python实现疫情地图可视化

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：

Python实现疫情地图可视化

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 pd
chinaTotalData = 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\'] = confirmlist
chinaTotalData[\'suspect\'] = suspectlist
chinaTotalData[\'dead\'] = deadlist
chinaTotalData[\'heal\'] = heallist
chinaTotalData[\'deadRate\'] = deadRatelist
chinaTotalData[\'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_confirmlist
chinaTotalData[\'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：

Python实现疫情地图可视化

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-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

# 导入对应的绘图工具包
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 c

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

最终的运行效果如下：

Python实现疫情地图可视化