COVID

2024-07-09 18:42| 来源: 网络整理| 查看: 265

新型冠状病毒感染的肺炎疫情爆发后，对人们的生活产生很大的影响。现特对COVID-19疫情实时数据和历史数据进行爬取、分析、可视化展示。

设计框架

在这里插入图片描述

一、数据爬取 1.1 选择数据源：

选择网易的疫情实时动态播报平台作为数据源，地址：https://wp.m.163.com/163/page/news/virus_report/index.html?nw=1&anw=1 在这里插入图片描述

1.2 数据定位及抓取

导入相关库

import pandas as pd import requests import time pd.set_option('max_rows',500) # 显示500行数据 # 设置请求头，伪装为浏览器 headers = { 'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36 Edg/86.0.622.69' } # 发送请求 url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total' # 定义要访问的地址 r = requests.get(url,headers = headers) # 使用requests发起请求 # 查看请求状态 r.status_code 200

响应码为200，说明页面正常响应成功！

print(type(r.text)) #查看类型。 r.text——文本获取 print(len(r.text)) # 查看文本长度

返回后的内容是一个30万长度的字符串，因字符串格式不方便进行分析，并且在网页预览中发现数据为类似字典的json格式，所以这里将其转为json格式。

import json data_json = json.loads(r.text) # 按照json格式读取 data_json

data中存放着我们所需要的网页数据在这里插入图片描述

data = data_json['data'] # data中存放着我们需要的数据 data.keys() # 查看数据键值 dict_keys(['chinaTotal', 'chinaDayList', 'lastUpdateTime', 'areaTree'])

数据中有四个键，每个键值含义不同

1.3 实时数据爬取 1.3.1 自定义函数：get_data（提取数据），save_data（保存数据） # 将提取数据的方法封装为函数 def get_data(data,info_list): info = pd.DataFrame(data)[info_list] # 基本信息 today_data = pd.DataFrame([i['today'] for i in data ]) # 获取today的数据 today_data.columns = ['today_'+i for i in today_data.columns] # 修改列名 total_data = pd.DataFrame([i['total'] for i in data ]) # 获取total的数据 total_data.columns = ['total_'+i for i in total_data.columns] # 修改列名 return pd.concat([info,total_data,today_data],axis=1) # info、today和total横向合并最终得到汇总的数据 # 定义保存数据方法 def save_data(data,name): file_name = name+'_'+time.strftime('%Y_%m_%d',time.localtime(time.time()))+'.csv' data.to_csv(file_name,index=None,encoding='utf_8_sig') print(file_name+' 保存成功！') 1.3.2 中国各省实时数据 data_province = data['areaTree'][2]['children'] # 取出中国各省的实时数据 today_province = get_data(data_province,['id','lastUpdateTime','name']) # 省略children，去除嵌套字典 save_data(today_province,'today_province')

在这里插入图片描述

1.3.3 世界各国实时数据 areaTree = data['areaTree'] # 取出areaTree today_world = get_data(areaTree,['id','lastUpdateTime','name']) # 获取世界各国实时数据 save_data(today_world,'today_world')

在这里插入图片描述

1.4 历史数据爬取 1.4.1 中国历史数据 chinaDayList = data['chinaDayList'] # 取出chinaDayList alltime_China = get_data(chinaDayList,['date','lastUpdateTime']) save_data(alltime_China,'alltime_China') 1.4.2 中国各省历史数据

在爬取各省历史数据的过程中，发现参数aeraCode=420000，而这刚好和全国各省实时数据today_province中的id对应，即更改爬取的URL中的aeraCode参数就可爬取不同省市的历史数据。

# 将各省行政区号和各省名称按照字典形式对位 province_dict = { num:name for num,name in zip(today_province['id'],today_province['name'])} start = time.time() for province_id in province_dict: # 遍历各省编号 try: # 按照省编号访问每个省的数据地址，并获取json数据 url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-by-area-code?areaCode='+province_id r = requests.get(url, headers=headers) data_json = json.loads(r.text) # 提取各省数据，然后写入各省名称 province_data = get_data(data_json['data']['list'],['date']) province_data['name'] = province_dict[province_id] # 合并数据 if province_id == '420000': alltime_province = province_data else: alltime_province = pd.concat([alltime_province,province_data]) print('-'*20,province_dict[province_id],'成功', province_data.shape,alltime_province.shape, ',累计耗时:',round(time.time()-start),'-'*20) # 设置延迟等待 time.sleep(20) except: print('-'*20,province_dict[province_id],'wrong','-'*20) -------------------- 湖北成功 (396, 16) (396, 16) ,累计耗时: 1 -------------------- -------------------- 香港成功 (396, 16) (792, 16) ,累计耗时: 21 -------------------- -------------------- 广东成功 (394, 16) (1186, 16) ,累计耗时: 42 -------------------- -------------------- 上海成功 (380, 16) (1566, 16) ,累计耗时: 63 -------------------- -------------------- 黑龙江成功 (385, 16) (1951, 16) ,累计耗时: 83 -------------------- -------------------- 浙江成功 (392, 16) (2343, 16) ,累计耗时: 103 -------------------- -------------------- 河北成功 (387, 16) (2730, 16) ,累计耗时: 124 -------------------- --------

【本文地址】

公司简介

联系我们