| pyecharts实践 | 您所在的位置：网站首页 › 确诊病例分布地图怎么看 › pyecharts实践 |
pyecharts实践
|
2019-nCoV疫情数据可视化地图效果如下：
腾讯的疫情实时追踪网页： 点击查看. 这里我使用的是Google，追踪得到的数据如下图： 我们通过requests库来采集实时数据；由于得到的数据是json格式的，所以我们还需要json库来解析数据；链表数据可以使用pandas库方便地规范化数据（当然如果不想使用pandas照样可以，稍稍改动部分代码即可）。 话不多说，上代码： # 腾讯的疫情实时追踪接口获取json格式疫情数据 def get_ncp_data(): url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5' data = requests.get(url).json()['data'] return data # 扁平化中国疫情数据 def flatten_ncp_data(): all = json.loads(get_ncp_data()) # 初始化结果链表 provinces = [] date = all['lastUpdateTime'] china = all['areaTree'][0]['children'] # 获取各省份确诊病例 for province in china: province_ncp = province['children'] province_ncp = { '日期': date, '省份': province['name'], '累计确认': province['total']['confirm'] } provinces.append(province_ncp) return provinces 数据可视化这里使用的是pyecharts库（当然，也可以使用Matplotlib以及其他） # 渲染可视化地图 def render_map_chart(): provinces = flatten_ncp_data() df = pd.DataFrame(provinces) map_chart = Map() map_chart.add( "全国NCP确诊病例分布图", [list(z) for z in zip(list(df["省份"]), list(df['累计确认']))], "china", is_map_symbol_show=False ) map_chart.set_global_opts( title_opts=opts.TitleOpts( title="NCP疫情地图(" + str(datetime.date.today()) + ")" ), visualmap_opts=opts.VisualMapOpts( is_piecewise=True, pieces=[ {"min": 1, "max": 9, "label": "1-9人", "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": 9999, "label": "1000-9999人", "color": "#CA0D11"}, {"min": 10000, "max": 100000, "label": "10000人以上", "color": "#A52A2A"} ])) map_chart.render('ncp_map_{}.html'.format(datetime.date.today()))好啦，到这里也差不多结束了，是不是很简单呢！想学习的小伙伴可以动手实践实践！！ 全部代码python版本：python: 3.8(32-bit) 需要安装模块： 数据分析与处理（如果不想使用pandas就不用安装），建议下载对应,whl文件进行本地pip安装。下载地址如下： numpy：numpy pandas：pandas pyecharts数据可视化分析库 pyecharts:pyecharts 此处附上网盘链接：https://pan.baidu.com/s/1cGHOxlMloDilIIK_cS8wQw 提取码：ulu0 复制这段内容后打开百度网盘手机App，操作更方便哦 import requests import json import pandas as pd import datetime from pyecharts.charts import Map from pyecharts import options as opts # 腾讯数据接口获取json格式疫情数据 def get_ncp_data(): url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5' data = requests.get(url).json()['data'] return data # 扁平化中国疫情数据 def flatten_ncp_data(): all = json.loads(get_ncp_data()) # 初始化结果链表 provinces = [] date = all['lastUpdateTime'] # 获取各省份确诊病例 china = all['areaTree'][0]['children'] # 获得中国数据 for province in china: province_ncp = province['children'] province_ncp = { '日期': date, '省份': province['name'], '累计确认': province['total']['confirm'] } provinces.append(province_ncp) return provinces # 渲染可视化地图 def render_map_chart(): provinces = flatten_ncp_data() df = pd.DataFrame(provinces) map_chart = Map() map_chart.add( "全国NCP确诊病例分布图", [list(z) for z in zip(list(df["省份"]), list(df['累计确认']))], "china", is_map_symbol_show=False ) map_chart.set_global_opts( title_opts=opts.TitleOpts( title="NCP疫情地图(" + str(datetime.date.today()) + ")" ), visualmap_opts=opts.VisualMapOpts( is_piecewise=True, pieces=[ {"min": 1, "max": 9, "label": "1-9人", "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": 9999, "label": "1000-9999人", "color": "#CA0D11"}, {"min": 10000, "max": 100000, "label": "10000人以上", "color": "#A52A2A"} ])) map_chart.render('ncp_map_{}.html'.format(datetime.date.today())) if __name__ == '__main__': render_map_chart() |
双击左边的 getOnsInfo?name=disease_h5&callback······ , Google 打开一个新的页面，展示最新的病情数据： 
数据分析： 
至此，我们就获得了需要的数据啦！【本文地址】
公司简介
联系我们