【实战】通过Python实现疫情地图可视化

目录
一、 json模块
二、通过Python实现疫情地图可视化
2.将json格式的数据保存到Excel
3.应用pyecharts进行数据可视化

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))

dics = {"name":"Tom","age":23}

result = json.dumps(dics)

print(type(result))

result

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。

# 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：

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。

# 读取文件

with open('./2021-02-03国内疫情.json','r',encoding='utf-8') as f:

    data = f.read()

# 将数据转成Python数据格式(字符串转换为字典)

data = json.loads(data)

# 1.获取数据最新的更新时间

lastUpdateTime = data['lastUpdateTime']

# 2.获取国内的所有疫情相关的数据

chinaAreaDict = data['areaTree']

# 3.获取省级数据

provinceList = chinaAreaDict[0]['children']

# 将国内数据按城市封装

china_citylist = []

for x in range(len(provinceList)):

    province = provinceList[x]['name']

    province_list = provinceList[x]['children']

    for y in range(len(province_list)):

        # 每一个地级市的数据

        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

生成的数据模式如下：

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：

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：

注：以上的运行环境是Python3.7版本，IDE是基于浏览器端的Jupter Notebook。

【实战】通过Python实现疫情地图可视化的相关教程结束。