图一：具体某天的全国确诊病例可视化地图 图二：具体某天的全国确诊病例可视化气泡图 图三：具体某天的全国确诊病例可视化气泡图（增加颜色维度，代表疑似病例），并增加地图背景

不多废话，直接上正题，需要使用到的python第三方库如下：

geopandas（处理地理空间数据），pandas（数据合并及处理），matplotlib（出图）

注意： 使用的编辑器是jupyter notebook，关于geopandas下载安装建议在Anaconda里的命令行使用conda指令进行，使用的三个库的版本号为：

→ 输出的结果为：（由于存在着版本的不同，在调用的时候可能会出现warning警告，这个可以引入自带的warning库进行警告过滤。注意：警告不是报错，不影响程序执行）

第一份：疫情数据，手动整理官方渠道发布的数据（时间起始为：2020年1月22至2020年2月23日）

第二份：中国地图（这里使用是省市地图json格式，也可以是shp格式，方便在地图上显示注解文字）

关于上面的两份文件已经上传至资源，有需要可以自行下载

在最开始导入需要使用的第三方库后，进行所需文件数据的读取，包含了疫情数据和中国地图数据

→ 输出的结果为：(上面为疫情数据，下面为中国地图数据)

观察date字段（时间）信息，发现并不是直接可以使用的，需要转化为时间序列，再进行数据的提取以及时间序列的分析（这里只需要提取某一日的数据即可）

→ 输出的结果为：（这一步清洗完了date时间字段的数据）

根据输出的结果可以发现，疫情数据和中国地图数据中存在相同的字段，因此可以进行合并，构成绘制可视化地图的数据

→ 输出的结果为：（这一步形成的数据就可以直接绘制图像了）

第一步： 设置画布大小

第二步：设置标题文字属性

第三步：出图（其中的参数除了选择数据的外，几乎都是图像的属性参数）

第四步：网格线（这里建议在使用matplotlib时候直接把配置文件的属性修改了），可以参考matplotlib配置参数修改

→ 输出的结果为：（第一张图基本出来了） 为什么选择省市地图数据，因为地图板块划分的较大，方便在地图上进行文字注解，如果需要地级市的中国地图资源，也可以（这个也上传了），有需要可以自己下载

→ 输出的结果为：（第一张图完成）

前面已经处理好的数据，这里可以直接拿来用。不同的是，绘制气泡图之前需要有一个底图（就是中国地图），一般的话透明度要设置小一点，不然会遮挡住显示的数据

→ 输出的结果为：（基本上没有什么变化，就是添加一个plt.scatter()绘制气泡图，其余的和之前一样，其中前两个参数就是绘图的x,y轴，s参数就代表这起泡的大小，最后两个参数设置的是边缘线颜色和透明度）

在数据处理的最后一步是将数据按照“疑似”字段的数据进行排序，就是为了这里将疑似病例的多少按照起泡颜色的深浅进行显示。和上面代码不同的地方就是在plt.scatter()中设置了c参数，用来显示颜色

小技巧： c参数一般配合cmap参数（颜色板样式）使用，如果当前默认的颜色不符合自己的需求，想要进行改变颜色，可以查看cmap里面提供了哪些可选的颜色参数，然后再进行设定，这里使用默认的配色，故将cmap参数注释。查看可选的cmap参数的方法

→ 输出的结果为：（最后一张图完成）

通过上面三张图，可以发现地图中并没有南海的部分，如果进行地图数据可视化，最后生成的图像是要用来商用的或是进行期刊发表的，这里建议进行南海地图的添加，处理方式简单粗暴，直接进行ps修图

为了避免图像清晰度的问题，这里推荐的是直接使用pyecharts官网上面代码生成一个中国地图数据，这里以0.5.11版本的为例

→ 输出的结果为：（可以看到右下角就有一个很清晰南海版图，点击右边的下载按钮就可以保存本地了)

第二张图的基调和这个南海版图的一致，这里选择第二图进行处理，打开ps，分别导入两个图片，然后进行处理

补充一下matplotlib储存图片的方式（dpi代表输出的图像的分辨率），也可以直接截图保存

最后将南海版图转移到已经生成的可视化地图上即可 上面列举第二个基调的图形进行ps处理。如果是其他颜色的，在抠图转移之后，ps的右边菜单栏有图层选项设置，可以选择图层之间融合即可，比如拿第三张图片进行图形ps

码字梳理不易，最近在网上看到了一些博客上直接爬虫的文章，标题都是一样的，为了维护“知识产权”，无可奈何，设置“手动反爬虫”提示