Python｜200行代码实现疫情地图

您所在的位置：网站首页 › 国内现存确诊地图 › Python｜200行代码实现疫情地图

Python｜200行代码实现疫情地图

2023-10-02 06:28| 来源: 网络整理| 查看: 265

注：文末获取完整代码及词库

在我们每天关注着疫情变化的同时，可以看到各式各样的疫情地图，本文就让我们一起来实现一下疫情地图的制作。

文中的代码均由python实现，需要准备的库如下：

bs4pyechart（V1,博主版本1.7.1）pandas一、库的引入import re from bs4 import BeautifulSoup from urllib.request import urlopen from pyecharts.charts import Map, Geo from pyecharts import options as opts二、数据源代码获取（来自丁香园）html = urlopen( "https://3g.dxy.cn/newh5/view/pneumonia_peopleapp").read().decode('utf-8') # 获取html网页的源代码 bs = BeautifulSoup(html, "html.parser")三、获取省份/确诊数字典

获取国内现存确诊数列表

获取国内累计确诊数列表

str1 = bs.body.text # 查找字符串中指定国内省份对应数据的关键字，进行截取 str1 = str1[str1.find('window.getAreaStat = '):] data = str1[str1.find('[{'):str1.find('}catch')] global false, null, true false =False true=True null='' # 字符串转字典数组 data_list = eval（data) # 省份现存确诊数 new_dict = {} # 省份累计确诊数 new_dict1 = {} #循环遍历data_list取数据{省份：确诊数} for province in data_list: #将省份现存确诊数放入new_dict字典中，处理不合格的省份名称replace new_dict[province['provinceName'].replace('自治区', '').replace( '回族', '').replace('维吾尔', '').replace('省', '').replace('市', '').replace( '壮族', '')] = province['currentConfirmedCount'] #省份累计确诊数 new_dict1[province['provinceName'].replace('自治区', '').replace( '回族', '').replace('维吾尔', '').replace('省', '').replace('市', '').replace( '壮族', '')] = province['confirmedCount'] # print(new_dict) # print(new_dict1)四、制作现存确诊地图#将字典中的省份key以列表的形式取出来 province = list(new_dict.keys()) #将字典中确诊数values以列表形式取出来 values = list(new_dict.values()) c = ( Map(init_opts=opts.InitOpts( width='1600px', height='800px', bg_color="white")) .add( series_name="现存确诊", data_pair=[list(z) for z in zip(province, values)], maptype='china') .set_global_opts( title_opts=opts.TitleOpts(title="中国现存确诊病例地图"), visualmap_opts=opts.VisualMapOpts( pieces=[{ "max": 0, "label": "0人", "color": "#FFFFFF" }, { "min": 1, "max": 9, "label": "1-10人", "color": "#FFEBCD" }, { "min": 10, "max": 99, "label": "10-99人", "color": "#FFA07A" }, { "min": 100, "max": 499, "label": "100-499人", "color": "#FF4040" }, { "min": 500, "max": 999, "label": "500-999人", "color": "#CD2626" }, { "min": 1000, "max": 10000, "label": "1000-10000人", "color": "#B22222" }, { 'min': 10000, "label": ">10000人", "color": "#8B1A1A" }], # 颜色是否分段显示（False为渐变，True为分段） is_piecewise=True, )) .render("现存疫情地图.html"))

我们得到的2020年3月29日的现存确诊地图如下（结果为网页端可交互的HTML）：

Python｜200行代码实现疫情地图_python

五、制作累计确诊地图province1 = list(new_dict1.keys()) values1 = list(new_dict1.values()) c = ( Map(init_opts=opts.InitOpts( width='1600px', height='800px', bg_color="white")) .add( series_name="累计确诊", data_pair=[list(z) for z in zip(province1, values1)], maptype='china') .set_global_opts( title_opts=opts.TitleOpts(title="中国累计确诊病例地图"), visualmap_opts=opts.VisualMapOpts( pieces=[{ "max": 0, "label": "0人", "color": "#FFFFFF" }, { "min": 1, "max": 9, "label": "1-10人", "color": "#FFEBCD" }, { "min": 10, "max": 99, "label": "10-99人", "color": "#FFA07A" }, { "min": 100, "max": 499, "label": "100-499人", "color": "#FF4040" }, { "min": 500, "max": 999, "label": "500-999人", "color": "#CD2626" }, { "min": 1000, "max": 10000, "label": "1000-10000人", "color": "#B22222" }, { 'min': 10000, "label": ">10000人", "color": "#8B1A1A" }], # 颜色是否分段显示（False为渐变，True为分段） is_piecewise=True, )) .render("累计疫情地图.html"))

我们得到的2020年3月29日的累计确诊地图如下：

Python｜200行代码实现疫情地图_数据分析_02

六、获取各个国家的确诊数据str2 = bs.body.text str2 = str2[str2.find('window.getListByCountryTypeService2true = '):] data2 = str2[str2.find('[{'):str2.find('}catch')] # eval函数会识别bool类型数据，我们把true和false的首字母改成大写 data2 = data2.replace('true', 'True') data2 = data2.replace('false', 'False') # 字符串转换成字典数组 data_list2 = eval（data2) # print(data_list2) world_confirmedCount = {}七、生成英文国家名称

在pyechart的世界地图中每个国家的名称使用英文来显示，我们需要传入英文的国际名称，本模块我们的中文国家名称做更改。

import pandas as pd for province2 in data_list2: #对特殊字符串做处理 world_confirmedCount[province2['provinceName'].replace( '钻石公主号邮轮', '').replace('其他', '')] = province2['confirmedCount'] world_confirmedCount[ province2['provinceName']] = province2['confirmedCount'] country = pd.read_csv("国家对照表.csv") dict_country = country.set_index('中文').T.to_dict('list') new_world_count = {} for k, v in world_confirmedCount.items(): try: key = dict_country.get(k)[0] new_world_count[key] = v except Exception as e: pass八、添加中国的数据

经过测试发现，我们拿到丁香园的世界疫情数据中没有中国的数据，本模块我们把中国的数据添加进来。

# 把中国的确诊人数加入 ChinaCount = re.search( r'"countRemark":"","currentConfirmedCount":(\-?)\d*,"confirmedCount":(\-?)\d*', bs.body.text) zs_dict = eval（'{' + ChinaCount.group().replace('"countRemark":"",', '') + '}') del zs_dict['currentConfirmedCount'] zs_dict['china'] = zs_dict.pop('confirmedCount') # 将中国累计确诊数据添加到world_dict new_world_count.update(zs_dict)九、制作世界疫情地图

本步骤的制作方式与中国疫情地图的方式相同，我们只需要更改数据和maptype='world'即可。

province = list(new_world_count.keys()) values = list(new_world_count.values()) c = ( Map(init_opts=opts.InitOpts( width='1600px', height='800px', bg_color="white")) .add( series_name="累计确诊", data_pair=[list(z) for z in zip(province, values)], maptype='world', label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( title_opts=opts.TitleOpts(title="世界现存确诊病例地图"), visualmap_opts=opts.VisualMapOpts( pieces=[{ "max": 0, "label": "0人", "color": "#FFFFFF" }, { "min": 1, "max": 9, "label": "1-10人", "color": "#FFEBCD" }, { "min": 10, "max": 99, "label": "10-99人", "color": "#FFA07A" }, { "min": 100, "max": 499, "label": "100-499人", "color": "#FF4040" }, { "min": 500, "max": 999, "label": "500-999人", "color": "#CD2626" }, { "min": 1000, "max": 10000, "label": "1000-10000人", "color": "#B22222" }, { 'min': 10000, "label": ">10000人", "color": "#8B1A1A" }], # 颜色是否分段显示（False为渐变，True为分段） is_piecewise=True )) .render("世界疫情地图.html"))

我们得到的2020年3月29日的世界累计确诊地图如下：

回复“疫情”即可获取全部代码及词汇对照表。

Python｜200行代码实现疫情地图_数据_03

【本文地址】

Python｜200行代码实现疫情地图

Python｜200行代码实现疫情地图

今日新闻

推荐新闻