三步实现疫情数据可视化

这是效果图，我这做的是以累计确诊的数据基础实现的地图，这里还是顺便插一嘴，当前疫情形势严峻，大家还是尽量减少不必要的外出，不给国家，社会添乱。最后保护好自己！

第一步

进入正题，第一步我们就是找数据，这里推荐使用官方的接口，当然你也可以用爬虫爬取，我使用的是腾讯提供的官方接口

https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5

当然也有其他选择可以在【新型冠状病毒全国疫情Api接口】中自己找找。

第二步

调用接口

导库

import requestsimport jsonfrom pyecharts.globals import ThemeTypeimport pandas as pdfrom pyecharts import options as optsfrom pyecharts.charts import Map

这是我所使用的库，使用了pyecharts 的库进行数据可视化，下面进行调用接口获取数据。这是官方中文示例文档

url = "https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5"res = requests.get(url).json()data = json.loads(res['data']) # 数据都在data里

可以看到我们已经获取了我们需要的数据，接下来就是分析一下数据名称与数据的关系。

对数据分类

areaData = data['areaTree']chinaData = areaData[0]provinces = chinaData['children']city = []province = []# 以下的都是累计的confirm = []dead = []  heal = []

对数据处理

for i in provinces:    for a in i['children']: # 省份名称 province.append(i['name']) # 城市名称 city.append(a['name']) # 确诊总数 confirm.append(a['total']['confirm']) # 治愈总数 heal.append(a['total']['heal']) # 死亡总数 dead.append(a['total']['dead'])china_info = pd.DataFrame({'city': city, 'province': province, 'confirm': confirm, 'heal': heal, 'dead': dead,})print(china_info)

让我们打印数据看看

可以看到我们已经获得了规范的数据了那接下就可以借助pyecharts进行导入map就行了。

第三步

将数据导入pyecharts

map = (     Map(init_opts=opts.InitOpts()) #这里可以改大小和背景啥的不懂可以看看官方文档     .add(  '各省累计确诊人数',  [list(z) for z in zip(list(china_info["province"]), list(china_info['confirm']))],   'china',  is_map_symbol_show=False,     )     .set_global_opts(  title_opts=opts.TitleOpts('中国各省累计确诊人数'),  visualmap_opts=opts.VisualMapOpts(      max_=70000, # 为了实现颜色，这是设置最大值       split_number=50,  # 因为跨度有点大我为了区分设置多了点这个大家可以自己设置      is_piecewise=True,   ),     )     .render('Try.html') )

这样我们就完成了只需运行就会生成一个html，然后打开他就可以了只需三步就能实现一个可视化的地图了，这个只是粗略版，后面再优化，打算实现动态更新，大家也可以自己动手进行优化。