Python|使用python对全球最新疫情情况进行可视化地图绘制！ python|大数据|机器学习|数据分

说明之前也看过许多朋友用python绘制疫情地图，看着是不难，但是都没有绘制过，这怎么行呢，必须得自己也体验一把，过过瘾。所以就抓取最新的疫情数据，进行可视化绘图，写这篇文章其实没什么特别要说明的知识点，主要是想记录一下自己的敲代码时光，另一方面就是为了养成一种坚持写文章的习惯。
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
python免费学习资料以及群交流解答点击即可加入
数据来源首先这个数据是来源于腾讯新闻的，进入网页主界面，找到抗肺炎，点击右边的疫情实时追踪，就会跳转到新的页面。

然后点击海外疫情，往下滑动，找到如下图所示数据

文章图片

通过点击鼠标右键检查，找到相对应的数据来源，我们发现在途中所标记的红线框内有我们想要的数据，

文章图片

点击Headers，出现如下所示的内容，对目标url进行分析，里面包含了callback的值和时间戳，因此我们要够造对应的url。

文章图片

callback里面的值跟上面目标url里面的JQuery的后面是一样的，所以我们就可以构造出正确的目标url。

文章图片

目标url的确定构造时间戳

# 构造时间戳 import time import math start_time = time.time() # 构建时间戳 real_time = math.ceil(start_time*1000) print(real_time) 1234567

设置请求头

# 请求头 headers1 = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.193 Safari/537.36', 'callable':'jQuery35108410968089910225_1605792552348'} 123

构造最终目标网页url

# 通过对网页的分析，确定目标url的格式 # 构造目标url url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_foreign&callback=jQuery{}'.format(headers1["callable"])+"&_="+str(real_time)1234

代码描述导入相关的库并构造目标url

import time import math import requests import json# 导入绘图所用的库 from pyecharts.charts import Map,Geo from pyecharts import options as optsstart_time = time.time() # 构建时间戳 real_time = math.ceil(start_time*1000) # 请求头 headers1 = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.193 Safari/537.36', 'callable':'jQuery35108410968089910225_1605792552348'} # 通过对网页的分析，确定目标url的格式 # 构造目标url url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_foreign&callback={}'.format(headers1["callable"])+"&_="+str(real_time) # page_data = https://www.it610.com/article/requests.get(url,headers = headers1)123456789101112131415161718192021

获取网页信息

# 对目标网址发起requests请求 data = https://www.it610.com/article/requests.post(url=url,headers = headers1) # 对获取到的网页内容进行编码转换 data.encoding = data.apparent_encoding data1 = data.text # 查看获取到的内容 data1 1234567

获取到的数据展示如下

文章图片

由途中的数据格式我们发现，这是json格式的数据，所以我们需要对json格式的数据进行数据类型转换，然后再提取。转换为python可交互的数据类型，不难发现这是字典格式的数据，因此我们要提取值，就要通过字典的键来获取。我们想要的数据是在data这个键里面，所以就按照字典获取键值的方式进行获取。

#数据类型转换 # 将数据类型转换为python可交互的格式 json_data = https://www.it610.com/article/json.loads(data1) #提取数据 info = json_data["data"] info 123456

提取到的数据如下：

文章图片

经过提取后，发现每个国家的数据信息是在一个列表里面的，然后每个国家又是一个单独的字典，所以我们要获取每个国家的数据，就通过列表的遍历轮询来进行获取。

# 创建一个空列表，用来装每个国家的相关数据 info_list = [] # 遍历轮询每个国家的信息 for country in info: # 提取国家名称 name = country["name"] #提取每个国家的确诊人数 confirm = country["confirm"] #把每个国家和确诊人数放在一个元组里，然后添加到列表中 info_tuple = (name,confirm) info_list.append(info_tuple) #data_list = zip(name,confirm) # 展示提取后的效果 info_list 1234567891011121314

提取后的数据格式和效果展示

文章图片

可视化过程绘图前准备现在数据已经拿到了，接下来就是可视化过程
下面这个中英文国家名称映射表是从https://blog.csdn.net/llllllkkkkkooooo/article/details/107431181这篇文章中copy过来的，在这里对这位博主深表感谢

#国家名称表中英文到中文的映射nameMap = { 'Singapore Rep.':'新加坡', 'Dominican Rep.':'多米尼加', 'Palestine':'巴勒斯坦', 'Bahamas':'巴哈马', 'Timor-Leste':'东帝汶', 'Afghanistan':'阿富汗', 'Guinea-Bissau':'几内亚比绍', "C?te d'Ivoire":'科特迪瓦', 'Siachen Glacier':'锡亚琴冰川', "Br. Indian Ocean Ter.":'英属印度洋领土', 'Angola':'安哥拉', 'Albania':'阿尔巴尼亚', 'United Arab Emirates':'阿联酋', 'Argentina':'阿根廷', 'Armenia':'亚美尼亚', 'French Southern and Antarctic Lands':'法属南半球和南极领地', 'Australia':'澳大利亚', 'Austria':'奥地利', 'Azerbaijan':'阿塞拜疆', 'Burundi':'布隆迪', 'Belgium':'比利时', 'Benin':'贝宁', 'Burkina Faso':'布基纳法索', 'Bangladesh':'孟加拉国', 'Bulgaria':'保加利亚', 'The Bahamas':'巴哈马', 'Bosnia and Herz.':'波斯尼亚和黑塞哥维那', 'Belarus':'白俄罗斯', 'Belize':'伯利兹', 'Bermuda':'百慕大', 'Bolivia':'玻利维亚', 'Brazil':'巴西', 'Brunei':'文莱', 'Bhutan':'不丹', 'Botswana':'博茨瓦纳', 'Central African Rep.':'中非', 'Canada':'加拿大', 'Switzerland':'瑞士', 'Chile':'智利', 'China':'中国', 'Ivory Coast':'象牙海岸', 'Cameroon':'喀麦隆', 'Dem. Rep. Congo':'刚果民主共和国', 'Congo':'刚果', 'Colombia':'哥伦比亚', 'Costa Rica':'哥斯达黎加', 'Cuba':'古巴', 'N. Cyprus':'北塞浦路斯', 'Cyprus':'塞浦路斯', 'Czech Rep.':'捷克', 'Germany':'德国', 'Djibouti':'吉布提', 'Denmark':'丹麦', 'Algeria':'阿尔及利亚', 'Ecuador':'厄瓜多尔', 'Egypt':'埃及', 'Eritrea':'厄立特里亚', 'Spain':'西班牙', 'Estonia':'爱沙尼亚', 'Ethiopia':'埃塞俄比亚', 'Finland':'芬兰', 'Fiji':'斐', 'Falkland Islands':'福克兰群岛', 'France':'法国', 'Gabon':'加蓬', 'United Kingdom':'英国', 'Georgia':'格鲁吉亚', 'Ghana':'加纳', 'Guinea':'几内亚', 'Gambia':'冈比亚', 'Guinea Bissau':'几内亚比绍', 'Eq. Guinea':'赤道几内亚', 'Greece':'希腊', 'Greenland':'格陵兰', 'Guatemala':'危地马拉', 'French Guiana':'法属圭亚那', 'Guyana':'圭亚那', 'Honduras':'洪都拉斯', 'Croatia':'克罗地亚', 'Haiti':'海地', 'Hungary':'匈牙利', 'Indonesia':'印度尼西亚', 'India':'印度', 'Ireland':'爱尔兰', 'Iran':'伊朗', 'Iraq':'伊拉克', 'Iceland':'冰岛', 'Israel':'以色列', 'Italy':'意大利', 'Jamaica':'牙买加', 'Jordan':'约旦', 'Japan':'日本', 'Japan':'日本本土', 'Kazakhstan':'哈萨克斯坦', 'Kenya':'肯尼亚', 'Kyrgyzstan':'吉尔吉斯斯坦', 'Cambodia':'柬埔寨', 'Korea':'韩国', 'Kosovo':'科索沃', 'Kuwait':'科威特', 'Lao PDR':'老挝', 'Lebanon':'黎巴嫩', 'Liberia':'利比里亚', 'Libya':'利比亚', 'Sri Lanka':'斯里兰卡', 'Lesotho':'莱索托', 'Lithuania':'立陶宛', 'Luxembourg':'卢森堡', 'Latvia':'拉脱维亚', 'Morocco':'摩洛哥', 'Moldova':'摩尔多瓦', 'Madagascar':'马达加斯加', 'Mexico':'墨西哥', 'Macedonia':'马其顿', 'Mali':'马里', 'Myanmar':'缅甸', 'Montenegro':'黑山', 'Mongolia':'蒙古', 'Mozambique':'莫桑比克', 'Mauritania':'毛里塔尼亚', 'Malawi':'马拉维', 'Malaysia':'马来西亚', 'Namibia':'纳米比亚', 'New Caledonia':'新喀里多尼亚', 'Niger':'尼日尔', 'Nigeria':'尼日利亚', 'Nicaragua':'尼加拉瓜', 'Netherlands':'荷兰', 'Norway':'挪威', 'Nepal':'尼泊尔', 'New Zealand':'新西兰', 'Oman':'阿曼', 'Pakistan':'巴基斯坦', 'Panama':'巴拿马', 'Peru':'秘鲁', 'Philippines':'菲律宾', 'Papua New Guinea':'巴布亚新几内亚', 'Poland':'波兰', 'Puerto Rico':'波多黎各', 'Dem. Rep. Korea':'朝鲜', 'Portugal':'葡萄牙', 'Paraguay':'巴拉圭', 'Qatar':'卡塔尔', 'Romania':'罗马尼亚', 'Russia':'俄罗斯', 'Rwanda':'卢旺达', 'W. Sahara':'西撒哈拉', 'Saudi Arabia':'沙特阿拉伯', 'Sudan':'苏丹', 'S. Sudan':'南苏丹', 'Senegal':'塞内加尔', 'Solomon Is.':'所罗门群岛', 'Sierra Leone':'塞拉利昂', 'El Salvador':'萨尔瓦多', 'Somaliland':'索马里兰', 'Somalia':'索马里', 'Serbia':'塞尔维亚', 'Suriname':'苏里南', 'Slovakia':'斯洛伐克', 'Slovenia':'斯洛文尼亚', 'Sweden':'瑞典', 'Swaziland':'斯威士兰', 'Syria':'叙利亚', 'Chad':'乍得', 'Togo':'多哥', 'Thailand':'泰国', 'Tajikistan':'塔吉克斯坦', 'Turkmenistan':'土库曼斯坦', 'East Timor':'东帝汶', 'Trinidad and Tobago':'特里尼达和多巴哥', 'Tunisia':'突尼斯', 'Turkey':'土耳其', 'Tanzania':'坦桑尼亚', 'Uganda':'乌干达', 'Ukraine':'乌克兰', 'Uruguay':'乌拉圭', 'United States':'美国', 'Uzbekistan':'乌兹别克斯坦', 'Venezuela':'委内瑞拉', 'Vietnam':'越南', 'Vanuatu':'瓦努阿图', 'West Bank':'西岸', 'Yemen':'也门', 'South Africa':'南非', 'Zambia':'赞比亚', 'Zimbabwe':'津巴布韦' } 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190

设置每个区间的范围

#自定义的每一段的取值范围 during = [ {"min":10000000}, {"min": 1000000, "max":9999999}, {"min": 100000, "max": 999999}, {"min": 10000, "max": 99999}, {"min": 1000, "max": 9999}, {"min":0,"max":999}, ] 123456789

绘图阶段设置图形的参数

#width：地图的宽度，height：地图的高度，page_title：地图的标题 map = Map(opts.InitOpts(width='1650px',height='890px')).add(series_name="最新世界疫情分布情况", # 要展示的数据项 data_pair=info_list, # 地图类型为世界地图 maptype="world", # 自定义读取的名称的映射 name_map=nameMap, # 是否显示标记图形 is_map_symbol_show=False) # label_opts:标签配置项设置，is_show：是否显示视觉映射配置 map.set_series_opts(label_opts=opts.LabelOpts(is_show=False))12345678910111213

将设置好的参数带入到绘图函数中进行绘图

#is_piecewise：是否为分段展示，pieces：设置每一个区间的范围 #max_：设置 visualMapPiecewise 所有取值区间中的最大值，TitleOpts：标题设置 map.set_global_opts( title_opts=opts.TitleOpts(pos_left="80px",title="世界疫情分布情况地图",subtitle_textstyle_opts=opts.TextStyleOpts(font_size=20)), legend_opts=opts.LegendOpts(selected_mode='multiple'), visualmap_opts=opts.VisualMapOpts(max_=10000000,is_piecewise=True,pieces=during), )map.render("世界疫情分布情况地图.html") 123456789

这样，我们的世界疫情地图就绘制好了，来看看这个效果吧