一、写在前面

兄弟们，最近又是各种疫情，平时下班了没事大家要尽量少去人多的地方，出门记得戴口罩。

那么不出门闲在家没事干，就只能多学习一下新东西，今天来爬爬国内疫情数据，看看全国的疫情情况，最后来个数据可视化，做个可视化地图。

二、准备工作

2.1、开发环境

python 3.8 比较稳定版本解释器发行版 anaconda --> jupyter notebook 里面写数据分析代码专业性
pycharm 专业代码编辑器按照年份与月份划分版本的

如果你不会安装软件、模块、或者其它基础简单的问题，看这里：Python入门合集

本文最后我也附了视频教程，文章不能理解，可以看视频。

2.2、知识点

爬虫基本流程
json
requests 爬虫当中发送网络请求
pandas 表格处理 / 保存数据
pyecharts 可视化

三、爬虫部分

3.1、爬虫流程

明确需求
我们要爬取的内容是什么?
分析数据从哪里来的 https://news.qq.com/zt2020/page/feiyan.htm#/
用开发者工具进行抓包(数据包)分析
代码流程
①.发送请求访问网站 https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&_=1638361138568
②.获取数据
③.解析数据
xpath css re json bs4(过时了)
json 在python语言当中字典类型数据 {键1:值1, 键2:值2, 键3:值3}
④.保存数据

3.2、数据采集

导入模块

import time   # 时间模块
import json   # json包
import requests    # 网络请求库 第三方 pip
import pandas as pd  # 数据处理 第三库 pip

目标网址
https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=jQuery35106097998260028255_1617971061475&_=1617971061476

url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&_=%d'%int(time.time()*1000)

模拟浏览器发送请求，获取响应

html = requests.get(url)

解析网页，提取数据

正则
xpath
bs4

# json类型转换
data = json.loads(html.json()['data'])
china_data = data['areaTree'][0]['children']

data_set = []

for i in china_data:
    data_dict = {}
    # 地区名称
    data_dict['province'] = i['name']
    # 疫情数据
    # 新增确诊
    data_dict['nowConfirm'] = i['total']['nowConfirm']
    data_dict['confirm'] = i['total']['confirm']
    data_dict['dead'] = i['total']['dead']
    data_dict['heal'] = i['total']['heal']
    data_dict['deadRate'] = i['total']['deadRate']
    data_dict['healRate'] = i['total']['healRate']
    data_set.append(data_dict)

df = pd.DataFrame(data_set)
df

保存数据

df.to_csv(r'data.csv')

四、数据可视化部分

matplotlib
pyecharts # pip install pyecharts

from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie,Map,Grid

df2 = df.sort_values(by=['nowConfirm'],ascending=False)[:9]
df2

[list(i) for i in zip(df2['province'].values.tolist(),df2['nowConfirm'].values.tolist())]

pie = (
    Pie()
    .add(
        "",
        [list(i) for i in zip(df2['province'].values.tolist(),df2['nowConfirm'].values.tolist())],
        radius = ["10%","30%"]
    )
    .set_global_opts(
            legend_opts=opts.LegendOpts(orient="vertical", pos_top="70%", pos_left="70%"),
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
pie.render_notebook()

死亡率与治愈率

line = (
    Line()
    .add_xaxis(list(df['province'].values))
    .add_yaxis("治愈率", df['healRate'].values.tolist())
    .add_yaxis("死亡率", df['deadRate'].values.tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="死亡率与治愈率"),

    )
)
line.render_notebook()

各地确诊与死亡人数情况

bar = (
    Bar()
    .add_xaxis(list(df['province'].values)[:6])
    .add_yaxis("死亡", df['dead'].values.tolist()[:6])
    .add_yaxis("治愈", df['heal'].values.tolist()[:6])
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各地区确诊人数与死亡人数情况"),
        datazoom_opts=[opts.DataZoomOpts()],
        )
)
bar.render_notebook()

各地确诊人数

china_map = (
    Map()
    .add("现有确诊", [list(i) for i in zip(df['province'].values.tolist(),df['nowConfirm'].values.tolist())], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各地区确诊人数"),
        visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True),
    )
)
china_map.render('a.html')

五、视频教程

就怕零基础不会，针对这个也出了相对的视频教程，大家可以自行观看。

【Python爬虫+数据分析】实时采集最新疫情数据，绘制可视化地图分析！

六、写在最后

兄弟们，如果觉得对你有帮助，别忘了给个面子来个点赞评论收藏转发四连~

【Python】实时采集疫情数据，打造可视化地图，防疫从你我做起