序言

疫情降临转眼已经第三年了，时间过得真快，愿疫情早点结束，世界不再多灾多难。

最近疫情稍微好转一些了，所以咱们获取一下最新的疫情数据，做个可视化地图看看。

效果展示

获取到的数据咱们保存到表格

可视化地图

颜色是跟网上的一样，可以跟随鼠标移动变色，展示数据的。

还可以实现这种更好看的

以及柱状图

还等什么，我们直接开始把~

准备工作

涉及知识点

1. 爬虫基本流程
2. requests 发送请求
3. re 正则表达式
4. json 结构化数据解析
5. pyecharts 可视化

开发环境

python 3.8: 解释器
pycharm: 代码编辑器

实现流程

1. 发送请求
2. 获取数据
3. 解析数据
4. 保存数据
5. 可视化分析

前四步的话，基本大部分*虫都是如此。

具体操作，我就不详细写了，这个视频第56集有详细讲，前面几集也有基本思路，可以说很全面。

代码总是学完就忘记？100个爬虫实战项目！让你沉迷学习丨学以致用丨下一个Python大神就是你！

每次都写流程，有人看还好，没人看的话，或者看了又没人点赞收藏，就渐渐的没动力了。

索性直接用视频讲解放在那里，嘿嘿~

不过不要慌，代码里我都写了注释的。

代码展示

又到了紧张刺激的环节了

1、获取数据部分

import requests     # 发送请求 第三方模块 额外安装吧
import re           # 内置模块 无需安装
import json
import csv
# 伪装 字典
headers = {
    # 浏览器基本信息
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36'
}
with open('data.csv', mode='a', encoding='utf-8', newline='') as f:
    csv_writer = csv.writer(f)
    csv_writer.writerow(['area', 'curConfirm', 'curConfirmRelative', 'confirmed', 'crued', 'died'])
url = 'https://voice.这里加上我国网民最常用的那个网站地址/act/newpneumonia/newpneumonia/?from=osari_aladin_banner'
# 1. 发送请求
# x=1,y=2
response = requests.get(url=url, headers=headers)
# 2. 获取数据
# <Response [200]>: 访问成功
html_data = response.text
# print(html_data)
# 3. 解析数据 正则
# a. 告诉他 我们要怎么查找 "component":\[(.*?)\]
# b. 我们在哪里查找
# 正则会把所有能匹配到的数据都会给到我们
# (.*?)
# .*匹配任意字符 0次或者多次
# ? 非贪婪匹配符
json_str = re.findall('"component":\[(.*)\],', html_data)[0]
# 类型 转化一下 字典
json_dict = json.loads(json_str)
caseList = json_dict['caseList']
for case in caseList:
    area = case['area']             # 省份
    curConfirm = case['curConfirm'] # 确诊人数
    curConfirmRelative = case['curConfirmRelative'] # 当前确诊
    confirmed = case['confirmed']   # 累计确诊
    crued = case['crued']           # 治愈人数
    died = case['died']             # 死亡人数
    print(area, curConfirm, curConfirmRelative, confirmed, crued, died)
    with open('data.csv', mode='a', encoding='utf-8', newline='') as f:
        csv_writer = csv.writer(f)
        csv_writer.writerow([area, curConfirm, curConfirmRelative, confirmed, crued, died])

2、可视化部分

import pandas as pd
from pyecharts.charts import Map
from pyecharts import options as opts
df = pd.read_csv('data.csv', encoding='utf-8')
china_map = (
    Map()
    .add('现有确诊', [list(i) for i in zip(df['area'].values.tolist(), df['curConfirm'].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_inverse=True)
    )
)
china_map.render('demo.html')

这里只有第一种可视化效果，其它的都是ipynb 格式的，我懒得打开了~

下方扫一下领取吧