python画新冠肺炎国内和世界各国累计确诊数量热图
杰鑫哥 人气:1新冠肺炎国内疫情基本控制住，很多地方都开始摘下口罩了。但是国外的疫情依然处于爆发期，特别是美国，截止目前其累计确诊数量已突破110w。五一节北京柳絮杨絮满天飞，不适合外出。在家心血来潮，献丑画一下各地区新冠肺炎累计确诊数量热图。
废话不多说，代码如下：
一、中国
1、获取数据：
import requests as rq
import re
import numpy as np
import pandas as pd
# 数据来源：新华网
# http://my-h5news.app.xinhuanet.com/h5activity/yiqingchaxun/index.html
url = 'http://fms.news.cn/swf/2020_sjxw/2_1_xgyq/jshttps://img.qb5200.com/download-x/data.js'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36'
}
# 网页数据
home_rt = rq.get(url, headers=headers).text
# 提取日期
dates = re.search('_g_map_data_days = \[(.*?)\]', home_rt).group(1)
dates = re.findall('\'(.*?)\'', dates)
# # 日更日期
# dates = re.search('_g_dt_date = \[(.*?)\]', home_rt).group(1)
# dates = re.findall('\'(.*?)\'', dates)
# 提取省份
provinces = re.search('_g_map_data_province = \[(.*?)\];', home_rt).group(1)
provinces = re.findall('\'(.*?)\'', provinces)
# 提取数据
data = re.search('_g_map_data_data =\[(.*?)\];', home_rt, re.S).group(1)
data = re.findall('\[(.*?)\]', data, re.S)
data = [i.split(',') for i in data]
data = np.array(data).T
# 生成表格
data = pd.DataFrame(data, columns=dates, index=provinces)
data = data.astype('int') # 转换str类型为int型
last_colum = data.columns[-1]
data = data.sort_values(last_colum, ascending=False)
得到如下dataframe格式数据：
2、画图
本次画图采用的是pyecharts：
pyecharts是基于echarts，是百度的开源可视化工具，包含多种酷炫工具，并且是交互式的，图像可以用鼠标进行拖动放大缩小等，强烈推荐。
1、github源码（包含安装方式，最好选择源码安装）。2、介绍文档。3、官方示例代码
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
province_data = [] # 生成pyecharts数据格式
for p_i, pro_name in enumerate(data.index):
province_data.append([pro_name, int(data.iloc[p_i, -1])])
c = (
Map(opts.InitOpts(width='600px', height='400px', bg_color='white')) # 创建地图对象
.add('累计确诊', province_data, "china", is_map_symbol_show=False) # 添加数据，选择中国地图
# .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 用于显示各省份名字
.set_global_opts(title_opts=opts.TitleOpts(title="中国各省新冠肺炎累计确诊数量", pos_left='center'), # 设置标题图例等信息
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(is_piecewise = True,
pieces = [{"max": 100, 'color': '#ffeead', 'label': '小于100人'},
{"min": 100, "max": 500, 'color': '#f29c2b', 'label': '100-500人'},
{"min": 500, "max": 1000, 'color': '#d9534f', 'label': '500-1000人'},
{"min": 1000, "max": 2000, "color": '#de4307', 'label': '1000-2000人'},
{"min": 2000, 'color': '#dd0a35', 'label': '2000人以上'}])
)
)
c.render_notebook()
输出图像如下：
二、世界地图
1、世界各国中英文映射关系（点击展开）
nameMap = {
'Singapore':'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',
"Côte 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',
'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'
}
2、处理数据（新华网数据）
foreigh_rt = re.search('国外表格(.*)', home_rt, re.S).group(1)
foreigh_data = re.findall('cityName"\>(.*?)\</p\>.*?cityQZ"\>(.*?)\</p\>.*?cityXZQZ"\>(.*?)\</p\>.*?citySWSJ"\>(.*?)\</p\>', foreigh_rt, re.S)
foreigh_data = pd.DataFrame(foreigh_data)
foreigh_data.columns = ['国家', '累计确诊', '新增', '累计死亡']
foreigh_data[foreigh_data=='-'] = 0
country_name = pd.DataFrame([nameMap.values(), nameMap.keys()]).T
country_name.columns = ['国家', 'name']
foreigh_data = pd.merge(foreigh_data, country_name, on='国家', how='outer') # 替换中文名字为英文
foreigh_data = foreigh_data.fillna(0)
indexes = list(foreigh_data.iloc[:, -1])
foreigh_data = foreigh_data.drop(['国家', 'name'], axis=1)
foreigh_data.index = indexes
country_data = []
for cou_i, coun_index in enumerate(foreigh_data.index):
country_data.append([coun_index, int(foreigh_data.iloc[cou_i, 0])])
country_data.append(['China', int(data.iloc[:, -1].sum())]) # 添加中国数据
3、画图
c = (
Map(opts.InitOpts(width='800px', height='400px', bg_color='white'))
.add("累计确诊", country_data, "world", is_map_symbol_show=False)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示国家名字
.set_global_opts(
title_opts=opts.TitleOpts(title="世界新冠肺炎累计确诊热图", pos_left='center'),
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(is_piecewise = True,
pieces = [{"max": 1000, 'color': '#ffeead', 'label': '1k人以下'},
{"min": 1000, "max": 50000, 'color': '#f29c2b', 'label': '1k~5w人'},
{"min": 50000, "max": 200000, 'color': '#d9534f', 'label': '5w-20w人'},
{"min": 200000, "max": 1000000, "color": '#F71E35', 'label': '20w-100w人'},
{"min": 1000000, 'color': '#C00000', 'label': '100w以上'}])
)
)
c.render_notebook()
输出图像如下：
加载全部内容