计算机毕业设计Python新冠疫情数据分析可视化平台

Posted 2023-04-05

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了计算机毕业设计Python新冠疫情数据分析可视化平台相关的知识，希望对你有一定的参考价值。

参考技术A 前端开发：VUE、ElementUI、ECharts、Maptalks、D3js

后端web开发：Flask、mysql

爬虫开发：request

数据分析：pandas、numpy

数据可视化、爬虫、数据清洗、大数据、3D视图

简单几行代码实现全国疫情数据可视化（Python课程设计）

不知不觉疫情已经快要才出现三年了，对于疫情管控，我国有一系列良好的措施。下面我们通过python对疫情数据进行一个简单的爬取整理以及可视化。

#导入模块
import pandas as pd
import requests

#首先这是爬取数据和整理数据我们需要用到的第三方库，疫情数据来自腾讯新闻#实时更新：新冠肺炎疫情最新动态https://news.qq.com/zt2020/page/feiyan.htm#/

https://api.inews.qq.com/newsqa/v1/query/inner/publish/modules/listmodules=localCityNCOVDataList,diseaseh5Shelf

#这里已经通过抓包工具获取了所需数据（国内疫情数据）链接，可以直接复制使用的

url='https://api.inews.qq.com/newsqa/v1/query/inner/publish/modules/listmodules=localCityNCOVDataList,diseaseh5Shelf'
#模拟浏览器发送请求并接收响应
resp = requests.get(url)
#json类型转换,并获取data数据
json_data = resp.json()['data']
#json_data #查看此时数据

#数据已经爬出来了，我们需要把有用的数据提取出出来，首先要做的就是新建一个列表啦，把提取的数据都存入列表最后转化为dataframe格式，保存为csv文件就可以轻松查看每天疫情实时数据了

china_data = json_data['diseaseh5Shelf']['areaTree'][0]['children']
data_set = []

#提取每个省份的数据
for i in china_data:
#空字典
data_dict =
#省份名称
data_dict['province'] = i['name']
#新增确诊
data_dict['nowConfirm'] = i['total']['nowConfirm']
#累计确诊
data_dict['confirm'] = i['total']['confirm']
#死亡人数
data_dict['dead'] = i['total']['dead']
#治愈人数
data_dict['heal'] = i['total']['heal']
#添加字典进空列表
data_set.append(data_dict)

#转化为dataframe格式
df = pd.DataFrame(data_set)
df #查看此时表格数据

#保存数据为csv格式，编码用gbk
df.to_csv('疫情数据.csv', encoding='gbk')

数据可视乎所需要的数据就已经整出来咯，有一点特别要注意的是编码一定要用GBK，不然默认是utf8打开csv就是乱码了！！！！

下面进行数据可视化，相比于matplotlib个人还是比较喜欢pyecharts，虽然比较复杂一嘞嘞，但是确实图标颜值高很多嗷。

#首先也是导入画图需要的第三方库(Python太太太太太强大了，他拥有的远不止你看到的！！)
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie,Map,Page

第一个图，各地区累计确诊人数与死亡人数情况柱状图

bar = (
Bar(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink')) #画板大小以及颜色，这里简单的用一个粉色吧
.add_xaxis(list(df['province'].values)) #添加x轴数据各省份名
.add_yaxis("死亡",df['dead'].values.tolist()) #添加y轴数据死亡人数
.add_yaxis("累计确诊",df['confirm'].values.tolist()) #添加y轴数据累计确诊人数
.set_global_opts( #设置标题
title_opts=opts.TitleOpts(title='各地区累计确诊人数与死亡人数情况',subtitle='制作人：konoha'),
datazoom_opts=[opts.DataZoomOpts(type_="slider")],
yaxis_opts=opts.AxisOpts(name="人数"),
xaxis_opts=opts.AxisOpts(name="省份")
)

)
bar.render_notebook()

第二个图，全国各地区现有确诊人数地图

china_map = (
Map(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink'))
.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="各地区现有确诊人数",subtitle='制作人：konoha'),
visualmap_opts=opts.VisualMapOpts(max_=300,is_piecewise=False,is_show=True),
legend_opts=opts.LegendOpts(pos_left="90%",pos_top="60%"),
)
)
china_map.render_notebook()

第三个图，各地区现有确诊人数饼图

datas = list(zip(
df["province"].values.tolist(),
df["nowConfirm"].values.tolist()
))
pie = (
Pie(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink'))
.add("",datas,radius = ["15%","35%"])
.set_global_opts(
title_opts=opts.TitleOpts(title="各地区现有确诊人数",subtitle='制作人：konoha',pos_top="90%",pos_left="5%"),
legend_opts = opts.LegendOpts(pos_left = '90%',pos_bottom = 'bottom',item_height = 5,item_width = 5)
)
.set_series_opts(label_opts=opts.LabelOpts(font_size =9))
)
datas
pie.render_notebook()

从图还是可以看出湾湾和大陆的区别哈

第四个图，各地区现有确诊人数折线图

line = (
Line(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink'))
.add_xaxis(list(df['province'].values))
.add_yaxis("现有确诊",df['nowConfirm'].values.tolist())
.set_global_opts(
title_opts=opts.TitleOpts(title='各地区现有确诊人数',subtitle='制作人：konoha'),
tooltip_opts=opts.TooltipOpts(trigger='axis', axis_pointer_type='cross'),
datazoom_opts=[opts.DataZoomOpts()]
)
)
line.render_notebook()

pyecharts的基本图表绘制大概就是这样啦，其中有一些配置项很实用，需要更多了解就去官网看看吧：pyecharts - A Python Echarts Plotting Library built with love.Descriptionhttps://pyecharts.org/#/zh-cn/intro

最后要是不嫌麻烦也可以把四张图都放在同一个画布下面：

page = Page(layout = Page.SimplePageLayout)
page = Page(page_title = 'konoha', layout = Page.DraggablePageLayout)
page.add(bar,china_map,pie,line)
page.render('page.html')
#保存html文件并打开，调整图片位置，查看更加方便直观，并且保存下载chart_config.json文件

Page.save_resize_html("page.html", cfg_file = "chart_config.json", dest = "new_page.html")
#保存已经调整好图片位置的html文件，可直接浏览器打开查看。

最后的最后突然觉得自己画的好丑，555555

下面是完整代码：

#导入模块
import pandas as pd
import requests

#用抓包工具提取所需数据链接 https://news.qq.com/zt2020/page/feiyan.htm#/
url = 'https://api.inews.qq.com/newsqa/v1/query/inner/publish/modules/list?modules=localCityNCOVDataList,diseaseh5Shelf'
#模拟浏览器发送请求并接收响应
resp = requests.get(url)
#json类型转换,并获取data数据
json_data = resp.json()['data']
#json_data  #查看此时数据
#列表，查找关键词中国
china_data = json_data['diseaseh5Shelf']['areaTree'][0]['children'] 
data_set = []
#提取每个省份的数据
for i in china_data:
    #空字典
    data_dict = 
    #省份名称
    data_dict['province'] = i['name']
    #新增确诊
    data_dict['nowConfirm'] = i['total']['nowConfirm']
    #累计确诊
    data_dict['confirm'] = i['total']['confirm']
    #死亡人数
    data_dict['dead'] = i['total']['dead']
    #治愈人数
    data_dict['heal'] = i['total']['heal']
    #添加字典进空列表
    data_set.append(data_dict)
#转化为dataframe格式
df = pd.DataFrame(data_set)
#df  #查看此时表格数据
# #保存数据为csv格式，编码用gbk
df.to_csv('疫情数据.csv', encoding='gbk')

#导入数据可视化工具
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie,Grid,Map,Page

bar = (
    Bar(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink'))
    .add_xaxis(list(df['province'].values))  #添加x轴数据各省份名
    .add_yaxis("死亡",df['dead'].values.tolist())  #添加y轴数据死亡人数
    .add_yaxis("累计确诊",df['confirm'].values.tolist())  #添加y轴数据累计确诊人数
    .set_global_opts(  #设置标题
        title_opts=opts.TitleOpts(title='各地区累计确诊人数与死亡人数情况',subtitle='制作人：konoha'),
        datazoom_opts=[opts.DataZoomOpts(type_="slider")],
        yaxis_opts=opts.AxisOpts(name="人数"),
        xaxis_opts=opts.AxisOpts(name="省份")
        )
    
)
bar.render_notebook()

china_map = (
    Map(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink'))
    .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="各地区现有确诊人数",subtitle='制作人：konoha'),
        visualmap_opts=opts.VisualMapOpts(max_=300,is_piecewise=False,is_show=True),
        legend_opts=opts.LegendOpts(pos_left="90%",pos_top="60%"),
    )
)
china_map.render_notebook()

datas = list(zip(
        df["province"].values.tolist(),
        df["nowConfirm"].values.tolist()
    ))
pie = (
    Pie(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink'))
    .add("",datas,radius = ["15%","35%"])
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各地区现有确诊人数",subtitle='制作人：konoha',pos_top="90%",pos_left="5%"),
        legend_opts = opts.LegendOpts(pos_left = '90%',pos_bottom = 'bottom',item_height = 5,item_width = 5)
    )
    .set_series_opts(label_opts=opts.LabelOpts(font_size =9))
)
datas
pie.render_notebook()

line = (
    Line(init_opts=opts.InitOpts(width="980px",height="500px",bg_color='pink'))
    .add_xaxis(list(df['province'].values))
    .add_yaxis("现有确诊",df['nowConfirm'].values.tolist())
    .set_global_opts(
                title_opts=opts.TitleOpts(title='各地区现有确诊人数',subtitle='制作人：konoha'),
                tooltip_opts=opts.TooltipOpts(trigger='axis', axis_pointer_type='cross'),
        datazoom_opts=[opts.DataZoomOpts()]
            )
)
line.render_notebook()

page = Page(layout = Page.SimplePageLayout)
page = Page(page_title = '曾安鑫', layout = Page.DraggablePageLayout)
page.add(bar,china_map,pie,line)
page.render('page.html') 

Page.save_resize_html("page.html", cfg_file = "chart_config.json", dest = "new_page.html")

以上是关于计算机毕业设计Python新冠疫情数据分析可视化平台的主要内容，如果未能解决你的问题，请参考以下文章

新冠疫情形势气泡图(python还有这么可爱的气泡图哦)

手把手教你用Python获取新冠疫情数据并进行可视化

简单几行代码实现全国疫情数据可视化（Python课程设计）

基于flask框架的新冠疫情数据可视化系统

隔离是否有效？北大面向新冠疫情的数据可视化分析与模拟预测

拐点何时出现？这是北大面向新冠疫情的数据可视化分析与模拟预测