這篇文章主要講解了Python如何繪制全球疫情變化地圖，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
目前全球疫情仍然比較嚴重，為了能清晰地看到疫情爆發以來至現在全球疫情的變化趨勢，我繪制了一張疫情變化地圖。 廢話不多說，先上圖
下面就來重點介紹下上面這張圖的繪制過程，主要分為以下三個步驟：
下面一個一個來說。
數據收集
這是萬里長城的第一步，俗話說“巧婦難為無米之炊”，既然是變化圖，當然需要每個國家、每天的現有確診病例數。好在現在各大網站都有疫情相關的專題頁，我們可以直接抓數據。以網易為例
我們選擇 XHR，重新刷新下網頁可以看到有幾個接口，其中 list-total 接口是獲取當前所有有疫情的國家，以及對應的國家id。另外，我們看到還有一個 list-by-area-code 接口，它是獲取每個國家歷史上每天的疫情數據，請求這個接口需要帶 areaCode 參數，這個參數就是我們剛剛說的國家id。所以對我們來說這兩個接口是最重要的。下面我們就看看請求 list-total 接口的代碼
def get_and_save_all_countries():
"""
獲取所有的國家名以及對應的id，保存為文件
"""
url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total?t=317452696323'
list_total_req = requests.get(url, headers=headers)
if list_total_req.status_code == 200:
area_tree = list_total_req.json()['data']['areaTree']
area_dict = {}
for area in area_tree:
country_id = area['id']
name = area['name']
area_dict[country_id] = name
area_json = json.dumps(area_dict, ensure_ascii=False) # ensure_ascii=False 防止json編碼后中文編程\u開頭的字符
write_file('./config/countries_id2name.json', area_json)這里將請求下來的數據臨時存放在文件里。有了所有的疫情國家的id，我們就可以請求 list-by-area-code 接口來獲取每個國家的疫情數據了。代碼與上面的類似，不同的是將請求結果存在了 mongodb 而不是文件，目的是為了方便增刪改查。當然為了大家方便使用，我將mongodb中的數據導入了文件 counties_daily.json 中，大家可以在源碼根目錄找到它。
數據處理
這一步的處理主要是為第三步畫圖做準備的。因為我們畫圖用的是pyecharts框架，它繪制世界地圖需要輸入的國家名是英文的，而我們收集的國家名是中文的，所以要將中文國家名對應到英文國家名。最終的效果如下
網上能找到這樣的對應關系，但想要用起來還需要解決兩個問題。第一，兩邊中文名統一，比如：我們收集的國家名是中非共和國，而對應關系里是中非，那還是對應不上。第二，需要自己增加映射關系，網上找的一般都不全，我們需要根據收集的數據自行增加。經過上面兩個步驟處理后，我們就可以將大部分國家名對應到pyechars能識別的英文名了。相關代碼如下
def get_cy_properties():
# 獲取配置文件信息
countries_id2name = read_file('./config/countries_id2name.json')
cy_id2name_dict = json.loads(countries_id2name)
cy_ch3en = {v: k for k, v in countries_dict.items()}
# 調整國家的名字與配置文件一致
cy_id2name_dict['879'] = '波斯尼亞和黑塞哥維那'
cy_id2name_dict['8102'] = '多哥'
cy_id2name_dict['8143'] = '剛果民主共和國'
cy_id2name_dict['95983'] = '剛果'
cy_id2name_dict['8144'] = '中非'
cy_id2name_dict['95000011'] = '多米尼加'
cy_props = {}
for key in cy_id2name_dict:
cy_name = cy_id2name_dict[key]
if cy_name in cy_ch3en:
cy_props[cy_name] = {}
cy_props[cy_name]['id'] = key
cy_props[cy_name]['en_name'] = cy_ch3en[cy_name]
return cy_props畫圖
這一步涉及到兩個核心過程——構造數據結構和畫圖。首先，我構造了3個數據結構，分別是date_list、cy_name_list 和 ncov_data。date_list存放的是日期列表，因為我們畫動圖，所以需要一段時間；cy_name_list 存放收集的所有國家列表（英文名）；ncov_data是一個字典，key是日期，value是數組，存放各個國家當天的確診病例數。生成這三個數據結構的代碼如下
def parse_ncov_data(start_date, end_date, records):
if not records:
return
date_list = get_date_range(start_date, end_date)
cy_name_list = []
res = {}
# 獲取各國每天現有確認病例
for i, record in enumerate(records):
cy_name = record['cy_en_name']
cy_name_list.append(cy_name)
# 解析每天數據并計算現有確認病例
existing_case_dict = {}
for ncov_daily in record['data']['list']:
date_str = ncov_daily['date']
confirm = ncov_daily['total']['confirm'] # 累計確診
heal = ncov_daily['total']['heal'] # 累計確診
dead = ncov_daily['total']['dead'] # 累計死亡
existing_case = confirm - heal - dead
existing_case_dict[date_str] = existing_case
last_existing_case = 0
# 將每天確診病例數合并到res中
for date_str in date_list:
if date_str not in res: # 初始化
res[date_str] = []
existing_case = existing_case_dict.get(date_str)
if existing_case is None:
existing_case = last_existing_case
res[date_str].append(existing_case)
last_existing_case = existing_case
return date_list, cy_name_list, res參數 records 是一個數組，數組每個元素代表一個國家，內容便是我們在第一步請求 list-by-area-code 接口的數據。最后，用 pyecharts 來畫圖，直接上代碼
def render_map(date_list, cy_name_list, ncov_data):
tl = Timeline() # 創建時間線輪播多圖，可以讓圖形按照輸入的時間動起來
# is_auto_play：自動播放
# play_interval：播放時間間隔，單位：毫秒
# is_loop_play：是否循環播放
tl.add_schema(is_auto_play=True, play_interval=50, is_loop_play=False)
for date_str in date_list: # 遍歷時間列表
map0 = (
Map() # 創建地圖圖表
# 將國家名 cy_name_list 以及各國當天確診病例 ncov_data[date_str] 加入地圖中
.add("全球疫情趨勢", [list(z) for z in zip(cy_name_list, ncov_data[date_str])],
"world", is_map_symbol_show=False)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不顯示國家名
.set_global_opts(
title_opts=opts.TitleOpts(title="%s日" % date_str), # 圖表標題
visualmap_opts=opts.VisualMapOpts(max_=80), # 當確診病例大于80 ，地圖顏色是紅色
)
)
tl.add(map0, "%s" % date_str) # 將當天的地圖狀態加入時間線中
tl.render() # 生成最終輪播多圖，會在當前目錄創建 render.html 文件代碼里加了注釋，這里就不再贅述了。
運行 render_map 函數會在當前目錄生成 render.html 文件，打開后便自動播放疫情變化趨勢，如文章開頭 gif。另外，有些朋友可能會問，能不能直接輸出 gif。這一點我也嘗試過，百度、谷歌、GitHub上的教程基本上都試了一遍，比較遺憾沒有找到靠譜的方法。所以勸大家還是放棄這條路，曲線救國，錄制一個視頻轉成 gif 即可，方便快捷。畢竟人生苦短，Python 為我們節省下的時間不能再被這些無謂的坑再填回去。這樣整個過程就介紹完了，雖然思路不復雜，但局部細節上還是需要花一些時間處理的。
最近國內某些地方出現了反彈的跡象，希望大家無論是在工作還是生活上都能繼續保持警惕。希望這次疫情早點過去，等待全球地圖變白的那一天。
看完上述內容，是不是對Python如何繪制全球疫情變化地圖有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
