Python模块---制作新冠疫情世界地图()

目录

• pyecharts模块
  • 简介
  • 安装pyecharts
  • 测试pyecharts模块
• pyecharts实战：绘制新冠肺炎疫情地图
  • 需求分析
  • 请求数据
  • 提取数据
  • 处理数据
  • 制作可视化地图
  • 设置可视化地图
• 完整代码
• 实现结果

pyecharts模块

简介

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

如果想要掌握pyecharts，可以阅读pyecharts中文文档，里面的图表类型和配置项写的非常详细，我就不过多的赘述了

安装pyecharts

安装的命令也非常简单：

pip install pyecharts

安装成功：

测试pyecharts模块

我们可以尝试运行官方文档所给出的几个小例子来测试一下pyecharts模块是否成功安装

打开编辑器，输入并运行以下代码：

from pyecharts.charts import Bar
from pyecharts import options as opts
# 内置主题类型可查看 pyecharts.globals.ThemeType
from pyecharts.globals import ThemeType

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
    .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])
    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
)
bar.render()   #保存为html文件

若此时在当前目录下生成了一个名为render.html的文件

打开此文件，看到如下的图片则证明安装模块成功

pyecharts实战：绘制新冠肺炎疫情地图

需求分析

想要制作全球疫情的地图（空气质量图，人口分布图也是同理），首先需要的就是每个国家的疫情数据，比如人数，治愈数，增长数...... 那么我们该如何获取到这些信息呢？

请求数据

我们发现很多app和网页上都会有最新的疫情信息公布，我选取的数据来源是腾讯地图。

首先打开腾讯地图的疫情信息页，可以发现疫情的信息展现在这一页中

获取这些信息的方法有很多种，可以是用表达式提取，也可以抓包分析，我更喜欢的一种方法是抓包分析。

右击《检查》，点击《network》选项卡并刷新界面，看到加载出来很多数据包，找到里面最像列表的一个list数据包

此时发现，这个list数据包正式我们要提取的数据列表，里面的每个键值对都代表着相应的数据，提取到这些键值对就可以获取到所有的数据信息了，再次回到headers，选项卡下面对应的网址就是我们即将请求的网址，这里我们需要注意的是，这个网址对应的请求是post而不是我们经常使用的get

向网页请求数据：

import requests

url = 'https://api.inews.qq.com/newsqa/v1/automation/foreign/country/ranklist'
response = requests.post(url).text
print(response)

可以看到这个网页并没有设置反爬虫，可以轻松的获取到数据

提取数据

我们刚刚请求到的数据格式是字符格式，并不能被我们直接提取到，必须想将字符格式的数据转换为字典格式才可以开始下一步的提取

resp = json.loads(response)   #使用变量resp来接收字典格式的数据

将变量转化为字典格式后，就要开始提取数据了 提取json类型的数据可以使用取出列表元素的方法来提取，即先遍历列表将每个国家的信息提取出来，再分别从这些条信息中提取到我们想要的数据

提取数据：

import json

resp = json.loads(response)   #使用变量resp来接收字典格式的数据
for data in resp['data']:  #遍历提取每个国家的疫情数据
    name = data['name']   #国家名
    confirm = data['confirm']   #该国家疫情人数
    print(name,confirm)

打印数据：

处理数据

在得到了国家和人数信息之后，还需要将数据存储到字典中才能传入图表中，这就需要我们手动的转换数据，并储存到字典中

map_version = {}  #定义空字典
for data in resp['data']:  #遍历提取每个国家的疫情数据
    name = data['name']   #国家名
    confirm = data['confirm']   #该国家疫情人数
    map_version[name] = int(confirm)  #将国家和人数以键值对的形式传入字典

输出字典：

此时打印出来的字典是标准的字典格式，但是这种格式并不是pyecharts所要求的格式，所以还需要一行代码来进行转换

element = list(map_version.items())

然后就可以输出传入数据的标准格式：

制作可视化地图

在将数据爬取、变换、整理后，所有准备工作都已经做完，下面我们来调用数据实现数据可视化

先写出一个初步的框架来接收内容

from pyecharts.charts import Map,Geo

map = Map().add(series_name="世界疫情分布图",  #名称
                data_pair=element,   #传入数据
                maptype='world',   #地图类型
                )
map.render('map.html')  #命名并保存

运行代码，发现当前文件夹下出现了一个map.html文件，双击运行

看到这个图表之后，发现代码的运行并没有问题，但是数据却没有传到地图中，这是由于pyecharts默认的世界地图中的国家名是英文，所以我们就要传入一个字典来替代掉这些英文

设置可视化地图

生成了地图之后，接下来就是要保证地图的正确性和美观，所以我们要来设置世界地图

地图上显示国家名太多，影响可读性，所以设置为不显示国家名

from pyecharts import options

map.set_series_opts(label_opts=options.LabelOpts(is_show=False))  #不显示国家名

按照感染人数的不同，给地图添加不同的颜色

#设置全局配置项
map.set_global_opts(visualmap_opts=options.VisualMapOpts(max_=1100000,is_piecewise=True,pieces=[
                 {"min": 500000},
                 {"min": 200000, "max": 499999},
                 {"min": 100000, "max": 199999},
                 {"min": 50000, "max": 99999},
                 {"min": 10000, "max": 49999},
                 {"max": 9999},]))

代表国家首都的圆点不美观，去掉红点：

map = Map().add(
                                    is_map_symbol_show=False,  #不显示标记
                                    ）

设置背景颜色并为网页取名：

map = Map(options.InitOpts(bg_color="#87CEFA",page_title='世界疫情分布')).add()

到了现在所有的配置已经完成，但是图表要想显示数据还需要传入一个字典来替换掉默认的英文名，具体实现请看下面的完整代码。

完整代码

import requests
import json
from pyecharts.charts import Map
from pyecharts import options

url = 'https://api.inews.qq.com/newsqa/v1/automation/foreign/country/ranklist'
response = requests.post(url).text
resp = json.loads(response)   #使用变量resp来接收字典格式的数据
map_version = {}  #定义空字典
for data in resp['data']:  #遍历提取每个国家的疫情数据
    name = data['name']   #国家名
    confirm = data['confirm']   #该国家疫情人数
    map_version[name] = int(confirm)  #将国家和人数以键值对的形式传入字典
element = list(map_version.items())   #将字典值调整为可以传入地图的格式
name_map = {
    'Singapore Rep.': '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',
    'Comoros': '科摩罗'
}

map = Map(options.InitOpts(bg_color="#87CEFA",page_title='世界疫情分布')).\
    add(series_name="世界疫情分布图",  #名称
        data_pair=element,   #传入数据
        is_map_symbol_show=False,  #不显示标记
        maptype='world',   #地图类型
        name_map=name_map,
        )
#设置全局配置项
map.set_global_opts(visualmap_opts=options.VisualMapOpts(max_=1100000,is_piecewise=True,pieces=[
                 {"min": 500000},
                 {"min": 200000, "max": 499999},
                 {"min": 100000, "max": 199999},
                 {"min": 50000, "max": 99999},
                 {"min": 10000, "max": 49999},
                 {"max": 9999},]))
#设置系列配置项
map.set_series_opts(label_opts=options.LabelOpts(is_show=False))  #不显示国家名
map.render('map.html')  #命名并保存

实现结果

这个结果可以动态的显示在网页中，可以根据人数来筛选地图的板块，而且方便缩放