Python製作動態圖表看全球疫情趨勢

看到一共採集到了7584條數據，由於髒數據比較多，所以這一部分的工作量是比較大的，因此我們不在這裏使用太多篇幅去講如何一步一步提取出我們想要的數據，會單獨寫一篇數據處理過程的文章，不過還是來看看經歷了哪些過程與代碼吧!這樣看起來就舒服多了，但是還是不可以使用，因爲API每天會採集很多次數據，所以裏面有很多重複數據和異常數據，所以接下來重點處理這一部分。對於重複數據我們只保留最新一個，對於空數據我們選擇前一天的數據填充。

 

其實用python實現並不難，簡單來說就分爲三步：

• 獲取數據(requests)

• 數據清洗(pandas)

• 數據可視化(pyecharts)

疫情數據獲取並不是很難，在目前互聯網上已經有許多提供數據的網站，比如丁香園、騰訊新聞、百度新聞等，爲了省事直接GitHub上找找看有沒有現成的接口，很輕鬆就找到了丁香園數據的API。

data = requests.get('https://lab.isaaclin.cn/nCoV/api/area?latest=0')
data = data.json()

很明顯這樣的數據是沒有辦法去做分析的，所以接下來的重點就是如何清洗這一堆數據，主要又分爲下面兩塊：

• 數據整理：原始數據整理，由 json格式轉換爲方便分析的dataframe格式

• 數據清洗：原數據由於API採集的機制。包含大量重複數據、無效數據、缺失數據所以需要對這些數據進行處理

先來看下數據量

 

 

可以看到一共採集到了7584條數據，由於髒數據比較多，所以這一部分的工作量是比較大的，因此我們不在這裏使用太多篇幅去講如何一步一步提取出我們想要的數據，會單獨寫一篇數據處理過程的文章，不過還是來看看經歷了哪些過程與代碼吧！

首先要將所有數據從字典提取出來並對時間戳進行轉換，然後將數據保存到pandas裏

data = requests.get('https://lab.isaaclin.cn/nCoV/api/area?latest=0')
data = data.json()
res = data['results']
df = pd.DataFrame(res)
def time_c(timeNum):
    timeTemp = float(timeNum/1000)
    tupTime = time.localtime(timeTemp)
    stadardTime = time.strftime("%Y-%m-%d %H:%M:%S", tupTime)
    return stadardTime

for i in range(len(df)):

    df.iloc[i,16] = time_c(df.iloc[i,16])

for i in range(len(df)):

    df.iloc[i,16] = df.iloc[i,16][5:10]

 

這樣看起來就舒服多了，但是還是不可以使用，因爲API每天會採集很多次數據，所以裏面有很多重複數據和異常數據，所以接下來重點處理這一部分。對於重複數據我們只保留最新一個，對於空數據我們選擇前一天的數據填充。

#去重部分代碼
tem = df1[df1['updateTime'] == '03-02']
tem = tem.drop_duplicates(['provinceShortName'], keep='last')
for i in date[1:41]:
    tem1 = df1[df1['updateTime'] == i]
    tem1 = tem1.drop_duplicates(['provinceName'], keep='last')
    tem = tem.append(tem1)

tem = tem.reset_index(drop=True)
tem

由於篇幅原因，就不再貼出更多的代碼，我們來看下最終處理完的數據

 

 

數據可視化，我們依舊選擇之前講解過很多次的pyecharts，主要使用的就是裏面的Timeline：時間線輪播多圖，簡單來說就是在每一個時間點生成一張圖然後滾動播放，有點像小時候的手繪小人書一樣，所以我們的數據就需要是時間序列數據，那麼具體關於怎樣使用，參數如何調整請關注後續單獨的可視化講解文章，直接看代碼與分析吧。首先是國內外疫情趨勢

from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar, Page, Pie, Timeline,Grid


def timeline_bar() -> Timeline:
    x = ['國內','國外']
    tl = Timeline()
    tl = Timeline()
    tl.add_schema(is_auto_play = True,
    play_interval = 500,
    is_loop_play = False)
    k= 0
    for i in date:
        bar = (
            Line()
            .add_xaxis(date)
            .add_yaxis("國內", hs(c1,k))
            .add_yaxis("國外", hs(c,k))
            .extend_axis(
            yaxis=opts.AxisOpts(
            )
        )
            .set_series_opts(
            areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
            label_opts=opts.LabelOpts(is_show=False),
        )
            .set_global_opts(title_opts=opts.TitleOpts("{}國內外疫情趨勢".format(i)))
        )
        tl.add(bar, "{}".format(i))
        k = k + 1
    return tl
timeline_bar().render_notebook()

可以看出，國內的增長已經處於平緩狀態，而國外自二月底來突然爆發，目前還處於上升期，這也是爲什麼現在要嚴防境外輸入病例。再來看看國外具體的病例佔比吧

可以看出在最近幾天韓國、日本、意大利突然爆發，這三個國家的病例數量就佔到了約75%。最後再來看看全球疫情的變化趨勢吧！

至此，我們就完全使用python對疫情數據進行了一次動態可視化，回顧整個過程其實並沒有太多過於複雜的步驟，更多的是關於pandas和pyecharts基礎功能的使用，最後還是要說一句，疫情仍未散去，大家要繼續做好防護！中國加油！