python畫新冠肺炎國內和世界各國累計確診數量熱圖
阿新 • • 發佈：2020-05-03
新冠肺炎國內疫情基本控制住，很多地方都開始摘下口罩了。但是國外的疫情依然處於爆發期，特別是美國，截止目前其累計確診數量已突破110w。五一節北京柳絮楊絮滿天飛，不適合外出。在家心血來潮，獻醜畫一下各地區新冠肺炎累計確診數量熱圖。
廢話不多說，程式碼如下：
一、中國
1、獲取資料：
import requests as rq
import re
import numpy as np
import pandas as pd
# 資料來源：新華網
# http://my-h5news.app.xinhuanet.com/h5activity/yiqingchaxun/index.html
url = 'http://fms.news.cn/swf/2020_sjxw/2_1_xgyq/js/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'
}
# 網頁資料
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)
# 提取資料
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') # 轉換str型別為int型
last_colum = data.columns[-1]
data = data.sort_values(last_colum, ascending=False)得到如下dataframe格式資料：
2、畫圖
本次畫圖採用的是pyecharts：
pyecharts是基於echarts，是百度的開源視覺化工具，包含多種酷炫工具，並且是互動式的，影象可以用滑鼠進行拖動放大縮小等，強烈推薦。
1、github原始碼（包含安裝方式，最好選擇原始碼安裝）。2、介紹文件。3、官方示例程式碼
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
province_data = [] # 生成pyecharts資料格式
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')) # 建立地圖物件
.add('累計確診', province_data, "china", is_map_symbol_show=False) # 新增資料，選擇中國地圖
# .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 用於顯示各省份名字
.set_global_opts(title_opts=opts.TitleOpts(title="中國各省新冠肺炎累計確診數量", pos_left='center'), # 設定標題圖例等資訊
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(is_piecewise = True,
pieces = [{"max": 100, 'color': '#ffeead', 'label': '小於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() 輸出影象如下：
二、世界地圖
1、世界各國中英文對映關係（點選展開）
nameMap = {
'Singapore':'新加坡',
'Dominican Rep.':'多明尼加',
'Palestine':'巴勒斯坦',
'Bahamas':'巴哈馬',
'Timor-Leste':'東帝汶',
'Afghanistan':'阿富汗',
'Guinea-Bissau':'幾內亞比索',
"Côte d'Ivoire":'象牙海岸',
'Siachen Glacier':'錫亞琴冰川',
"Br. Indian Ocean Ter.":'英屬印度洋領土',
'Angola':'安哥拉',
'Albania':'阿爾巴尼亞',
'United Arab Emirates':'阿聯酋',
'Argentina':'阿根廷',
'Armenia':'亞美尼亞',
'French Southern and Antarctic Lands':'法屬南半球和南極領地',
'Australia':'澳大利亞',
'Austria':'奧地利',
'Azerbaijan':'亞塞拜然',
'Burundi':'蒲隆地',
'Belgium':'比利時',
'Benin':'貝南',
'Burkina Faso':'布吉納法索',
'Bangladesh':'孟加拉國',
'Bulgaria':'保加利亞',
'The Bahamas':'巴哈馬',
'Bosnia and Herz.':'波斯尼亞和黑塞哥維那',
'Belarus':'白俄羅斯',
'Belize':'貝里斯',
'Bermuda':'百慕大',
'Bolivia':'玻利維亞',
'Brazil':'巴西',
'Brunei':'汶萊',
'Bhutan':'不丹',
'Botswana':'波札那',
'Central African Rep.':'中非',
'Canada':'加拿大',
'Switzerland':'瑞士',
'Chile':'智利',
'China':'中國',
'Ivory Coast':'象牙海岸',
'Cameroon':'喀麥隆',
'Dem. Rep. Congo':'剛果民主共和國',
'Congo':'剛果',
'Colombia':'哥倫比亞',
'Costa Rica':'哥斯大黎加',
'Cuba':'古巴',
'N. Cyprus':'北塞普勒斯',
'Cyprus':'塞普勒斯',
'Czech Rep.':'捷克',
'Germany':'德國',
'Djibouti':'吉布提',
'Denmark':'丹麥',
'Algeria':'阿爾及利亞',
'Ecuador':'厄瓜多',
'Egypt':'埃及',
'Eritrea':'厄利垂亞',
'Spain':'西班牙',
'Estonia':'愛沙尼亞',
'Ethiopia':'衣索比亞',
'Finland':'芬蘭',
'Fiji':'斐',
'Falkland Islands':'福克蘭群島',
'France':'法國',
'Gabon':'加彭',
'United Kingdom':'英國',
'Georgia':'喬治亞',
'Ghana':'迦納',
'Guinea':'幾內亞',
'Gambia':'甘比亞',
'Guinea Bissau':'幾內亞比索',
'Eq. Guinea':'赤道幾內亞',
'Greece':'希臘',
'Greenland':'格陵蘭',
'Guatemala':'瓜地馬拉',
'French Guiana':'法屬蓋亞那',
'Guyana':'蓋亞那',
'Honduras':'宏都拉斯',
'Croatia':'克羅埃西亞',
'Haiti':'海地',
'Hungary':'匈牙利',
'Indonesia':'印度尼西亞',
'India':'印度',
'Ireland':'愛爾蘭',
'Iran':'伊朗',
'Iraq':'伊拉克',
'Iceland':'冰島',
'Israel':'以色列',
'Italy':'義大利',
'Jamaica':'牙買加',
'Jordan':'約旦',
'Japan':'日本',
'Kazakhstan':'哈薩克',
'Kenya':'肯亞',
'Kyrgyzstan':'吉爾吉斯斯坦',
'Cambodia':'柬埔寨',
'Korea':'韓國',
'Kosovo':'科索沃',
'Kuwait':'科威特',
'Lao PDR':'寮國',
'Lebanon':'黎巴嫩',
'Liberia':'賴比瑞亞',
'Libya':'利比亞',
'Sri Lanka':'斯里蘭卡',
'Lesotho':'賴索托',
'Lithuania':'立陶宛',
'Luxembourg':'盧森堡',
'Latvia':'拉脫維亞',
'Morocco':'摩洛哥',
'Moldova':'摩爾多瓦',
'Madagascar':'馬達加斯加',
'Mexico':'墨西哥',
'Macedonia':'馬其頓',
'Mali':'馬裡',
'Myanmar':'緬甸',
'Montenegro':'黑山',
'Mongolia':'蒙古',
'Mozambique':'莫三比克',
'Mauritania':'茅利塔尼亞',
'Malawi':'馬拉維',
'Malaysia':'馬來西亞',
'Namibia':'奈米比亞',
'New Caledonia':'新喀里多尼亞',
'Niger':'尼日',
'Nigeria':'奈及利亞',
'Nicaragua':'尼加拉瓜',
'Netherlands':'荷蘭',
'Norway':'挪威',
'Nepal':'尼泊爾',
'New Zealand':'紐西蘭',
'Oman':'阿曼',
'Pakistan':'巴基斯坦',
'Panama':'巴拿馬',
'Peru':'祕魯',
'Philippines':'菲律賓',
'Papua New Guinea':'巴布亞紐幾內亞',
'Poland':'波蘭',
'Puerto Rico':'波多黎各',
'Dem. Rep. Korea':'朝鮮',
'Portugal':'葡萄牙',
'Paraguay':'巴拉圭',
'Qatar':'卡達',
'Romania':'羅馬尼亞',
'Russia':'俄羅斯',
'Rwanda':'盧安達',
'W. Sahara':'西撒哈拉',
'Saudi Arabia':'沙烏地阿拉伯',
'Sudan':'蘇丹',
'S. Sudan':'南蘇丹',
'Senegal':'塞內加爾',
'Solomon Is.':'索羅門群島',
'Sierra Leone':'獅子山',
'El Salvador':'薩爾瓦多',
'Somaliland':'索馬利亞蘭',
'Somalia':'索馬利亞',
'Serbia':'塞爾維亞',
'Suriname':'蘇利南',
'Slovakia':'斯洛伐克',
'Slovenia':'斯洛維尼亞',
'Sweden':'瑞典',
'Swaziland':'史瓦濟蘭',
'Syria':'敘利亞',
'Chad':'查德',
'Togo':'多哥',
'Thailand':'泰國',
'Tajikistan':'塔吉克',
'Turkmenistan':'土庫曼',
'East Timor':'東帝汶',
'Trinidad and Tobago':'特里尼達和多巴哥',
'Tunisia':'突尼西亞',
'Turkey':'土耳其',
'Tanzania':'坦尚尼亞',
'Uganda':'烏干達',
'Ukraine':'烏克蘭',
'Uruguay':'烏拉圭',
'United States':'美國',
'Uzbekistan':'烏茲別克',
'Venezuela':'委內瑞拉',
'Vietnam':'越南',
'Vanuatu':'萬那杜',
'West Bank':'西岸',
'Yemen':'葉門',
'South Africa':'南非',
'Zambia':'尚比亞',
'Zimbabwe':'辛巴威'
}2、處理資料（新華網資料）
foreigh_rt = re.search('國外表格(.*)', 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 = ['國家', '累計確診', '新增', '累計死亡']
foreigh_data[foreigh_data=='-'] = 0
country_name = pd.DataFrame([nameMap.values(), nameMap.keys()]).T
country_name.columns = ['國家', 'name']
foreigh_data = pd.merge(foreigh_data, country_name, on='國家', how='outer') # 替換中文名字為英文
foreigh_data = foreigh_data.fillna(0)
indexes = list(foreigh_data.iloc[:, -1])
foreigh_data = foreigh_data.drop(['國家', '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())]) # 新增中國資料
3、畫圖
c = (
Map(opts.InitOpts(width='800px', height='400px', bg_color='white'))
.add("累計確診", country_data, "world", is_map_symbol_show=False)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不顯示國家名字
.set_global_opts(
title_opts=opts.TitleOpts(title="世界新冠肺炎累計確診熱圖", 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()
輸出影象如下：
&n