Mac上怎么用Python實現疫情地圖可視化

本篇內容介紹了“Mac上怎么用Python實現疫情地圖可視化”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

核心思路

疫情圖的核心在于疫情數據整理以及疫情數據可視化。

疫情數據整理

本文疫情數據是由網易新聞的公開數據整理而成，僅用于demo 展示。數據的具體地址已在代碼中說明：此地址是一個 Get 請求，大家可以先拷貝地址到瀏覽器中查看數據格式。請求成功后服務端響應的數據格式如下（文中僅羅列出我們需要的數據

data 里面的參數

Object 里面的參數

疫情數據可視化

地圖是數據可視化的一種常用工具，我們用地圖來展示疫情的具體分布。本文采用的是開源的  pyecharts 項目，方便開發者用于地圖展示。其中，pyecharts 是一個幫助生成 Echarts 圖表的類庫；而 Echarts 則是百度開源的數據可視化 JS 庫，支持折線圖、柱狀圖、散點圖、K線圖、餅圖、雷達圖、和弦圖、力導向布局圖、地圖、儀表盤、漏斗圖、事件河流圖等12類圖表，并可以在 PC 和移動設備上流暢地運行，兼容當前絕大部分瀏覽器。pyecharts 是在 Python 的基礎上對 Echarts 所進行的擴展。

原理詳解

接下來，本文將為大家詳細說明如何搭建環境、整合數據、使用 pyecharts 來做數據可視化以及如何調試項目。

環境搭建

為了快速開發此功能并且盡可能地縮減代碼量，此 demo 選擇使用 Python 來進行開發。為此，我們應該準備好Python 的開發環境并導入python 基礎庫。

安裝 Python 環境

Mac 上面自帶了 Python2.7 

安裝 pip

pip 是 Python 包管理工具，使用該工具可以快速地對Python 包予以查找、下載、安裝、卸載等。如果你是在 python.org上下載的最新版本的安裝包，則系統已經自帶該工具。此外， Python 2.7.9 + 和 Python 3.4+ 以上版本都自帶 pip 工具。可以使用“pip –version”命令行來查看當前 pip 的版本。

如果本機沒有 配置Python 環境的，我們可以在線安裝，只需要在終端輸入以下 2 行命令即可

$ curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py   
$ sudo python get-pip.py

安裝工程所需要的插件

在代碼中大家不難發現我們導入了一些開源的庫：

import math
import time
from fake_useragent import UserAgent 
from pyecharts.charts import Map
from pyecharts import options as opts
import requests
import json
import sys

請求網絡數據需要用到的插件：

pip install fake_useragent # 偽裝請求，隨機生成UserAgent
pip install requests # HTTP請求庫。

地圖展示需要用到的插件：

pip install echarts-countries-pypkg  # 世界地圖
pip install echarts-china-provinces-pypkg  # 中國省級地圖
pip install echarts-china-cities-pypkg  # 中國城市地圖

我們把上述的命令行復制到終端，逐行執行即可。

數據整合& 過濾

代碼依然簡潔明了，我們可以直接使用 requests 庫構建一個 GET 請求，服務器響應的數據即為“ 全國所有城市的疫情情況”。

ua = UserAgent(verify_ssl=False)
headers = {'User-Agent': ua.random}
url = "https://c.m.163.com/ug/api/wuhan/app/index/feiyan-data-list?t=1580469818264"
def getEpidemicInfo(url):
    try:
        response = requests.get(url, headers=headers)
        print(response.status_code)
        if response.status_code == 200:
            content_field = json.loads(response.text)
            epidemicInfo = content_field['data']['list']
            return epidemicInfo
        else:
            print('請求錯誤碼：' + response.status_code)
            return None
    except Exception as e:
        print('此頁有問題！', e)
        return None

請求地址里面的 t 代表時間戳。我們輸入上述代碼，計算機便會輸出前文所提及格式的數據。注意：拿到數據后還要進行過濾，我們僅需獲得某個省份、自治州所包含的地級市或者是某個直轄市所包含的下屬區縣的疫情信息即可。
通過以下代碼，我們對有關數據予以篩選：

# 生成本省疫情列表
def makedict(list):
    cityList = {}
    for item in list:
        for k, v in item.items():
        # 1
            if v == sys.argv[1]:
            #2
                if str(item["confirm"]).isdigit():
                # 3
                    if v == "北京" or v == "上海" or v == "天津":
                        cityList[item['name'] + '區'] = int(item["confirm"])
                    elif "自治州" in v:
                        continue
                    else:
                        cityList[item['name'] + '市'] = int(item["confirm"])
    return cityList

1. sys.argv[1] 是一個傳參，代表我們手動輸入的省份、自治區、直轄市或特別行政區，比如浙江、新疆、北京、香港等；

2. “confirm” 關鍵字用于匹配響應結果的 value 值，在上文疫情數據整合里有提及，代表當前城市的疫情人數；

3. pyecharts 是根據城市的全稱來適配的，此處需對數據格式中的地級市或者是下屬區縣進行排查，如果有城市采用簡稱的，需要進行調試，（如接口返回的城市名是恩施，我們則需要適配成恩施土家族苗族自治州），從而防止地圖展示異常。

舉例來講，當我們輸入浙江時，計算機最后輸出的數據格式為：

{'湖州市': 9, '麗水市': 16, '舟山市': 7, '衢州市': 15, '金華市': 47, '嘉興市': 30, '紹興市': 33, '寧波市': 126, '臺州市': 124, '杭州市': 151, '溫州市': 396}

數據可視化

這是最核心的一步。makeEpidemicInfoMap方法里面的 dict 對應我們過濾得到的數據：

def makeEpidemicInfoMap(dict):
    # 省和直轄市
    province_distribution = dict
    value = province_distribution.values()
    print(province_distribution)
    title = str(int(time.strftime("%Y%m%d")) - 1) + sys.argv[1] + "疫情地圖"
    epidemicCount = []
    for k, v in dict.items():
        epidemicCount.append(v)
    # 1
    epidemicCount.sort(reverse=True)
    maxEpidemic = handle(epidemicCount.pop(0))
    maxEpidemic = int(maxEpidemic)
    # 2
    map = Map()
    # 3
    map.set_global_opts(
        title_opts=opts.TitleOpts(title=title),
        visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True,
                                          pieces=[
                                              {"max": 9999999, "min": maxEpidemic, "label": ">" + str(maxEpidemic),
                                               "color": "#780707"},  # 數據范圍分段，分顏色，可以根據數據大小具體分配大小
                                              {"max": int(maxEpidemic), "min": int(maxEpidemic / 8) * 7,
                                               "label": str(int(maxEpidemic / 8) * 7) + "-" + str(int(maxEpidemic)),
                                               "color": "#B40404"},
                                              {"max": int(maxEpidemic / 8) * 7, "min": int(maxEpidemic / 8) * 4,
                                               "label": str(int(maxEpidemic / 8) * 4) + "-" + str(
                                                   int(maxEpidemic / 8) * 7 - 1), "color": "#CD1111"},
                                              {"max": int(maxEpidemic / 8) * 4, "min": int(maxEpidemic / 8),
                                               "label": str(int(maxEpidemic / 8)) + "-" + str(
                                                   int(maxEpidemic / 8) * 4 - 1), "color": "#F68181"},
                                              {"max": int(maxEpidemic / 8), "min": 1,
                                               "label": "1-" + str(int(maxEpidemic / 8)), "color": "#F5A9A9"},
                                              {"max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
                                          ], )  # 最大數據范圍，分段
    )
    # 4
    map.add(title, data_pair=province_distribution.items(), maptype=sys.argv[1], is_roam=True)
    map.render(sys.argv[1] + '疫情地圖.html')

1. 根據所選省份各城市的確診人數對所有城市進行降序并得到當前省份確診人數最多的城市名稱。maxEpidemic 是最接近該城市確診人數的高位數，比如當前省份疫情最為嚴重的城市的確診數量為“357”，則 maxEpidemic=300 ，引入此參數的目的是讓地圖呈現效果更加清晰直觀。

2. 用PyEcharts繪制地圖需要對Map對象進行初始化，以用于地理區域數據的可視化。

3. 以建造者模式對 map 進行設值，其中，VisualMapOpts 是 PyEcharts 的視覺映射配置項。

    # 指定 visualMapPiecewise 組件的最大值。
    max =100
    # 是否為分段型
    is_piecewise: bool = False,
 
    # 自定義的每一段的范圍，以及每一段的文字，以及每一段的特別的樣式。例如：
    # pieces: [
    #   {"min": 1500}, // 不指定 max，表示 max 為無限大（Infinity）。
    #   {"min": 900, "max": 1500},
    #   {"min": 310, "max": 1000},
    #   {"min": 200, "max": 300},
    #   {"min": 10, "max": 200, "label": '10 到 200（自定義label）'},
    #   {"value": 123, "label": '123（自定義特殊顏色）', "color": 'grey'}, //表示 value 等于 123 的情況
    #   {"max": 5}     // 不指定 min，表示 min 為無限大（-Infinity）。
    # ]

詳細配置可以見 PyEcharts 官網。此處的范圍分為6 段，每一段的范圍均是根據上述計算出來的 maxEpidemic 進行動態調整的，目的是為了保證疫情圖的視覺效果，這里面我僅是做了非常簡略的范圍模型，僅供參考
4. 使用 PyEcharts 在當前目錄下面生成一個網頁

調試

執行 python map.py [省份]，如：

python /Users/xxx/map.py 浙江

會在當前目錄下面得到一份名字為 浙江疫情地圖.html 的文件，直接使用瀏覽器打開即可，最后的展示效果是不是很酷

“Mac上怎么用Python實現疫情地圖可視化”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！