新冠肺炎国内疫情基本控制住，很多地方都开始摘下口罩了。但是国外的疫情依然处于爆发期，特别是美国，截止目前其累计确诊数量已突破110w。五一节北京柳絮杨絮满天飞，不适合外出。在家心血来潮，献丑画一下各地区新冠肺炎累计确诊数量热图。

废话不多说，代码如下：

  1. import requests as rq
  2. import re
  3. import numpy as np
  4. import pandas as pd
  6. # 数据来源：新华网
  7. # http://my-h5news.app.xinhuanet.com/h5activity/yiqingchaxun/index.html
  8. url = 'http://fms.news.cn/swf/2020_sjxw/2_1_xgyq/js/data.js'
  9. headers = {
  10.     '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'
  11. }
  13. # 网页数据
  14. home_rt = rq.get(url, headers=headers).text
  16. # 提取日期
  17. dates = re.search('_g_map_data_days = \[(.*?)\]', home_rt).group(1)
  18. dates = re.findall('\'(.*?)\'', dates)
  19. # # 日更日期
  20. # dates = re.search('_g_dt_date = \[(.*?)\]', home_rt).group(1)
  21. # dates = re.findall('\'(.*?)\'', dates)
  22.  
  23. # 提取省份
  24. provinces = re.search('_g_map_data_province = \[(.*?)\];', home_rt).group(1)
  25. provinces = re.findall('\'(.*?)\'', provinces)
  27. # 提取数据
  28. data = re.search('_g_map_data_data =\[(.*?)\];', home_rt, re.S).group(1)
  29. data = re.findall('\[(.*?)\]', data, re.S)
  30. data = [i.split(',') for i in data]
  31. data = np.array(data).T
  33. # 生成表格
  34. data = pd.DataFrame(data, columns=dates, index=provinces)
  35. data = data.astype('int')  # 转换str类型为int型
  36. last_colum = data.columns[-1]
  37. data = data.sort_values(last_colum, ascending=False)

得到如下dataframe格式数据：

本次画图采用的是pyecharts：

pyecharts是基于echarts，是百度的开源可视化工具，包含多种酷炫工具，并且是交互式的，图像可以用鼠标进行拖动放大缩小等，强烈推荐。

1、github源码（包含安装方式，最好选择源码安装）。2、介绍文档。3、官方示例代码

  1. from pyecharts import options as opts
  2. from pyecharts.charts import Map
  3. from pyecharts.faker import Faker
  5. province_data = []  # 生成pyecharts数据格式
  6. for p_i, pro_name in enumerate(data.index):
  7.     province_data.append([pro_name, int(data.iloc[p_i, -1])])
  9. c = (
  10.     Map(opts.InitOpts(width='600px', height='400px', bg_color='white'))  # 创建地图对象
  11.     .add('累计确诊', province_data, "china", is_map_symbol_show=False)  # 添加数据，选择中国地图
  12. #     .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 用于显示各省份名字
  13.     .set_global_opts(title_opts=opts.TitleOpts(title="中国各省新冠肺炎累计确诊数量", pos_left='center'),  # 设置标题图例等信息
  14.                      legend_opts=opts.LegendOpts(is_show=False),
  15.                      visualmap_opts=opts.VisualMapOpts(is_piecewise = True,
  16.                                                        pieces = [{"max": 100, 'color': '#ffeead', 'label': '小于100人'},
  17.                                                                  {"min": 100, "max": 500, 'color': '#f29c2b', 'label': '100-500人'},
  18.                                                                  {"min": 500, "max": 1000, 'color': '#d9534f', 'label': '500-1000人'},
  19.                                                                  {"min": 1000, "max": 2000, "color": '#de4307', 'label': '1000-2000人'},
  20.                                                                  {"min": 2000, 'color': '#dd0a35', 'label': '2000人以上'}])
  21.                      )
  22. )
  23. c.render_notebook()

 

  1. nameMap = {
  2.         'Singapore':'新加坡',
  3.         'Dominican Rep.':'多米尼加',
  4.         'Palestine':'巴勒斯坦',
  5.         'Bahamas':'巴哈马',
  6.         'Timor-Leste':'东帝汶',
  7.         'Afghanistan':'阿富汗',
  8.         'Guinea-Bissau':'几内亚比绍',
  9.         "Côte d'Ivoire":'科特迪瓦',
  10.         'Siachen Glacier':'锡亚琴冰川',
  11.         "Br. Indian Ocean Ter.":'英属印度洋领土',
  12.         'Angola':'安哥拉',
  13.         'Albania':'阿尔巴尼亚',
  14.         'United Arab Emirates':'阿联酋',
  15.         'Argentina':'阿根廷',
  16.         'Armenia':'亚美尼亚',
  17.         'French Southern and Antarctic Lands':'法属南半球和南极领地',
  18.         'Australia':'澳大利亚',
  19.         'Austria':'奥地利',
  20.         'Azerbaijan':'阿塞拜疆',
  21.         'Burundi':'布隆迪',
  22.         'Belgium':'比利时',
  23.         'Benin':'贝宁',
  24.         'Burkina Faso':'布基纳法索',
  25.         'Bangladesh':'孟加拉国',
  26.         'Bulgaria':'保加利亚',
  27.         'The Bahamas':'巴哈马',
  28.         'Bosnia and Herz.':'波斯尼亚和黑塞哥维那',
  29.         'Belarus':'白俄罗斯',
  30.         'Belize':'伯利兹',
  31.         'Bermuda':'百慕大',
  32.         'Bolivia':'玻利维亚',
  33.         'Brazil':'巴西',
  34.         'Brunei':'文莱',
  35.         'Bhutan':'不丹',
  36.         'Botswana':'博茨瓦纳',
  37.         'Central African Rep.':'中非',
  38.         'Canada':'加拿大',
  39.         'Switzerland':'瑞士',
  40.         'Chile':'智利',
  41.         'China':'中国',
  42.         'Ivory Coast':'象牙海岸',
  43.         'Cameroon':'喀麦隆',
  44.         'Dem. Rep. Congo':'刚果民主共和国',
  45.         'Congo':'刚果',
  46.         'Colombia':'哥伦比亚',
  47.         'Costa Rica':'哥斯达黎加',
  48.         'Cuba':'古巴',
  49.         'N. Cyprus':'北塞浦路斯',
  50.         'Cyprus':'塞浦路斯',
  51.         'Czech Rep.':'捷克',
  52.         'Germany':'德国',
  53.         'Djibouti':'吉布提',
  54.         'Denmark':'丹麦',
  55.         'Algeria':'阿尔及利亚',
  56.         'Ecuador':'厄瓜多尔',
  57.         'Egypt':'埃及',
  58.         'Eritrea':'厄立特里亚',
  59.         'Spain':'西班牙',
  60.         'Estonia':'爱沙尼亚',
  61.         'Ethiopia':'埃塞俄比亚',
  62.         'Finland':'芬兰',
  63.         'Fiji':'斐',
  64.         'Falkland Islands':'福克兰群岛',
  65.         'France':'法国',
  66.         'Gabon':'加蓬',
  67.         'United Kingdom':'英国',
  68.         'Georgia':'格鲁吉亚',
  69.         'Ghana':'加纳',
  70.         'Guinea':'几内亚',
  71.         'Gambia':'冈比亚',
  72.         'Guinea Bissau':'几内亚比绍',
  73.         'Eq. Guinea':'赤道几内亚',
  74.         'Greece':'希腊',
  75.         'Greenland':'格陵兰',
  76.         'Guatemala':'危地马拉',
  77.         'French Guiana':'法属圭亚那',
  78.         'Guyana':'圭亚那',
  79.         'Honduras':'洪都拉斯',
  80.         'Croatia':'克罗地亚',
  81.         'Haiti':'海地',
  82.         'Hungary':'匈牙利',
  83.         'Indonesia':'印度尼西亚',
  84.         'India':'印度',
  85.         'Ireland':'爱尔兰',
  86.         'Iran':'伊朗',
  87.         'Iraq':'伊拉克',
  88.         'Iceland':'冰岛',
  89.         'Israel':'以色列',
  90.         'Italy':'意大利',
  91.         'Jamaica':'牙买加',
  92.         'Jordan':'约旦',
  93.         'Japan':'日本',
  94.         'Kazakhstan':'哈萨克斯坦',
  95.         'Kenya':'肯尼亚',
  96.         'Kyrgyzstan':'吉尔吉斯斯坦',
  97.         'Cambodia':'柬埔寨',
  98.         'Korea':'韩国',
  99.         'Kosovo':'科索沃',
  100.         'Kuwait':'科威特',
  101.         'Lao PDR':'老挝',
  102.         'Lebanon':'黎巴嫩',
  103.         'Liberia':'利比里亚',
  104.         'Libya':'利比亚',
  105.         'Sri Lanka':'斯里兰卡',
  106.         'Lesotho':'莱索托',
  107.         'Lithuania':'立陶宛',
  108.         'Luxembourg':'卢森堡',
  109.         'Latvia':'拉脱维亚',
  110.         'Morocco':'摩洛哥',
  111.         'Moldova':'摩尔多瓦',
  112.         'Madagascar':'马达加斯加',
  113.         'Mexico':'墨西哥',
  114.         'Macedonia':'马其顿',
  115.         'Mali':'马里',
  116.         'Myanmar':'缅甸',
  117.         'Montenegro':'黑山',
  118.         'Mongolia':'蒙古',
  119.         'Mozambique':'莫桑比克',
  120.         'Mauritania':'毛里塔尼亚',
  121.         'Malawi':'马拉维',
  122.         'Malaysia':'马来西亚',
  123.         'Namibia':'纳米比亚',
  124.         'New Caledonia':'新喀里多尼亚',
  125.         'Niger':'尼日尔',
  126.         'Nigeria':'尼日利亚',
  127.         'Nicaragua':'尼加拉瓜',
  128.         'Netherlands':'荷兰',
  129.         'Norway':'挪威',
  130.         'Nepal':'尼泊尔',
  131.         'New Zealand':'新西兰',
  132.         'Oman':'阿曼',
  133.         'Pakistan':'巴基斯坦',
  134.         'Panama':'巴拿马',
  135.         'Peru':'秘鲁',
  136.         'Philippines':'菲律宾',
  137.         'Papua New Guinea':'巴布亚新几内亚',
  138.         'Poland':'波兰',
  139.         'Puerto Rico':'波多黎各',
  140.         'Dem. Rep. Korea':'朝鲜',
  141.         'Portugal':'葡萄牙',
  142.         'Paraguay':'巴拉圭',
  143.         'Qatar':'卡塔尔',
  144.         'Romania':'罗马尼亚',
  145.         'Russia':'俄罗斯',
  146.         'Rwanda':'卢旺达',
  147.         'W. Sahara':'西撒哈拉',
  148.         'Saudi Arabia':'沙特阿拉伯',
  149.         'Sudan':'苏丹',
  150.         'S. Sudan':'南苏丹',
  151.         'Senegal':'塞内加尔',
  152.         'Solomon Is.':'所罗门群岛',
  153.         'Sierra Leone':'塞拉利昂',
  154.         'El Salvador':'萨尔瓦多',
  155.         'Somaliland':'索马里兰',
  156.         'Somalia':'索马里',
  157.         'Serbia':'塞尔维亚',
  158.         'Suriname':'苏里南',
  159.         'Slovakia':'斯洛伐克',
  160.         'Slovenia':'斯洛文尼亚',
  161.         'Sweden':'瑞典',
  162.         'Swaziland':'斯威士兰',
  163.         'Syria':'叙利亚',
  164.         'Chad':'乍得',
  165.         'Togo':'多哥',
  166.         'Thailand':'泰国',
  167.         'Tajikistan':'塔吉克斯坦',
  168.         'Turkmenistan':'土库曼斯坦',
  169.         'East Timor':'东帝汶',
  170.         'Trinidad and Tobago':'特里尼达和多巴哥',
  171.         'Tunisia':'突尼斯',
  172.         'Turkey':'土耳其',
  173.         'Tanzania':'坦桑尼亚',
  174.         'Uganda':'乌干达',
  175.         'Ukraine':'乌克兰',
  176.         'Uruguay':'乌拉圭',
  177.         'United States':'美国',
  178.         'Uzbekistan':'乌兹别克斯坦',
  179.         'Venezuela':'委内瑞拉',
  180.         'Vietnam':'越南',
  181.         'Vanuatu':'瓦努阿图',
  182.         'West Bank':'西岸',
  183.         'Yemen':'也门',
  184.         'South Africa':'南非',
  185.         'Zambia':'赞比亚',
  186.         'Zimbabwe':'津巴布韦'
  187.     }

View Code

 

  1. foreigh_rt = re.search('国外表格(.*)', home_rt, re.S).group(1)
  2. foreigh_data = re.findall('cityName"\>(.*?)\</p\>.*?cityQZ"\>(.*?)\</p\>.*?cityXZQZ"\>(.*?)\</p\>.*?citySWSJ"\>(.*?)\</p\>', foreigh_rt, re.S)
  3. foreigh_data = pd.DataFrame(foreigh_data)
  4. foreigh_data.columns = ['国家', '累计确诊', '新增', '累计死亡']
  5. foreigh_data[foreigh_data=='-'] = 0
  7. country_name = pd.DataFrame([nameMap.values(), nameMap.keys()]).T
  8. country_name.columns = ['国家', 'name']
  9. foreigh_data = pd.merge(foreigh_data, country_name, on='国家', how='outer')  # 替换中文名字为英文
  10. foreigh_data = foreigh_data.fillna(0)
  12. indexes = list(foreigh_data.iloc[:, -1])
  13. foreigh_data = foreigh_data.drop(['国家', 'name'], axis=1)
  14. foreigh_data.index = indexes
  16. country_data = []
  17. for cou_i, coun_index in enumerate(foreigh_data.index):
  18.     country_data.append([coun_index, int(foreigh_data.iloc[cou_i, 0])])
  19. country_data.append(['China', int(data.iloc[:, -1].sum())])  # 添加中国数据

 

  1. c = (
  2.     Map(opts.InitOpts(width='800px', height='400px', bg_color='white'))
  3.     .add("累计确诊", country_data, "world", is_map_symbol_show=False)
  4.     .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 不显示国家名字
  5.     .set_global_opts(
  6.         title_opts=opts.TitleOpts(title="世界新冠肺炎累计确诊热图", pos_left='center'),
  7.         legend_opts=opts.LegendOpts(is_show=False),
  8.         visualmap_opts=opts.VisualMapOpts(is_piecewise = True,
  9.                                            pieces = [{"max": 1000, 'color': '#ffeead', 'label': '<1k'},
  10.                                                      {"min": 1000, "max": 50000, 'color': '#f29c2b', 'label': '1k~5w'},
  11.                                                      {"min": 50000, "max": 200000, 'color': '#d9534f', 'label': '5w-20w'},
  12.                                                      {"min": 200000, "max": 1000000, "color": '#F71E35', 'label': '20w-100w'},
  13.                                                      {"min": 1000000, 'color': '#C00000', 'label': '>100w'}])
  15.     )
  16. )
  18. c.render_notebook()

 

 

版权声明：本文为jaysonteng原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/jaysonteng/p/12821088.html