疫情数据分析平台工作报告【6】可视化绘图

最新推荐文章于 2024-02-21 14:23:44 发布
最新推荐文章于 2024-02-21 14:23:44 发布
阅读量357 收藏
点赞数
文章标签： python
版权声明：本文为博主原创文章，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://blog.csdn.net/m0_55675803/article/details/125205259
版权

Plotly+Dash

使用命令行pip直接安装dash

pip install dash

安装包括三部分:
html、dcc、dashtable、plotly。

如果想要兼容Jupiter相关环境,使用:

conda install -c conda-forge -c plotly jupyter-dash

三个私人的开源项目,用于辅助:

xinetzone/dash-xinet：简化 Dash 的使用。

SanstyleLab/plotly-dastsets：存储一些数据集以及展示图片。

xinetzone/sanstyle：处理一些常见任务。

pip install dash-xinet sanstyle

from dash_xinet.server import create_app, run_server
from dash_xinet.utils.nav import create_nav

external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = create_app(__name__, external_stylesheets=external_stylesheets)

Dash 应用使用和运行：

layout = ... # 布局
await run_server(app, layout, port=8050) # 启动应用

关于 sanstyle
可以直接批量修改文件后缀：

rename_suffix(root, old, new)

root
需要修改的跟目录

old
被修改的文件后缀，如 .txt

new
修改后的文件后缀，如 .rst

创建 元素

from sanstyle.display.html import Embed

snippet_url = 'https://dash-tests.herokuapp.com'
figure_n_slider_dash = Embed(snippet_url + '/examples/figure-n-slider',
                   className='w3-pale-blue',
                   height=500)
figure_n_slider_dash

导入 plotly-dastsets

import pandas as pd
from sanstyle.github.file import lfs_url

url = lfs_url('SanstyleLab/plotly-dastsets',
              'simple/usa-agricultural-exports-2011.csv')
df = pd.read_csv(url)
df.head()

再看plotly。

Plotly是一个交互式绘图库，提供了JavaScript、Python和R三种接口。我们使用的是python。

Plotly有三种不同的Python API，可以选择用不同的方法来绘图：

面向对象的API，通过plotly.graph_objects模块的图表对象进行绘制
数据驱动的API，通过构造类似JSON的数据结构进行绘制
高级绘图接口，是对底层绘图方法的包装，即plotly.express模块

面向对象API
使用graph_objects模块进行绘图时，用户需要定义画布对象go.Figure()、样式对象go.Layout()、迹线对象如散点图go.Scatter()、柱状图go.Bar()等，组合后进行渲染。

数据驱动API
Plotly的可视化建立在JSON数据结构之上，trace是一个字典，包含了要绘制的数据和颜色、线性等绘图指令，用于指定一组数据如何呈现；用列表组织多个trace构成了data，即在一张图表中要展示的所有trace；layout也是一个字典，用于设置图表的布局，包括标题、字体等属性，将data和layout组合在一起就构成了一张图表。这种方法直接对应于Plotly的JavaScript实现中的JSON API。

$ conda create -n plotly python=3.7  # 建立名为plotly的虚拟环境
$ conda activate plotly  # 激活虚拟环境

$ pip install plotly          # 不指定版本号
$ pip install plotly==4.14.3  # 指定版本号

$ conda install -c plotly=4.14.3

$ conda install -c plotly plotly-orca==1.2.1 psutil requests

import plotly.graph_objects as go
fig = go.Figure(data=go.Bar(x=[1, 2, 3], y=[2, 3, 1]))
fig.show()

在这里插入图片描述

我们来看具体的绘图步骤。

导入

import warnings
import pandas as pd
import plotly.express as px
import plotly.graph_objs as go

warnings.filterwarnings('ignore')

# china_history
#   国内累计确诊折线图
def china_confirm(df):
    df0 = df[['date', 'confirm']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='confirm',
        title='国内确诊折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

#   国内新增确诊折线图
def china_confirm_add(df):
    df0 = df[['date', 'confirm_add']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='confirm_add',
        title='国内新增确诊折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

#   国内累计治愈折线图
def china_heal(df):
    df0 = df[['date', 'heal']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='heal',
        title='国内累计治愈折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

#   国内新增治愈折线图
def china_heal_add(df):
    df0 = df[['date', 'heal_add']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='heal_add',
        title='国内新增治愈折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

#   国内累计死亡折线图
def china_dead(df):
    df0 = df[['date', 'dead']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='dead',
        title='国内累计死亡折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

#   国内新增死亡折线图
def china_dead_add(df):
    df0 = df[['date', 'dead_add']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='dead_add',
        title='国内新增死亡折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

#  国内累计疑似折线图
def china_suspect(df):
    df0 = df[['date', 'suspect']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='suspect',
        title='国内累计疑似折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

#   国内新增疑似折线图
def china_suspect_add(df):
    df0 = df[['date', 'suspect_add']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='suspect_add',
        title='国内新增疑似折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# owid-covid-data

# 各国 总病例折线图
def country_total_cases(df, country_name):
    df0 = df[['date', 'total_cases']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='total_cases',
        title=country_name + '总病例折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    新病例折线图
def country_new_cases(df, country_name):
    df0 = df[['date', 'new_cases']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='new_cases',
        title=country_name + '新增病例折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国 总死亡折线图
def country_total_deaths(df, country_name):
    df0 = df[['date', 'total_deaths']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='total_deaths',
        title=country_name + '总死亡折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    新增死亡折线图
def country_new_deaths(df, country_name):
    df0 = df[['date', 'new_deaths']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='new_deaths',
        title=country_name + '新增死亡折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位病例折线图
def country_total_cases_per_million(df, country_name):
    df0 = df[['date', 'total_cases_per_million']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='total_cases_per_million',
        title=country_name + '单位病例折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位新增病例折线图
def country_new_cases_per_million(df, country_name):
    df0 = df[['date', 'new_cases_per_million']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='new_cases_per_million',
        title=country_name + '单位新增病例折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位总死亡折线图
def country_total_deaths_per_million(df, country_name):
    df0 = df[['date', 'total_deaths_per_million']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='total_deaths_per_million',
        title=country_name + '单位总死亡折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位新增死亡折线图
def country_new_deaths_per_million(df, country_name):
    df0 = df[['date', 'new_deaths_per_million']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='new_deaths_per_million',
        title=country_name + '单位新增死亡折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    病毒扩散速率折线图
def country_reproduction_rate(df, country_name):
    df0 = df[['date', 'reproduction_rate']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='reproduction_rate',
        title=country_name + '病毒扩散速率折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    重症患者数量折线图
def country_icu_patients(df, country_name):
    df0 = df[['date', 'icu_patients']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='icu_patients',
        title=country_name + '重症患者数量折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位重症患者数量折线图
def country_icu_patients_per_million(df, country_name):
    df0 = df[['date', 'icu_patients_per_million']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='icu_patients_per_million',
        title=country_name + '单位重症患者数量折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    核酸检测数量折线图
def country_total_tests(df, country_name):
    df0 = df[['date', 'icu_patients_per_million']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='icu_patients_per_million',
        title=country_name + '单位重症患者数量折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    新增核酸检测数量折线图
def country_new_tests(df, country_name):
    df0 = df[['date', 'new_tests']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='new_tests',
        title=country_name + '新增核酸检测数量折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位核酸检测数量折线图 
def country_total_tests_per_thousand(df, country_name):
    df0 = df[['date', 'total_tests_per_thousand']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='total_tests_per_thousand',
        title=country_name + '单位核酸检测数量折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位新增核酸检测数量折线图
def country_new_tests_per_thousand(df, country_name):
    df0 = df[['date', 'new_tests_per_thousand']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='new_tests_per_thousand',
        title=country_name + '单位新增核酸检测数量折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    阳性率折线图
def country_positive_rate(df, country_name):
    df0 = df[['date', 'positive_rate']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='positive_rate',
        title=country_name + '阳性率折线图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    疫苗接种总量图
def country_total_vaccinations(df, country_name):
    df0 = df[['date', 'total_vaccinations']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='total_vaccinations',
        title=country_name + '疫苗接种总量图',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    接种过疫苗人数
def country_people_vaccinated(df, country_name):
    df0 = df[['date', 'people_vaccinated']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='people_vaccinated',
        title=country_name + '接种过疫苗人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    全程接种疫苗人数
def country_people_fully_vaccinated(df, country_name):
    df0 = df[['date', 'people_fully_vaccinated']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='people_fully_vaccinated',
        title=country_name + '全程接种疫苗人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    新增接种疫苗数
def country_new_vaccinations(df, country_name):
    df0 = df[['date', 'new_vaccinations']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='new_vaccinations',
        title=country_name + '新增接种疫苗数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位总接种疫苗数
def country_total_vaccinations_per_hundred(df, country_name):
    df0 = df[['date', 'total_vaccinations_per_hundred']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='total_vaccinations_per_hundred',
        title=country_name + '单位总接种疫苗数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各国    单位接种疫苗人数
def country_people_vaccinated_per_hundred(df, country_name):
    df0 = df[['date', 'people_vaccinated_per_hundred']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='people_vaccinated_per_hundred',
        title=country_name + '单位接种疫苗人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig


# 各国    单位全程接种疫苗人数
def country_people_fully_vaccinated_per_hundred(df, country_name):
    df0 = df[['date', 'people_fully_vaccinated_per_hundred']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='people_fully_vaccinated_per_hundred',
        title=country_name + '单位全程接种疫苗人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })

    return fig

# 中国各省份
# 各省    确诊人数
def province_confirm(df, province_name):
    df0 = df[['date', 'confirm']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='confirm',
        title=province_name + '确诊人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各省    死亡人数
def province_dead(df, province_name):
    df0 = df[['date', 'dead']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='dead',
        title=province_name + '死亡人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各省    治愈人数
def province_heal(df, province_name):
    df0 = df[['date', 'heal']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='heal',
        title=province_name + '治愈人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各省    新增确诊人数
def province_confirm_add(df, province_name):
    df0 = df[['date', 'confirm_add']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='confirm_add',
        title=province_name + '新增确诊人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各省    新增治愈人数
def province_heal_add(df, province_name):
    df0 = df[['date', 'heal_add']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='heal_add',
        title=province_name + '新增治愈人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

# 各省    新增死亡人数
def province_dead_add(df, province_name):
    df0 = df[['date', 'dead_add']].reset_index()
    df0['date'] = df0['date'].dt.date
    df0 = df0.sort_values('date', ascending=False)
    fig = px.line(
        data_frame=df0,
        x='date',
        y='dead_add',
        title=province_name + '新增死亡人数',
        height=900
    )
    fig.update_layout({
        # 'xaxis_dtick': 1,
        'xaxis_title': '日期',
        'yaxis_title': '数量',
    })
    return fig

一小段用于格式化的代码

# 原始数据档中的日期格式
format1 = '%Y-%m-%d'
format2 = '%Y/%m/%d'


# 日期格式化
def date_process_df1(df):
    df['date'] = pd.to_datetime(df['date'], format=format1)
    return df

def date_process_df2(df):
    df['date'] = pd.to_datetime(df['date'], format=format2)
    return df
m0_55675803
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实时疫情数据可视化分析
TJMtaotao的博客，高校计算机教师
03-27 1万+
数据分析，世界疫情实时数据分析，可视化，pyecharts,pandas,numpy。
疫情数据简析，可视化呈现
gxy3202365628的博客
03-15 2265
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言1.引入库2.读入数据3.提取需要数据4.绘制中国地图，添加数据5.渲染轮播图总结完整代码 前言 提示：这里可以添加本文要记录的大概内容： 最近疫情出现新状况，作为一个中国人民怎么能不关注，作此数据处理时才发现已经这么严重了，不过我们可以永远相信自己的国家，风云终会消散。 提示：以下是本篇文章正文内容，下面案例可供参考 1.引入库 代码如下（示例）： from pyecharts import options as opt.
疫情可视化分析
z_zzbty的博客
06-23 665
1、数据来源本次可视化数据来源为百度，网址为https://voice.baidu.com/act/newpneumonia/newpneumonia/?from=osari_aladin_banner 2、部分爬取数据展示1、疫情地图绘制,对中国各省治愈人数进行地图展示。 2、日历图，展示近日确诊人数.........
新冠肺炎疫情数据可视化分析-FineBI
QQ202240702博客
10-06 4013
一、实验（实训）目的 1.熟悉FineBI界面、菜单栏、函数的使用等；、 2.独立完成可视化项目，熟悉内容数据及业务流程； 3.完成新冠肺炎疫情自助数据集处理，并形成可视化面板及数据分析结论。
新冠疫情数据可视化分析
xm-love-mq的博客
02-21 1465
'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','Germany': '德国', 'Djibouti': '吉布提', 'Denmark': '丹麦', 'Algeria': '阿尔及利亚', 'Ecuador': '厄瓜多尔', 'Egypt': '埃及',
新冠肺炎疫情数据分析与可视化 python完整课设和代码
06-15
通过爬取到的数据，利用 Pyecharts 库进行可视化数据分析，将繁琐的数据转换为于理解的图表形式，并发布在前端网页上，将details表里的各市累计确诊数据，以省分组进行累加，将结果返回给前端。根据各省疫情确诊的...
基于网络爬虫的新冠肺炎疫情数据可视化分析
05-21
此外，毕竟是大数据分析，所以我在报告里面很详细地写了，通过可视化图表能分析出什么结论等等…… 我也拿着这个作品去参加了很多的比赛，目前拿到了校内比赛“大数据应用大赛”的一等奖，还有另外一个比赛的三等奖...
疫情数据-源码-可视化-参考文献.rar
05-04
本压缩包文件“疫情数据-源码-可视化-参考文献.rar”主要涵盖了针对新冠疫情的时空大数据分析项目。这个项目利用Python编程语言进行数据抓取、处理、分析，并通过可视化手段展示疫情动态，同时提供了相关参考文献供...
基于Python的中美疫情数据可视化分析与展示源码
最新发布
03-25
项目概述：本项目基于Python语言，对中美两国疫情数据进行深入的可视化分析与展示。项目包含共20个文件，涉及HTML、Python等多种语言，其中HTML文件7个，Python脚本6个，Excel数据文件4个，Markdown说明文件2个，...
对全国的疫情情况进行数据分析并进行数据可视化
10-13
基于疫情环境下 运用python对全国的疫情情况进行数据分析并进行数据可视化
新冠疫情历史数据可视化分析
涛涛不淘
09-11 6778
在上一部分中，我们分析了全球各国、中国各省和美国各州的当日新增数据，在本部分中，我们将对世界各国历史数据进行探索性分析。自新冠疫情在中国首度爆发以来，全球疫情形势愈发剧烈化、复杂化，且在不同国家及不同地区，有不同的爆发时间和发展情况。为体现不同时期的全球各国疫情的发展形势，我们将对疫情出现国家数量、各国累计确诊人数等数据进行可视化分析。
湖北省疫情数据可视化分析
huaxinluobotui的博客
03-15 7567
摘要 2019年12月底，一种人类历史上从未出现过的新型病毒在湖北省武汉市逐渐显露獠牙，它就是新型冠状病毒，为有效控制疫情的进一步传播，政府采取了有效措施，疫情如今得到控制。本文主要研究湖北省各市相关数据以及疫情数据之间的关系并对其进行可视化分析。 首先，我们采集湖北省各城市相关数据，对其进行处理，之后采用Tableau软件，展示了湖北省各城市人均生产总值、人数、人口密度、医疗卫生机构密度、累计确诊人数信息，进而分析数据。 在第二部分，我们选取武汉市作为代表对象，运用Tableau绘制了其疫情期间累计
新冠疫情数据采集，分析及其可视化
angle_anglela的博客
08-16 7059
中国疫情地图，新冠疫情数据可视化及分析
python可视化疫情事实报告(pyecharts)——可视化
m0_66044243的博客
10-16 3460
教同学们一个技巧，当遇到不难爬，已经是表明了的数据时，可以用requests和urllib，但是遇到Ajax请求的封装包时，如果你技术硬，可以用JS逆向获取，但是我相信，如果技术都到那了，应该来这里也没多大意义了，是吧！当然，也不是没有办法，selenium就是最硬的道理。简单粗暴，直接模拟人工获取数据。
基于flask框架的新冠疫情数据可视化系统源码+实验报告
黑马Jack的博客
08-01 9083
基于flask框架的新冠疫情数据可视化系统 新冠疫情数据可视化系统是本学期大数据可视化这门课的结课作业，本系统有四个模块的功能，涵盖有视频播放、疫情情况中国地图分布、Echarts饼状图和树状图等，应用Python爬虫、Flask框架、Echarts等技术实现 。 一、系统概述 系统开发环境： 关键技术:1、Python爬虫；Flask框架；Echarts。 实验平台:1、Window 10；2、PyCharm (2019.1)；3、Jupyter。 功能模块设计： 共五个模块:1、导航栏；2、
COVID-19疫情数据可视化
weixin_43655621的博客
03-05 4520
接上篇：COVID-19 疫情数据爬取及探索性分析 工具介绍 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。 pyecharts 是 echarts 的 python 接口，用于实现python数据的可视化展示 地图绘制 世界各国家现存确诊地图 导入绘制数据 import pandas as pd world_data = pd.read_csv("./today_world_2021_02_18.csv") 加载 pyecharts 可视化库
疫情防控|Springboot+小程序+校园疫情防控系统设计与实现
软件开发实战项目分享
12-15 1474
基于Spring Boot的校园疫情防控系统的设计与实现主要实现了首页、登录、注册、健康填报、请假、批假、校园通知、班级管理、疫情图表等功能模块
推荐收藏，这20份年终可视化看板汇报模板拿来就用
Python数据挖掘
01-26 4125
快到年终了，在期待春节放假的同时，年终总结也是我们年末工作汇报时绕不开的一项任务，很多人都十分头疼怎么写出一份精彩的年终总结，普通的报表太过简陋，且数据不直观，领导不能一眼看出你一年的工作成绩。 PPT又很普通，且每年做来做去都是那样，一点新意都没有，还得去网上找模板，模板还丑的不像样。 今天我就给大家带来年度汇报可视化大屏模板集合，能够通过一张大屏，清晰展示年度重要数据指标+酷炫动态效果，360度无死角满足领导需求。 1、电商行业年终述职 适用场景： 通过模板来展现年度商家订单数量、订单金额以及各自的
零基础制作一个疫情数据可视化地图
喃灬疯的博客
11-15 977
本文中使用到的地图js文件，来源于网络。本文也仅限于学习交流！！！如有任何问题，请私信我！往期文章。
Python+MySQL疫情数据分析与可视化系统设计
研究目的在于构建一个基于Python和MySQL的疫情数据分析平台，以提供高效的数据处理和可视化功能。 在第二章中，作者简述了Python的基本概念，并详细讨论了Python在数据分析领域常用的库，如Pandas和NumPy，这些库是...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值