【爬虫+可视化】Python爬取疫情数据，并做可视化展示_mport requests # 用于发送网页请求 import pandas as ___

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

![img](https://img-blog.csdnimg.cn/img_convert/12b69622a84079e2b12a6ae9be99b89f.webp?x-oss-process=image/format,png)


找到数据所在url


![img](https://img-blog.csdnimg.cn/img_convert/7de81673f035d529a0da4ca972e1e1f8.webp?x-oss-process=image/format,png)


![img](https://img-blog.csdnimg.cn/img_convert/8a70d18979bf1e3181bbc0f1d78097ad.png)


#### 发送请求

url = ‘https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&_=1638361138568’
response = requests.get(url, verify=False)

#### 获取数据

json_data = response.json()[‘data’]

#### 解析数据

json_data = json.loads(json_data)
china_data = json_data[‘areaTree’][0][‘children’] # 列表
data_set = []
for i in china_data:
data_dict = {}
# 地区名称
data_dict[‘province’] = i[‘name’]
# 新增确认
data_dict[‘nowConfirm’] = i[‘total’][‘nowConfirm’]
# 死亡人数
data_dict[‘dead’] = i[‘total’][‘dead’]
# 治愈人数
data_dict[‘heal’] = i[‘total’][‘heal’]
# 死亡率
data_dict[‘deadRate’] = i[‘total’][‘deadRate’]
# 治愈率
data_dict[‘healRate’] = i[‘total’][‘healRate’]
data_set.append(data_dict)

#### 保存数据

df = pd.DataFrame(data_set)
df.to_csv(‘data.csv’)

![img](https://img-blog.csdnimg.cn/img_convert/409f79d3784c07c55f99fea70ed32d8d.webp?x-oss-process=image/format,png)


### 数据可视化


#### 导入模块

from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie,Map,Grid

#### 读取数据

df2 = df.sort_values(by=[‘nowConfirm’],ascending=False)[:9]
df2

![img](https://img-blog.csdnimg.cn/img_convert/671f31d833d6b6fffda551db43e8a7c3.png)


#### 死亡率与治愈率

line = (
Line()
.add_xaxis(list(df[‘province’].values))
.add_yaxis(“治愈率”, df[‘healRate’].values.tolist())
.add_yaxis(“死亡率”, df[‘deadRate’].values.tolist())
.set_global_opts(
title_opts=opts.TitleOpts(title=“死亡率与治愈率”),

)

)
line.render_notebook()

![img](https://img-blog.csdnimg.cn/img_convert/731d0df55bfd170868ee60fe65db6367.webp?x-oss-process=image/format,png)


#### 各地区确诊人数与死亡人数情况

bar = (
Bar()
.add_xaxis(list(df[‘province’].values)[:6])
.add_yaxis(“死亡”, df[‘dead’].values.tolist()[:6])
.add_yaxis(“治愈”, df[‘heal’].values.tolist()[:6])
.set_global_opts(
title_opts=opts.TitleOpts(title=“各地区确诊人数与死亡人数情况”),
datazoom_opts=[opts.DataZoomOpts()],
)
)
bar.render_notebook()

![img](https://img-blog.csdnimg.cn/img_convert/63029f1546aa9c54d286d31da29690c5.png)



### 最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~  

给大家准备的学习资料包括但不限于：  

Python 环境、pycharm编辑器/永久激活/翻译插件  

python 零基础视频教程  

Python 界面开发实战教程  

Python 爬虫实战教程  

Python 数据分析实战教程  

python 游戏开发实战教程  

Python 电子书100本  

Python 学习路线规划

![](https://img-blog.csdnimg.cn/d29631674929476f9c3b30f7ff58dff0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)






**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）**
![img](https://img-blog.csdnimg.cn/img_convert/e91d7a79a34a5856a75d459bdfe36c16.png)

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
**

**需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）**
[外链图片转存中...(img-cU7rvVpv-1713436676892)]

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**