使用python对全球最新疫情情况进行可视化地图绘制！

说明

之前也看过许多朋友用python绘制疫情地图，看着是不难，但是都没有绘制过，这怎么行呢，必须得自己也体验一把，过过瘾。所以就抓取最新的疫情数据，进行可视化绘图，写这篇文章其实没什么特别要说明的知识点，主要是想记录一下自己的敲代码时光，另一方面就是为了养成一种坚持写文章的习惯。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

数据来源

首先这个数据是来源于腾讯新闻的，进入网页主界面，找到抗肺炎，点击右边的疫情实时追踪，就会跳转到新的页面。

然后点击海外疫情，往下滑动，找到如下图所示数据

通过点击鼠标右键检查，找到相对应的数据来源，我们发现在途中所标记的红线框内有我们想要的数据，

点击Headers，出现如下所示的内容，对目标url进行分析，里面包含了callback的值和时间戳，因此我们要够造对应的url。

callback里面的值跟上面目标url里面的JQuery的后面是一样的，所以我们就可以构造出正确的目标url。

目标url的确定

构造时间戳

# 构造时间戳
import time
import math
start_time = time.time()
# 构建时间戳
real_time = math.ceil(start_time*1000)
print(real_time)
1234567

设置请求头

# 请求头
headers1 = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.193 Safari/537.36',
          'callable':'jQuery35108410968089910225_1605792552348'}
123

构造最终目标网页url

# 通过对网页的分析，确定目标url的格式
# 构造目标url
url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_foreign&callback=jQuery{}'.format(headers1["callable"])+"&_="+str(real_time)

1234

代码描述

导入相关的库并构造目标url

import time
import math
import requests
import json

# 导入绘图所用的库
from pyecharts.charts import Map,Geo
from pyecharts import options as opts

start_time = time.time()
# 构建时间戳
real_time = math.ceil(start_time*1000)
# 请求头
headers1 = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.193 Safari/537.36',
          'callable':'jQuery35108410968089910225_1605792552348'}
# 通过对网页的分析，确定目标url的格式
# 构造目标url
url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_foreign&callback={}'.format(headers1["callable"])+"&_="+str(real_time)
# page_data = requests.get(url,headers = headers1)


123456789101112131415161718192021

获取网页信息

# 对目标网址发起requests请求
data = requests.post(url=url,headers = headers1)
# 对获取到的网页内容进行编码转换
data.encoding = data.apparent_encoding
data1 = data.text
# 查看获取到的内容
data1
1234567

获取到的数据展示如下

由途中的数据格式我们发现，这是json格式的数据，所以我们需要对json格式的数据进行数据类型转换，然后再提取。转换为python可交互的数据类型，不难发现这是字典格式的数据，因此我们要提取值，就要通过字典的键来获取。我们想要的数据是在data这个键里面，所以就按照字典获取键值的方式进行获取。

#数据类型转换
# 将数据类型转换为python可交互的格式
json_data = json.loads(data1)
#提取数据
info = json_data["data"]
info
123456

提取到的数据如下：

经过提取后，发现每个国家的数据信息是在一个列表里面的，然后每个国家又是一个单独的字典，所以我们要获取每个国家的数据，就通过列表的遍历轮询来进行获取。

# 创建一个空列表，用来装每个国家的相关数据
info_list = []
# 遍历轮询每个国家的信息
for country in info:
    # 提取国家名称
    name = country["name"]
#     提取每个国家的确诊人数
    confirm = country["confirm"]
    #把每个国家和确诊人数放在一个元组里，然后添加到列表中
    info_tuple = (name,confirm)
    info_list.append(info_tuple)
#     data_list = zip(name,confirm)
# 展示提取后的效果
info_list
1234567891011121314

提取后的数据格式和效果展示

可视化过程

绘图前准备

现在数据已经拿到了，接下来就是可视化过程
下面这个中英文国家名称映射表是从https://blog.csdn.net/llllllkkkkkooooo/article/details/107431181这篇文章中copy过来的，在这里对这位博主深表感谢

#国家名称表中英文到中文的映射

nameMap = {
        'Singapore Rep.':'新加坡',
        'Dominican Rep.':'多米尼加',
        'Palestine':'巴勒斯坦',
        'Bahamas':'巴哈马',
        'Timor-Leste':'东帝汶',
        'Afghanistan':'阿富汗',
        'Guinea-Bissau':'几内亚比绍',
        "Côte d'Ivoire":'科特迪瓦',
        'Siachen Glacier':'锡亚琴冰川',
        "Br. Indian Ocean Ter.":'英属印度洋领土',
        'Angola':'安哥拉',
        'Albania':'阿尔巴尼亚',
        'United Arab Emirates':'阿联酋',
        'Argentina':'阿根廷',
        'Armenia':'亚美尼亚',
        'French Southern and Antarctic Lands':'法属南半球和南极领地',
        'Australia':'澳大利亚',
        'Austria':'奥地利',
        'Azerbaijan':'阿塞拜疆',
        'Burundi':'布隆迪',
        'Belgium':'比利时',
        'Benin':'贝宁',
        'Burkina Faso':'布基纳法索',
        'Bangladesh':'孟加拉国',
        'Bulgaria':'保加利亚',
        'The Bahamas':'巴哈马',
        'Bosnia and Herz.':'波斯尼亚和黑塞哥维那',
        'Belarus':'白俄罗斯',
        'Belize':'伯利兹',
        'Bermuda':'百慕大',
        'Bolivia':'玻利维亚',
        'Brazil':'巴西',
        'Brunei':'文莱',
        'Bhutan':'不丹',
        'Botswana':'博茨瓦纳',
        'Central African Rep.':'中非',
        'Canada':'加拿大',
        'Switzerland':'瑞士',
        'Chile':'智利',
        'China':'中国',
        'Ivory Coast':'象牙海岸',
        'Cameroon':'喀麦隆',
        'Dem. Rep. Congo':'刚果民主共和国',
        'Congo':'刚果',
        'Colombia':'哥伦比亚',
        'Costa Rica':'哥斯达黎加',
        'Cuba':'古巴',
        'N. Cyprus':'北塞浦路斯',
        'Cyprus':'塞浦路斯',
        'Czech Rep.':'捷克',
        'Germany':'德国',
        'Djibouti':'吉布提',
        'Denmark':'丹麦',
        'Algeria':'阿尔及利亚',
        'Ecuador':'厄瓜多尔',
        'Egypt':'埃及',
        'Eritrea':'厄立特里亚',
        'Spain':'西班牙',
        'Estonia':'爱沙尼亚',
        'Ethiopia':'埃塞俄比亚',
        'Finland':'芬兰',
        'Fiji':'斐',
        'Falkland Islands':'福克兰群岛',
        'France':'法国',
        'Gabon':'加蓬',
        'United Kingdom':'英国',
        'Georgia':'格鲁吉亚',
        'Ghana':'加纳',
        'Guinea':'几内亚',
        'Gambia':'冈比亚',
        'Guinea Bissau':'几内亚比绍',
        'Eq. Guinea':'赤道几内亚',
        'Greece':'希腊',
        'Greenland':'格陵兰',
        'Guatemala':'危地马拉',
        'French Guiana':'法属圭亚那',
        'Guyana':'圭亚那',
        'Honduras':'洪都拉斯',
        'Croatia':'克罗地亚',
        'Haiti':'海地',
        'Hungary':'匈牙利',
        'Indonesia':'印度尼西亚',
        'India':'印度',
        'Ireland':'爱尔兰',
        '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',
        'Japan':'日本',
        'Japan':'日本本土',
        'Kazakhstan':'哈萨克斯坦',
        'Kenya':'肯尼亚',
        'Kyrgyzstan':'吉尔吉斯斯坦',
        'Cambodia':'柬埔寨',
        'Korea':'韩国',
        'Kosovo':'科索沃',
        'Kuwait':'科威特',
        'Lao PDR':'老挝',
        'Lebanon':'黎巴嫩',
        'Liberia':'利比里亚',
        'Libya':'利比亚',
        'Sri Lanka':'斯里兰卡',
        'Lesotho':'莱索托',
        'Lithuania':'立陶宛',
        'Luxembourg':'卢森堡',
        'Latvia':'拉脱维亚',
        'Morocco':'摩洛哥',
        'Moldova':'摩尔多瓦',
        'Madagascar':'马达加斯加',
        'Mexico':'墨西哥',
        'Macedonia':'马其顿',
        'Mali':'马里',
        'Myanmar':'缅甸',
        'Montenegro':'黑山',
        'Mongolia':'蒙古',
        'Mozambique':'莫桑比克',
        'Mauritania':'毛里塔尼亚',
        'Malawi':'马拉维',
        'Malaysia':'马来西亚',
        'Namibia':'纳米比亚',
        'New Caledonia':'新喀里多尼亚',
        'Niger':'尼日尔',
        'Nigeria':'尼日利亚',
        'Nicaragua':'尼加拉瓜',
        'Netherlands':'荷兰',
        'Norway':'挪威',
        'Nepal':'尼泊尔',
        'New Zealand':'新西兰',
        'Oman':'阿曼',
        'Pakistan':'巴基斯坦',
        'Panama':'巴拿马',
        'Peru':'秘鲁',
        'Philippines':'菲律宾',
        'Papua New Guinea':'巴布亚新几内亚',
        'Poland':'波兰',
        'Puerto Rico':'波多黎各',
        'Dem. Rep. Korea':'朝鲜',
        'Portugal':'葡萄牙',
        'Paraguay':'巴拉圭',
        'Qatar':'卡塔尔',
        'Romania':'罗马尼亚',
        'Russia':'俄罗斯',
        'Rwanda':'卢旺达',
        'W. Sahara':'西撒哈拉',
        'Saudi Arabia':'沙特阿拉伯',
        'Sudan':'苏丹',
        'S. Sudan':'南苏丹',
        'Senegal':'塞内加尔',
        'Solomon Is.':'所罗门群岛',
        'Sierra Leone':'塞拉利昂',
        'El Salvador':'萨尔瓦多',
        'Somaliland':'索马里兰',
        'Somalia':'索马里',
        'Serbia':'塞尔维亚',
        'Suriname':'苏里南',
        'Slovakia':'斯洛伐克',
        'Slovenia':'斯洛文尼亚',
        'Sweden':'瑞典',
        'Swaziland':'斯威士兰',
        'Syria':'叙利亚',
        'Chad':'乍得',
        'Togo':'多哥',
        'Thailand':'泰国',
        'Tajikistan':'塔吉克斯坦',
        'Turkmenistan':'土库曼斯坦',
        'East Timor':'东帝汶',
        'Trinidad and Tobago':'特里尼达和多巴哥',
        'Tunisia':'突尼斯',
        'Turkey':'土耳其',
        'Tanzania':'坦桑尼亚',
        'Uganda':'乌干达',
        'Ukraine':'乌克兰',
        'Uruguay':'乌拉圭',
        'United States':'美国',
        'Uzbekistan':'乌兹别克斯坦',
        'Venezuela':'委内瑞拉',
        'Vietnam':'越南',
        'Vanuatu':'瓦努阿图',
        'West Bank':'西岸',
        'Yemen':'也门',
        'South Africa':'南非',
        'Zambia':'赞比亚',
        'Zimbabwe':'津巴布韦'
}
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190

设置每个区间的范围

#自定义的每一段的取值范围
during = [
    {"min":10000000},
    {"min": 1000000, "max":9999999},
    {"min": 100000, "max": 999999},
    {"min": 10000, "max": 99999},
    {"min": 1000, "max": 9999},
    {"min":0,"max":999},
]
123456789

绘图阶段

设置图形的参数

#width：地图的宽度，height：地图的高度，page_title：地图的标题
map = Map(opts.InitOpts(width='1650px',height='890px')).add(series_name="最新世界疫情分布情况",
                # 要展示的数据项
                data_pair=info_list,
                # 地图类型为世界地图
                maptype="world",
                # 自定义读取的名称的映射
                name_map=nameMap,
                # 是否显示标记图形
                is_map_symbol_show=False)
# label_opts:标签配置项设置，is_show：是否显示视觉映射配置
map.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

12345678910111213

将设置好的参数带入到绘图函数中进行绘图

#is_piecewise：是否为分段展示，pieces：设置每一个区间的范围
#max_：设置 visualMapPiecewise 所有取值区间中的最大值，TitleOpts：标题设置
map.set_global_opts(
        title_opts=opts.TitleOpts(pos_left="80px",title="世界疫情分布情况地图",subtitle_textstyle_opts=opts.TextStyleOpts(font_size=20)),
        legend_opts=opts.LegendOpts(selected_mode='multiple'),
        visualmap_opts=opts.VisualMapOpts(max_=10000000,is_piecewise=True,pieces=during),
        )

map.render("世界疫情分布情况地图.html")
123456789

这样，我们的世界疫情地图就绘制好了，来看看这个效果吧

从图中可以看出，美利坚果然不负众望，登顶世界第一。