基于Django的疫情数据可视化

最新推荐文章于 2024-06-20 17:29:23 发布
最新推荐文章于 2024-06-20 17:29:23 发布
阅读量4k 收藏 78
点赞数 12
分类专栏： Python学习 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/qq_42383283/article/details/107455186
版权

题目一：疫情数据分析

文章目录

实验要求

编写程序（用Java或Python或javascript）获取实时疫情数据，并进行统计分析，显示各种统计图。

实验目的

获取大数据，进行统计分析是大数据技术研究的基础。

  1. 巩固之前学习的Python、Django。

  2. 学习掌握数据可视化工具：echarts。

  3. 学习掌握爬虫流程与方法。

  4. 对收集的数据可视化。

  5. 提升遇到问题、解决问题的能力。

实验环境

1. 计算机环境

操作系统：Windows 10 （x64）

处理器：Intel® Core™ i5-7200U

内存：4.00GB

2. 软件环境

IDE：JetBrains PyCharm Professional Edition with Anaconda plugin 2019.2.6 x64

数据库：MySQL 5.55

Python版本：Python 3.7

Django版本：Django 1.11.11

实验方法

1. 查找方便爬取的疫情数据网站。

2. 使用Django框架创建Python Web工程。

Django是一个开放源代码的Web应用框架，由Python写成。采用了MTV的框架模式，即模型M，视图V和模版T。

Django 框架的核心组件有：

  • 用于创建模型的对象关系映射；

  • 为最终用户设计较好的管理界面；

  • URL 设计；

  • 设计者友好的模板语言；

  • 缓存系统。

Django 的 MTV 分别是指：

  • M模型（Model）：编写程序应有的功能，负责业务对象与数据库的映射(ORM)。

  • T模板 (Template)：负责如何把页面(html)展示给用户。

  • V视图（View）：负责业务逻辑，并在适当时候调用 Model和 Template。

MTV工作流程：
在这里插入图片描述

3. 实现阶段

设计、实现：html页面布局（即Template）、Model存储数据、View业务逻辑。

4. 运行、调试、部署Web项目。

在实现过程中多次运行，发现bug及时修改。

Utools上有个“内网穿透”的插件，可以把运行的Web通过外网查看，方便老师看到实现的效果。

在这里插入图片描述

实验过程

1. 创建Django工程

  • 创建Django项目

    • django-admin startproject Cov_django

  • 创建子应用

  • python manager.py startapp info

  • 设置setting文件

    #ALLOWED_HOSTS是一个字符串列表，代表了这个Django网站可以服务的主机名或域名。这是为了阻止HTTP Host头攻击而采用的一种安全措施
ALLOWED_HOSTS = ['covdjango.utools.club','127.0.0.1']

INSTALLED_APPS = [
    'django.contrib.admin',
    'django.contrib.auth',
    'django.contrib.contenttypes',
    'django.contrib.sessions',
    'django.contrib.messages',
    'django.contrib.staticfiles',
    'info.apps.InfoConfig', #添加子应用
]

#数据库设置，默认数据库改为MySQL数据库
DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.mysql',
        'HOST': '127.0.0.1',  # 数据库主机
        'PORT': 3306,  # 数据库端口
        'USER': 'root',  # 数据库用户名
        'PASSWORD': '123456',  # 数据库用户密码
        'NAME': 'Cov_django'  # 数据库名字
    }
}

LANGUAGE_CODE = 'zh-Hans'#语言

TIME_ZONE = 'Asia/Shanghai'#时区

#静态文件   在static添加的任何静态文件都可以使用网址/static/文件在static中的路径来访问了
STATIC_URL = '/static/'
STATICFILES_DIRS = [
    os.path.join(BASE_DIR, 'static'),
]

  • 设置Cov_django访问地址urls.py文件

    from django.contrib import admin
from django.conf.urls import url,include
urlpatterns = [
    url(r'^admin/', admin.site.urls),#在设置管理员的情况下访问地址后以为admin/则进入到管理员界面
    url(r'^',include('info.urls',namespace='info')),#根据正则表达式顺序匹配，匹配不成功就匹配下一个，直到匹配成功为止，全没匹配成功返回404
    #第二个匹配成功后会进入到info下的urls继续进行二级匹配
]

  • 设置子应用下urls文件

    from django.conf.urls import url
from info.views import index
app_name = 'info'
urlpatterns = [
    url(r'^$',index,name = 'index'),
    url(r'^index/$',index,name = 'index'),#连个都返回到views下index实现业务逻辑
]

2. 查找合适的疫情数据获取网站

本实验采用的是腾讯的数据：

  1. 国外各国实时疫情数据

    地址： 新冠肺炎疫情最新动态，实时更新 - 腾讯

F12打开开发者模式可看到以下内容：

  • 反爬：Requests设置请求头Headers

在请求网页爬取的时候，输出的text信息中会出现抱歉，无法访问等字眼，这就是禁止爬取，需要通过反爬机制去解决这个问题。headers是解决requests请求反爬的方法之一，相当于我们进去这个网页的服务器本身，假装自己本身在爬取数据。对反爬虫网页，可以设置一些headers信息，模拟成浏览器取访问网站 。
在这里插入图片描述

  • 根据请求地址与请求方式爬取其中的疫情数据

在这里插入图片描述

  • 可以在Preview或Response中看到其中的数据，查找需要的数据。

在这里插入图片描述

3. 实现爬虫方法

在info子应用下创建一个名为‘CrawlingDataUtils.py’爬虫工具文件，里面封装了爬虫方法

import requests  #用于请求页面，得到相应内容
import json  #将实现数据字到json的互相转换
import jsonpath #当遇到层级比较深的字典时，要想取值使用jsonpath取值比较方便，可以一下取到。

#获取每日全球数据信息
def get_globalStatis_data():
    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_foreign' #请求地址
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36',
    }  #请求头，作用：伪装成浏览器反爬虫
    #这个网址请求方式为get
    r = requests.get(url, headers)
    res = json.loads(r.text)  # 将网页中的json字符串 转成 字典
    data_all = json.loads(res['data']) #根据数据格式，进一步拆分数据，得到想要的data数据
    lastUpdateTime = data_all['globalStatis']['lastUpdateTime']  # Time格式：YYYY-MM-DD HH:mm:ss
    nowConfirm = data_all['globalStatis']['nowConfirm']
    confirm = data_all['globalStatis']["confirm"]
    heal = data_all['globalStatis']["heal"]
    dead = data_all['globalStatis']["dead"]
    nowConfirmAdd = data_all['globalStatis']['nowConfirmAdd']
    confirmAdd = data_all['globalStatis']['confirmAdd']
    healAdd = data_all['globalStatis']['healAdd']
    deadAdd = data_all['globalStatis']['deadAdd']
    #将上述数据组合成字典，方便返回与获取
    globalStatis = {"lastUpdateTime": lastUpdateTime, "nowConfirm": nowConfirm, "confirm": confirm, "heal": heal,
                        "dead": dead,
                        "nowConfirmAdd": nowConfirmAdd, "confirmAdd": confirmAdd, "healAdd": healAdd,
                        "deadAdd": deadAdd}
    return globalStatis

#获取外国数据
def get_foreign_data():
    # 1.目标网站
    url = 'https://api.inews.qq.com/newsqa/v1/automation/foreign/country/ranklist'
    # 2.请求资源  Request Method: POST
    resp = requests.post(url)
    # print(resp.text)
    # 3.提取数据
    # 类型转换 json-->dict
    data = json.loads(resp.text)
    # print(type(data))
    # for i in range(0,len(data['data'])) :
    #     print(data['data'][i]['name'])
    # data是我们的内容，$表示根节点下，而$..name表示根节点下的任意层级name键值的部分
    name = jsonpath.jsonpath(data, "$..name")#JsonPath是一种简单的方法来提取给定JSON文档的部分内容
    confirm = jsonpath.jsonpath(data, "$..confirm") #返回是各个国家的confirm组成的列表
    confirmAdd = jsonpath.jsonpath(data, "$..confirmAdd")
    confirmCompare = jsonpath.jsonpath(data, "$..confirmCompare")
    date = jsonpath.jsonpath(data, "$..date")
    dead = jsonpath.jsonpath(data, "$..dead")
    deadCompare = jsonpath.jsonpath(data, "$..deadCompare")
    heal = jsonpath.jsonpath(data, "$..heal")
    healCompare = jsonpath.jsonpath(data, "$..healCompare")
    nowConfirm = jsonpath.jsonpath(data, "$..nowConfirm")
    nowConfirmCompare = jsonpath.jsonpath(data, "$..nowConfirmCompare")
    #zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
    #返回的是[（一个国家各项数据组成的元组）,（一个国家各项数据组成的元组）...]
    data_list = list(zip(name,confirm,confirmAdd,confirmCompare,date,dead,deadCompare,heal,healCompare,nowConfirm,nowConfirmCompare))
    #返回各项数据，其中data_list是方便向数据库中添加一条数据，其他的方便echarts使用（echarts坐标为列表形式的数据）
    return [name,confirm,confirmAdd,confirmCompare,date,dead,deadCompare,heal,healCompare,nowConfirm,nowConfirmCompare,data_list]

#获取美国历史确诊数据
def get_USA_history_confirm_data():
    url = 'https://api.inews.qq.com/newsqa/v1/automation/modules/list?modules=FAutoCountryMerge'
    resp = requests.post(url)
    dic = json.loads(resp.text)
    nation_data = dic['data']['FAutoCountryMerge']
    usaData = nation_data['美国']['list']
    # 由字典组成的列表 [{'date': '01.28', 'confirm': 5},{'date': '01.29', 'confirm': 5},...]
    return usaData

#获取全球每日数据
def get_GlobalDailyList():
    url = 'https://api.inews.qq.com/newsqa/v1/automation/modules/list?modules=FAutoGlobalStatis,FAutoContinentStatis,FAutoGlobalDailyList,FAutoCountryConfirmAdd'
    resp = requests.post(url)
    dic = json.loads(resp.text)
    ls = dic['data']['FAutoGlobalDailyList']  #list  昨天以前全球疫情数据
    today = dic['data']['FAutoGlobalStatis']  #字典  今天全球疫情数据
    #[{'date': '01.28',
 #  'all': {'confirm': 57,
 #   'dead': 0,
 #   'heal': 3,
 #   'newAddConfirm': 0,
 #   'deadRate': '0.00',
 #   'healRate': '5.26'}},
 # {'date': '01.29',
 #  'all': {'confirm': 74,
 #   'dead': 0,
 #   'heal': 3,
 #   'newAddConfirm': 13,
 #   'deadRate': '0.00',
 #   'healRate': '4.05'}},......]

    return {'ls':ls,'today':today}

#整合历史数据 ：日期date/美国确诊usaconfirm/全球确诊、全球死亡、全球治愈、全球新增，方便插入数据库中
def get_all_data():
    usaData = get_USA_history_confirm_data()
    all_date = jsonpath.jsonpath(usaData, "$..date")
    USA_history_confirm = jsonpath.jsonpath(usaData, "$..confirm")
    #全球历史疫情数据
    ls = get_GlobalDailyList()['ls']
    today = get_GlobalDailyList()['today']
    before_confirm = jsonpath.jsonpath(ls,"$..confirm")
    before_dead = jsonpath.jsonpath(ls,"$..dead")
    before_heal = jsonpath.jsonpath(ls,"$..heal")
    before_newAddConfirm = jsonpath.jsonpath(ls,"$..newAddConfirm") #新增确诊

    today_confirm = today['confirm']
    today_dead = today['dead']
    today_heal = today['heal']
    today_confirmAdd = today['confirmAdd']

    before_confirm.append(today_confirm)
    # print(all_confirm):None     append这个操作是没有返回值的（即返回一个None），b.append(a)   append只更新b本身，正确的写法应该分开写：
    before_dead.append(today_dead)
    #all_dead = before_dead   #before_dead 添加完today的数据，就为全的数据了 ==all_dead
    before_heal.append(today_heal)
    before_newAddConfirm.append(today_confirmAdd)

    datalist = list(zip(all_date,USA_history_confirm,before_confirm,before_dead,before_heal,before_newAddConfirm))
    return datalist



#https://voice.baidu.com/newpneumonia/get?target=trend&isCaseIn=1&stage=publish&callback=jsonp_1594382062559_46273
#https://voice.baidu.com/act/newpneumonia/newpneumonia#tab4   有国外的历史数据

4. 设计创建Models

Models中的class对应数据库中的表，属性对应字段。

  1. 定义模型类
  • 在models.py中定义模型类,继承自models.Model
#定义模型类
from django.db import models

# Create your models here.

class foreign_data(models.Model):
    date = models.DateField(verbose_name='更新时间')
    name = models.CharField(max_length=20,verbose_name='国家')
    confirm = models.IntegerField(verbose_name='确认总数')
    confirmAdd = models.IntegerField(verbose_name='新增确诊人数')
    heal = models.IntegerField(verbose_name='治愈人数')
    dead = models.IntegerField(verbose_name='死亡人数')
    nowConfirm = models.IntegerField(verbose_name='现存确诊')

    class Meta:
        #改表名
        db_table = 'foreign_data'
        #修改后台admin对的显示信息的配置
        verbose_name_plural = '国外疫情数据（每个国家不同日期的数据)'

    def __str__(self):
        #后台显示
        return self.name +':' + str(self.date)

class globalStatic(models.Model):
    lastUpdateTime = models.DateTimeField(verbose_name='更新时间')
    nowConfirm = models.IntegerField(verbose_name='现存确诊')
    confirm = models.IntegerField(verbose_name='确认总数')
    heal = models.IntegerField( verbose_name='治愈人数')
    dead = models.IntegerField(verbose_name='死亡人数')
    nowConfirmAdd = models.IntegerField(verbose_name='新增现存确诊人数')
    confirmAdd = models.IntegerField(verbose_name='新增确诊人数')
    healAdd = models.IntegerField(verbose_name='新增治愈人数')
    deadAdd = models.IntegerField(verbose_name='新增死亡人数')

    class Meta:
        # 改表名
        db_table = 'globalStatic'
        # 修改后台admin对的显示信息的配置
        verbose_name_plural = '全球疫情总数据'

    def __str__(self):
        return '更新时间'+str(self.lastUpdateTime)

class USA_history_confirm_data(models.Model):
    date = models.DateField(verbose_name='日期')
    confirm = models.IntegerField(verbose_name='确认数')

    class Meta:
        # 改表名
        db_table = 'USA_history_confirm_data'
        # 修改后台admin对的显示信息的配置
        verbose_name_plural = '美国历史疫情数据'

    def __str__(self):
        return '日期:'+str(self.date)

#全球疫情实体类
class usa_global_all_data(models.Model):
    date = models.DateField(verbose_name='日期')
    usaconfirm = models.IntegerField(verbose_name='美国确诊')
    confirm = models.IntegerField(verbose_name='全球确诊')
    dead = models.IntegerField(verbose_name='全球死亡')
    heal = models.IntegerField(verbose_name='全球治愈')
    confirmAdd = models.IntegerField(verbose_name='全球新增')
    class Meta:
        # 改表名
        db_table = 'usa_global_all_data'
        # 修改后台admin对的显示信息的配置
        verbose_name_plural = '美国和全球历史疫情数据'

    def __str__(self):
        return '日期:'+str(self.date)
  1. 模型迁移（建表）

迁移由两步完成 :

  • 生成迁移文件：根据模型类生成创建表的语句

    python manage.py makemigrations

  • 执行迁移：根据第一步生成的语句在数据库中创建表

    python manage.py migrate

5. 实现数据库操作方法

在info子应用下创建一个名为‘dbUtils.py’数据库操作工具文件，里面封装了数据库操作方法

from info.models import globalStatic,foreign_data,USA_history_confirm_data,usa_global_all_data
from info.CrawlingDataUtils import get_globalStatis_data,get_foreign_data,get_USA_history_confirm_data,get_all_data
import time

# 数据库中添加foreign_data
def insert_foreign_data():
    foreignData = get_foreign_data()
    ls = foreignData[11] #数据下标为11的数据是每个（国家数据的元组）组成的列表
    print(f"{time.asctime()}开始插入各国数据")
    for i in range(0,len(ls)):
        ds = "2020." + ls[i][4]
        tup = time.strptime(ds, "%Y.%m.%d")
        date = time.strftime("%Y-%m-%d", tup)
        foreign_data.objects.get_or_create(
            #get_or_create若数据库中没有这条数据就插入，若已存在就不插入，避免数据是重复
            date=date,
            name=ls[i][0],
            confirm=ls[i][1],
            confirmAdd=ls[i][2],
            heal=ls[i][7],
            dead=ls[i][5],
            nowConfirm=ls[i][9],
        )
    print(f"{time.asctime()}插入数据完毕")

def insert_globalStatic():
    dict = get_globalStatis_data()  # 全球数据字典
    print(f"{time.asctime()}开始插入全球数据")
    globalStatic.objects.get_or_create(
        lastUpdateTime=dict['lastUpdateTime'],
        nowConfirm=dict['nowConfirm'],
        confirm=dict['confirm'],
        heal=dict['heal'],
        dead=dict['dead'],
        nowConfirmAdd=dict['nowConfirmAdd'],
        confirmAdd=dict['confirmAdd'],
        healAdd=dict['healAdd'],
        deadAdd=dict['deadAdd'],
    )
    print(f"{time.asctime()}插入数据完毕")

def insert_USA_history_confirm_data():
    ls = get_USA_history_confirm_data()
    print(f"{time.asctime()}开始插入美国历史疫情数据")

    for i in ls :
        ds = "2020." + i['date']
        tup = time.strptime(ds, "%Y.%m.%d")
        date = time.strftime("%Y-%m-%d", tup)
        USA_history_confirm_data.objects.get_or_create(
            date=date,
            confirm = i['confirm'],
        )
    print(f"{time.asctime()}插入数据完毕")

def insert_usa_global_all_data():
    ls = get_all_data()
    print(f"{time.asctime()}开始插入美国和全球历史疫情数据")
    for i in ls:
        ds = "2020." + i[0]
        tup = time.strptime(ds, "%Y.%m.%d")
        date = time.strftime("%Y-%m-%d", tup)
        usa_global_all_data.objects.get_or_create(
            date=date,
            usaconfirm=i[1],
            confirm=i[2],
            dead=i[3],
            heal=i[4],
            confirmAdd=i[5]
        )
    print(f"{time.asctime()}插入数据完毕")


def selectData_ByDate(select_date,top):
    #根据选择的日期，返回（显示）排名前五的国家疫情数据  （国家名一个列表，每种数据一个列表）
    datas = foreign_data.objects.filter(date=select_date).order_by('-confirm')[0:top]
    # print(datas[0].name) #美国
    ls_name = []
    ls_confirm = []
    ls_dead = []
    ls_heal = []
    ls_confirmAdd = []
    ls_nowConfirm = []
    for i in datas:
        ls_name.append(i.name)
        ls_confirm.append(i.confirm)
        ls_dead.append(i.dead)
        ls_heal.append(i.heal)
        ls_confirmAdd.append(i.confirmAdd)
        ls_nowConfirm.append(i.nowConfirm)
    return {'ls_name':ls_name,'ls_confirm':ls_confirm,'ls_dead':ls_dead,'ls_heal':ls_heal,'ls_confirmAdd':ls_confirmAdd,'ls_nowConfirm':ls_nowConfirm}

6. 创建html页面

在templates文件夹中创建一个名为‘index’的html文件

<!DOCTYPE html>
<html style="height: 100%">
<head>
    <meta charset="UTF-8">
    <title>疫情数据显示</title>

</head>
<body style="height: 100%; margin: 0">
<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.1.1/jquery.js"></script>
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/echarts/dist/echarts.min.js"></script>
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/echarts-gl/dist/echarts-gl.min.js"></script>
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/echarts-stat/dist/ecStat.min.js"></script>
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/echarts/dist/extension/dataTool.min.js"></script>
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/echarts/map/js/china.js"></script>
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/echarts/map/js/world.js"></script>
<script type="text/javascript" src="https://api.map.baidu.com/api?v=2.0&ak=xfhhaTThl11qYVrqLZii6w8qE5ggnhrY&__ec_v__=20190126"></script>
<script type="text/javascript" src="https://cdn.jsdelivr.net/npm/echarts/dist/extension/bmap.min.js"></script>
<div>
    <form method="post">
        <h3>1.将最新疫情数据存入数据库</h3>

        <select name="Refresh">
            <option  value="Refresh">刷新</option>
            <option  value="noRefresh">不刷新</option>
        </select>
        <input type="submit" value="选择">
    </form>
</div>


<h3>2.查看国外疫情数据</h3>
    来源：数据库---时间范围：[6.27,今天] （中间有几天忘记存了，会没有数据）<br>
    请选择：<br>
<form method="post">
    日期：<input type="text" id="test11" name="selectDate">
    Top(请输入数字):<input type="text"  name="top">
{#   选择日期看 #}
    <input type="submit" value="查看">
</form>

<script src="../static/laydate/laydate.js"></script> <!-- 改成你的路径 -->
<script>
//执行一个laydate实例,选择日期时出现日历形式
//自定义格式
laydate.render({
    elem: '#test11'
    ,format: 'yyyy-MM-dd'
    ,done: function(value) {
        {#alert(value); //得到日期生成的值，如：2017-08-18#}
    }
});
</script>

<p>查看 日期：{{ selectDate }},疫情严重程度 Top：{{ top_str }}国家的疫情数据:</p>
<div id="container1" style="height: 100%"></div>
<script type="text/javascript">
var dom = document.getElementById("container1");
var myChart = echarts.init(dom);
var app = {};
option = null;
option = {
    tooltip: {
        trigger: 'axis',
        axisPointer: {            // 坐标轴指示器，坐标轴触发有效
            type: 'shadow'        // 默认为直线，可选为：'line' | 'shadow'
        }
    },
    legend: {
        data: ['确诊', '死亡', '治愈', '新增确诊', '现存确诊']
    },
    grid: {
        left: '3%',
        right: '4%',
        bottom: '3%',
        containLabel: true
    },
    xAxis: {
        type: 'value'
    },
    yAxis: {
        type: 'category',
        data: {{foregin_name|safe}}  // 后台views中返回的数据，|safe表示禁用转义，告诉模板这个变量是安全的，可以解释执行
    },
    series: [
        {
            name: '确诊',
            type: 'bar',
            stack: '总量',
            label: {
                show: true,
                position: 'insideRight'
            },
            data: {{foregin_confirm}} 
        },
        {
            name: '死亡',
            type: 'bar',
            stack: '总量',
            label: {
                show: true,
                position: 'insideRight'
            },
            data: {{foregin_dead}}
        },
        {
            name: '治愈',
            type: 'bar',
            stack: '总量',
            label: {
                show: true,
                position: 'insideRight'
            },
            data: {{foregin_heal}}
        },
        {
            name: '新增确诊',
            type: 'bar',
            stack: '总量',
            label: {
                show: true,
                position: 'insideRight'
            },
            data: {{foregin_confirmAdd}}
        },
        {
            name: '现存确诊',
            type: 'bar',
            stack: '总量',
            label: {
                show: true,
                position: 'insideRight'
            },
            data: {{foregin_nowConfirm}}
        }
    ]
};;
if (option && typeof option === "object") {
    myChart.setOption(option, true);
}
       </script>


<h3>3.历史疫情数据趋势图</h3>
<div id="container" style="height: 100%"></div>
<script type="text/javascript">
var dom = document.getElementById("container");
var myChart = echarts.init(dom);
var app = {};
option = null;
option = {
    title: {
        text: '历史疫情数据'
    },
    tooltip: {
        trigger: 'axis'
    },
    legend: {
        data: ['美国确诊','全球确诊','全球死亡','全球治愈','全球新增']
    {#    线 #}
    },
    grid: {
        left: '3%',
        right: '4%',
        bottom: '3%',
        containLabel: true
    },
    toolbox: {
        feature: {
            saveAsImage: {}
        }
    },
    xAxis: {
        type: 'category',
        boundaryGap: false,
        data: {{all_date|safe}},
        name: '日期'
    },
    yAxis: {
        type: 'value',
        name:'人数'
    },
    series: [
        {
            name: '美国确诊',
            type: 'line',
            stack: '美国确诊',
            data: {{USA_history_confirm}}
        },
        {
            name: '全球确诊',
            type: 'line',
            stack: '全球确诊',
            data: {{all_confirm}}
        },
        {
            name: '全球死亡',
            type: 'line',
            stack: '全球死亡',
            data: {{all_dead}}
        },
        {
            name: '全球治愈',
            type: 'line',
            stack: '全球治愈',
            data: {{all_heal}}
        },
        {
            name: '全球新增',
            type: 'line',
            stack: '全球新增',
            data: {{all_confirmAdd}}
        }
    ]
};
;
if (option && typeof option === "object") {
    myChart.setOption(option, true);
}
</script>

<h3>4.今日top 3D</h3>
<form method="post">
    top(请输入数字）:<input type="text" name = '3dtop'>
    <input type="submit">
</form>
<p>top:{{ n_str }} , 国家:{{ topname|safe }}</p>
<div id="3d" style="height: 100%"></div>
<script type="text/javascript">
var dom = document.getElementById("3d");
var myChart = echarts.init(dom);
var app = {};
option = null;

var nation = {{topname|safe}};
var data_type = ['确诊', '死亡', '治愈',
        '新增确诊', '现存确诊'];

var data = {{ topdata|safe }};
option = {
    tooltip: {},
    visualMap: {
        max: 20,
        inRange: {
            color: ['#313695', '#4575b4', '#74add1', '#abd9e9', '#e0f3f8', '#ffffbf', '#fee090', '#fdae61', '#f46d43', '#d73027', '#a50026']
        }
    },
    xAxis3D: {
        type: 'category',
        data: data_type
    },
    yAxis3D: {
        type: 'category',
        data: nation
    },
    zAxis3D: {
        type: 'value'
    },
    grid3D: {
        boxWidth: 200,
        boxDepth: 80,
        light: {
            main: {
                intensity: 1.2
            },
            ambient: {
                intensity: 0.3
            }
        }
    },
    series: [{
        type: 'bar3D',
        data: data.map(function (item) {
            return {
                value: [item[1], item[0], item[2]]
            }
        }),
        shading: 'color',

        label: {
            show: false,
            textStyle: {
                fontSize: 16,
                borderWidth: 1
            }
        },

        itemStyle: {
            opacity: 0.4
        },

        emphasis: {
            label: {
                textStyle: {
                    fontSize: 20,
                    color: '#900'
                }
            },
            itemStyle: {
                color: '#900'
            }
        }
    }]
};
if (option && typeof option === "object") {
    myChart.setOption(option, true);
}
</script>



<!--
    <form method="get" title="选择日期" name="date" action="">

    </form>
<form>
    <input type="checkbox" value="美国" name="nation">美国
    <input type="checkbox" value="日本" name="nation">日本
    <input type="submit">
</form>
<h3 align="center">
{#    {% for foo in nation %}#}
{#        {{ foo }}#}
{#    {% endfor %}#}
{#    的数据</h3>#}
{#{% for foo in nation %}#}
{#    {{ foo }}#}
{#{% endfor %}#}
{##}
{#<h3 align="center">{{ amricao.name }}的数据</h3>#}
{#-->#}
{#</body>#}
{#</html>#}

7. 前后端交互业务逻辑部分views.py

from django.shortcuts import render
from django.http import HttpRequest,HttpResponse
import jsonpath,datetime
from info.CrawlingDataUtils import get_USA_history_confirm_data,get_foreign_data,get_globalStatis_data,get_GlobalDailyList
from info.dbUtils import insert_foreign_data,insert_globalStatic,insert_usa_global_all_data,insert_USA_history_confirm_data,selectData_ByDate
# from django.contrib.auth.mixins import LoginRequiredMixin
# Create your views here.

def index(request):
    #刷新按钮：爬取最新数据并插入到数据库中
    Refresh = request.POST.get('Refresh') #根据表单中标签name
    if Refresh == 'Refresh':
        insert_USA_history_confirm_data()
        insert_globalStatic()
        insert_foreign_data()
        insert_usa_global_all_data()

    # nation = request.GET.getlist('nation')


    selectDate = request.POST.get('selectDate')
    top_str = request.POST.get('top')
    # print(selectDate)
    # print(type(selectDate)) #<class 'str'>

    #初次或未选择时，二者为None，进不去导致foregin_confirm等，没赋值导致context处出错
    #先定义一个空列表
    foregin_name = []
    foregin_confirm = []
    foregin_confirmAdd = []
    foregin_heal = []
    foregin_dead = []
    foregin_nowConfirm = []

    if (selectDate != None and top_str != None) and (selectDate != '' and top_str != ''):
        top = int(str(top_str))
        #选择日期将str转化成date
        select_date = datetime.datetime.strptime(selectDate, '%Y-%m-%d').date()
        foregin_dic = selectData_ByDate(select_date,top)
        foregin_name = foregin_dic['ls_name']
        foregin_confirm = foregin_dic['ls_confirm']
        foregin_confirmAdd = foregin_dic['ls_confirmAdd']
        foregin_heal = foregin_dic['ls_heal']
        foregin_dead = foregin_dic['ls_dead']
        foregin_nowConfirm = foregin_dic['ls_nowConfirm']
    else:
        selectDate = '____'
        top_str = '____'



    # print(type(selectDate))
     #print(type(selectDate))
# 美国历史数据，最终目的返回 两个列表：USA_history_date、USA_history_confirm 供echarts使用
    usaData = get_USA_history_confirm_data()
    all_date = jsonpath.jsonpath(usaData, "$..date")
    USA_history_confirm = jsonpath.jsonpath(usaData, "$..confirm")

    #全球历史疫情数据
    ls = get_GlobalDailyList()['ls']
    today = get_GlobalDailyList()['today']
    before_confirm = jsonpath.jsonpath(ls,"$..confirm")
    before_dead = jsonpath.jsonpath(ls,"$..dead")
    before_heal = jsonpath.jsonpath(ls,"$..heal")
    before_newAddConfirm = jsonpath.jsonpath(ls,"$..newAddConfirm") #新增确诊

    today_confirm = today['confirm']
    today_dead = today['dead']
    today_heal = today['heal']
    today_confirmAdd = today['confirmAdd']

    before_confirm.append(today_confirm)
    # print(all_confirm):None     append这个操作是没有返回值的（即返回一个None），b.append(a)   append只更新b本身，正确的写法应该分开写：
    before_dead.append(today_dead)
    #all_dead = before_dead   #before_dead 添加完today的数据，就为全的数据了 ==all_dead
    before_heal.append(today_heal)
    before_newAddConfirm.append(today_confirmAdd)

    #当日外国数据  3d使用  整合坐标数据
    n_str = request.POST.get('3dtop')
    topdata = []
    topname = []
    if n_str != None and n_str != '' :
        n = int(n_str)
        topname = get_foreign_data()[0][0:n]#前n名 国家名字
        topconfirm = get_foreign_data()[1][0:n]
        topdead = get_foreign_data()[5][0:n]
        topheal = get_foreign_data()[7][0:n]
        topconfirmAdd = get_foreign_data()[2][0:n]
        topnowConfirm = get_foreign_data()[9][0:n]
        toplist = list(zip(topconfirm,topdead,topheal,topconfirmAdd,topnowConfirm))

        for i in range(0,len(topname)):

            # for j in : # 显示5个： ['确诊', '死亡', '治愈','新增确诊', '现存确诊'];
            for j,k in zip(range(0, 5), toplist[i]):  # python 如何在一个for循环中遍历两个列表,利用python自带的zip函数可同时对两个列表进行遍历，代码如下
                temp = [i, j, k]
                topdata.append(temp)
    else:
        n_str = '___'

    context = {
        #全球、美国 历史数据
                'all_date':all_date,
                'USA_history_confirm':USA_history_confirm,
                'all_confirm':before_confirm,
                'all_dead':before_dead,
                'all_heal':before_heal,
                'all_confirmAdd':before_newAddConfirm,
        #选择日期，选择显示个数，显示外国疫情数据可视化
                'selectDate':selectDate,
                'top_str':top_str,
                'foregin_name':foregin_name,
                'foregin_confirm':foregin_confirm,
                'foregin_confirmAdd':foregin_confirmAdd,
                'foregin_heal':foregin_heal,
                'foregin_dead':foregin_dead,
                'foregin_nowConfirm':foregin_nowConfirm,
                'topname':topname,
                'topdata':topdata,
                'n_str':n_str
                }
    return render(request,'index.html',context=context) #第二个参数表示返回的界面，第三个表示返回的数据（字典形式）

实验结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

Nat_Jst
关注
  • 12
    点赞
  • 踩
  • 78
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
基于Python+Django+Vue+MYSQL的疫情数据可视化分析系统
Q_860234001的博客
07-13 672
疫情数据可视化分析系统采用Django框架,基于mysql开发,实现了首页、个人中心、用户管理、员工管理、疫情信息管理、核酸检测管理、检测预约管理、检测结果管理、行程信息管理、系统管理等内容进行管理,本系统具有良好的兼容性和适应性,为用户提供更多的疫情数据可视化分析信息,也提供了良好的平台,从而提高系统的核心竞争力。
Django搭建的疫情数据可视化
weixin_42780531的博客
07-07 5363
摘要 搭建基于Django框架的前后端系统，后端的主要功能为获取数据、保存数据、可视化数据，将可视化内容合成成网页；客户端通过浏览器访问，查看疫情地图、疫情趋势图。后端软件从相关网站获取每日最新的疫情数据，对数据进行正则化处理，提取需要的疫情数据，保存为json格式的文件；调用可视化模块pyechart，制作成可视化内容；编写响应的html文件，达到数据可视化的目的。 1.引言 2020年以来，我们国家爆发传染性新冠肺炎重大卫生事件，此次重大的卫生事件影响了全国人民的日常、经济生活。疫情的严重性严重危
基于python垃圾分类管理系统 数据分析可视化 Django框架 Echarts可视化（建议收藏）✅
q_3375686806的博客
05-18 786
基于python垃圾分类管理系统 数据分析可视化 Django框架 Echarts可视化（建议收藏）✅
基于Python+Django的可视化学习系统设计与实现(源码+数据库+讲解)
最新发布
weixin_44952775的博客
06-20 297
💗博主介绍：✌全网粉丝100W+,CSDN特邀作者、博客专家、CSDN新星计划导师、全栈领域优质创作者，博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、Python、PHP、小程序、大数据技术领域和毕业项目实战✌💗 👇🏻 精彩专栏 推荐订阅👇🏻 2023-2024年最值得选的微信小程序毕业设计选题大全：100个热门选题推荐✅ 2023-2024年最值得选的Java毕业设计选题大全：
基于Django的国内疫情数据可视化系统
m0_56073435的博客
06-22 1055
因此，从技术角度来看，方案是可行的。这一切都归功于我的亲密的家人、真挚的朋友，他们给予的爱、宽容、关怀、指导，让我拥有无限的力量，让我去实现自己的梦想！数据可视化技术以其直观、易懂的特点受到越来越多人的关注，通过本系统的研究与应用，可以推动数据可视化技术在疫情防控等领域的应用，进一步提高数据可视化技术的应用水平。HTML、CSS、JavaScript等web技术是学生信息管理系统的重要组成部分，它们可以为用户提供精美的用户界面，并且可以提供丰富的交互功能，从而极大地提升了系统的效率和可靠性。
Python数据可视化（中国高校数据可视化分析）
Abtxr的博客
10-09 910
项目实现功能： 1：登录以及注册（相关信息保存在mysql数据库中） 2：数据爬虫获取相关数据存放在csv文件里。 3：数据可视化分析展示（ep：高校地区分布，各省份的本科和专科的占比，各省份的211/985数量分布占比，全国高校录取分布排行榜，全国高校数据直达，全国开设专业数量排行榜，办学类型占比，就业前五大专业以及各个行业的工资情况等等） 4：引入中间件技术，提高网页的安全性，防止无缓存账号信息的跨页面访问。 5：较为和谐的前端布局以及自定义404报错动画页面。
基于Django的国内疫情数据可视化Web系统源码.zip
05-08
基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 基于Django的国内疫情数据可视化Web系统源码 ..........
新冠肺炎疫情数据可视化平台
06-03
包括JDK、Zookeeper、Hadoop、HBase、MySQL、Hive、Scala、Spark、Sqoop的安装，结合新冠肺炎疫情数据，后端使用python Django框架，前端通过echarts组件进行数据可视化展示。
Python项目（Django）：国内新冠肺炎疫情大数据可视化平台
小透明的博客
05-13 4682
首先通过python编写的SaveMysqlData.py脚本将关于新冠肺炎疫情的数据从腾讯新闻或者百度新闻的实时疫情动态中直接爬取下来存储入MySQL数据库中，然后运行Django项目进入到登录界面，输入正确的登录账号和密码过后通过Echarts进行绘制图表来进行大屏显示。......
记录自己三天速成使用django+html制作国内疫情可视化平台的过程（一）
qq_53500716的博客
06-22 5892
一直潜心学习后端知识的我，在得到学校最后的可视化实验竟然是用前端做可视化网页，我当场就是黑人问号，于是不得暂时放弃期末复习而去学习html，css，js的知识。学习视频来源于b站上的视频（点击跳转视频），老师讲基础讲的很好，把前端知识，mysql，django分为3个部分讲解，在我1天8小时的肝度下，3天后终于学会了基础的前端知识和django的运转原理。实验所用到数据是2020年2月的疫情数据，都是死数据，而且是借鉴了大佬点击跳转的sql语句设计和echarts可视化，因此不会讲到太多关于sql的部分。.
（echarts）Django疫情大数据可视化作业，附带代码，拿来即用~
m0_56813803的博客
07-18 1053
（echarts）Django疫情大数据可视化作业，附带代码，拿来即用~
基于 python3+django 开发的一套 web 可视化的运维自动化项目源码.zip
05-08
基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+django 开发的一套 web 可视化的运维自动化项目源码 基于 python3+djang
毕业设计基于Django的国内疫情数据可视化web系统项目源码.zip
06-13
毕业设计基于Django的国内疫情数据可视化web系统项目源码.完美代码注释，新手也可实操，无障碍，也可作为期末大作业，Python语言 介绍 专业实践 使用说明 配置环境即可使用 毕业设计基于Django的国内疫情数据可视化web系统项目源码.完美代码注释，新手也可实操，无障碍，也可作为期末大作业 介绍 专业实践 使用说明 配置环境即可使用 毕业设计基于Django的国内疫情数据可视化web系统项目源码.完美代码注释，新手也可实操，无障碍，也可作为期末大作业 介绍 专业实践 使用说明 配置环境即可使用
基于Django的国内疫情数据可视化项目源码+数据库（毕业设计）.zip
11-22
基于Django的国内疫情数据可视化项目源码+数据库（毕业设计）.zip已获导师指导并通过的高分项目。本项目是一套基于Django的国内疫情数据可视化项目，主要针对计算机相关专业的正在做毕设的学生和需要项python学习者。也可作为课程设计、期末大作业 包含：项目源码、数据库脚本、软件目实战练习的工具、项目说明等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！ 技术实现 ​后台框架：Django ​数据库：MySQL 基于Django的国内疫情数据可视化项目功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值。该系统功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值。基于Django的国内疫情数据可视化项目功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值。该系统功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值该系统功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值该系统功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值
Python爬虫+Flask+ECharts 疫情可视化
05-03
Python爬虫+Flask+ECharts 疫情可视化 主要实现了对数据的爬取和保存，和通过echarts来进行数据的可视化
可视化大屏实例
11-16
可视化大屏完整实例，用echarts 实现图标，效果比较好，
基于django的疫情数据可视化分析系统.zip
04-30
基于django的疫情数据可视化分析系统 Python、Django框架、mysql 疫情数据可视化分析系统采用Django框架，基于mysql开发，实现了首页、个人中心、用户管理、员工管理、疫情信息管理、核酸检测管理、检测预约管理、...
python项目基于django的疫情数据可视化分析系统的实现.zip
06-18
python项目基于django的疫情数据可视化分析系统的实现.zippython项目基于django的疫情数据可视化分析系统的实现.zippython项目基于django的疫情数据可视化分析系统的实现.zippython项目基于django的疫情数据可视化...
基于Django+Pyecharts的COVID19新冠肺炎疫情监控面板
qq_43613793的博客
06-29 1898
去年年初写了疫情可视化的一系列文章： pyecharts实现新冠肺炎疫情可视化BI数据大屏 pyecharts实现新冠肺炎疫情可视化并搭建BI数据大屏(Plus) pyecharts新功能体验 | pyecharts-Map3D实现新冠肺炎疫情全国数据立体可视化 虽是Pyecharts绘制，但是是静态页面，没有与Web整合，正好最近期末课设是相关作业，就趁机再更新一下吧… 最终效果： 基于Django
Python网络爬虫疫情数据分析及可视化系统
这篇基于Python网络爬虫的疫情数据分析及可视化系统的毕业论文，详细阐述了系统的设计思路、实现方法和技术选型，充分体现了Python在网络爬虫、数据处理和可视化方面的强大能力，对于专科和本科毕业生来说，是一个很...
评论 3
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