flask + pyecharts 疫情数据分析搭建交互式动态可视化疫情趋势分析、舆情监测平台（附代码实现）

本文链接：https://blog.csdn.net/qq_42779423/article/details/106885414

这是一个使用flask和pyecharts搭建的疫情数据分析平台，包括疫情数据曲线图、日历图和词云图，提供交互式动态可视化效果。项目涵盖疫情数据获取、态势感知、预测分析和舆情监测等功能，数据更新至6月17日。源代码、数据集和实现可在github找到，网页版已部署并可供查看。

摘要由CSDN通过智能技术生成

该项目是浙江大学地理空间数据库课程作业8：空间分析中，使用 flask + pyecharts 搭建的简单新冠肺炎疫情数据可视化交互分析平台的一部分，完整的实现包含疫情数据获取、态势感知、预测分析、舆情监测等任务；

包含完整代码、数据集和实现的github地址：
https://github.com/yunwei37/COVID-19-NLP-vis

项目分析报告已部署到网页端，可点击http://flask.yunwei123.tech/进行查看，数据已更新到6.17

本项目采用flask作为后端，使用pyecharts进行数据可视化，通过ajax实现动态交互可视化效果；

疫情数据曲线图、日历图

疫情数据曲线图：可选择国家
在这里插入图片描述疫情新增确诊病例日历图：

pyecharts 代码实现：

import time, json
import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode

country_name = '中国'


def render_lines(country_name):
    #-------------------------------------------------------------------------------------
    # 第一步：读取数据
    #-------------------------------------------------------------------------------------
    n = "dataSets\\countrydata.csv"
    data = pd.read_csv(n)
    data = data[data['countryName'] == country_name]
    date_list = list(data['dateId'])
    date_list = list(map(lambda x:str(x),date_list))
    confirm_list = list(data['confirmedCount'])
    current_list = list(data['currentConfirmedCount'])
    dead_list = list(data['deadCount'])
    heal_list = list(data['curedCount'])
    print(len(date_list))    
    #print(date_list)                        # 日期
    #print(confirm_list)                     # 确诊数据
    #print(current_list)                     # 疑似数据
    #print(dead_list)                        # 死亡数据
    #print(heal_list)                        # 治愈数据


    #-------------------------------------------------------------------------------------
    # 第二步：绘制折线面积图
    #-------------------------------------------------------------------------------------
    line = (
            Line()
        .add_xaxis(date_list)
        # 平均线 最大值 最小值
        .add_yaxis('确诊数据', confirm_list, is_smooth=True,
                markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max"),
                                                        opts.MarkPointItem(type_="min")]))
        .add_yaxis('现存确诊数据', current_list, is_smooth=True,
                markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max"),
                                                        opts