children json数据 递归_Python 大数据分析疫情：如何实现实时数据爬取及 Matplotlib 可视化？...

作者 | 杨秀璋

来源 | CSDN博客专家Eastmount

责编 | 夕颜

思来想去，虽然很忙，但还是挤时间针对这次肺炎疫情写个Python大数据分析系列博客，包括网络爬虫、可视化分析、GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。希望该系列线上远程教学对您有所帮助，也希望早点战胜病毒，武汉加油、湖北加油、全国加油。待到疫情结束樱花盛开，这座英雄的城市等你们来。

第一篇文章将分享腾讯疫情实时数据抓取，获取全国各地和贵州省各地区的实时数据，并将数据存储至本地，最后调用Maplotlib和Seaborn绘制中国各地区、贵州省各城市、新增人数的图形。希望这篇可视化分析文章对您有所帮助，也非常感谢参考文献中老师的分享，一起加油，战胜疫情！如果您有想学习的知识或建议，可以给作者留言~

代码下载地址：https://github.com/eastmountyxz/Wuhan-data-analysis

Python实时数据爬取

我们的目标网站是腾讯新闻网实时数据，其原理主要是通过Requests获取JSON请求，从而得到各省、各市的疫情数据，这里推荐三篇原理文章，也强烈推荐大家阅读许老师（天元浪子）的博客。

爬虫目标网站：

• https://news.qq.com/zt2020/page/feiyan.htm

第一步 分析网站

通过浏览器“审查元素”查看源代码及“网络”反馈的消息，如下图所示：

对应的响应信息如下所示：

第二步 发送请求并获取Json数据

通过分析url地址、请求方法、参数及响应格式，可以获取Json数据，注意url需要增加一个时间戳。下面代码展示了获取数据的键值及34个省份。

 1# -*- coding: utf-8 -*-
 2
 3#------------------------------------------------------------------------------
 4# 第一步：抓取数据
 5# 参考文章：许老师博客 https://blog.csdn.net/xufive/article/details/104093197
 6#------------------------------------------------------------------------------
 7import time, json, requests
 8# 抓取腾讯疫情实时json数据
 9url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
10data = json.loads(requests.get(url=url).json()['data'])
11print(data)
12print(data.keys())
13
14# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
15num = data['areaTree'][0]['children']
16print(len(num))
17for item in num:
18    print(item['name'],end=" ")   # 不换行
19else:
20    print("n")                     # 换行

输出结果如下图所示，其顺序按照确诊人数排序。

第三步 获取湖北省疫情数据

接着通过 num[0][‘children’] 获取湖北省的疫情数据，代码如下：

 1# -*- coding: utf-8 -*-
 2
 3#------------------------------------------------------------------------------
 4# 第一步：抓取数据
 5# 参考文章：许老师博客 https://blog.csdn.net/xufive/article/details/104093197
 6#------------------------------------------------------------------------------
 7import time, json, requests
 8# 抓取腾讯疫情实时json数据
 9url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
10data = json.loads(requests.get(url=url).json()['data'])
11print(data)
12print(data.keys())
13
14# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
15num = data['areaTree'][0]['children']
16print(len(num))
17for item in num:
18    print(item['name'],end=" ")   # 不换行
19else:
20    print("n")                     # 换行
21
22# 显示湖北省数据
23hubei = num[0]['children']
24for data in hubei:
25    print(data)

同样的方法可以获取各省份的数据，比如 num[1][‘children’] 表示广东省疫情数据，我们设置循环就能获取所有数据。其数据包括当日数据（today）和累计数据（total），confirm表示确诊、suspect表示疑似、dead表示死亡、heal表示治愈。

我们将所抓取的数据和真实的数据进行对比，武汉截止2月13日下午4点，新增确诊人数13436、累计确诊32994，发现是完全一致的。

1{'name': '武汉', 
2'today': {'confirm': 13436, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': True}, 
3'total': {'confirm': 32994, 'suspect': 0, 'dead': 1036, 'heal': 1915, 'showRate': False, 
4          'showHeal': False, 'deadRate': 3.14, 'healRate': 5.8}}

第四步 获取各省确诊人数

注意，初始化每个省份人数为0，然后循环累加该省所有城市的确诊人数，调用 city_data[‘total’][‘confirm’] 获取各城市的确诊数据。

 1# -*- coding: utf-8 -*-
 2
 3#------------------------------------------------------------------------------
 4# 第一步：抓取数据
 5# 参考文章：许老师博客 https://blog.csdn.net/xufive/article/details/104093197
 6#------------------------------------------------------------------------------
 7import time, json, requests
 8# 抓取腾讯疫情实时json数据
 9url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
10data = json.loads(requests.get(url=url).json()['data'])
11print(data)
12print(data.keys())
13
14# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
15num = data['areaTree'][0]['children']
16print(len(num))
17for item in num:
18    print(item['name'],end=" ")   # 不换行
19else:
20    print("n")                     # 换行
21
22# 显示湖北省数据
23hubei = num[0]['children']
24for item in hubei:
25    print(item)
26else:
27    print("n")
28
29# 解析数据(确诊 疑似 死亡 治愈)
30total_data = {}
31for item in num:
32    if item['name'] not in total_data:
33        total_data.update({item['name']:0})
34    for city_data in item['children']:
35        total_data[item['name']] +=int(city_data['total']['confirm'])    
36print(total_data)
37# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}

输出结果如下图所示：

接下来我们分享可视化画图。

Matplotlib绘制全国各地区柱状图

首先，我们调用Matplotlib绘制全国各地区的确诊人数柱状图，帮助大家回忆其基本用法。total_data为字典变量键值对，比如{‘湖北’: 48206, ‘广东’: 1241,…}

 1# -*- coding: utf-8 -*-
 2
 3#------------------------------------------------------------------------------
 4# 第一步：抓取数据
 5#------------------------------------------------------------------------------
 6import time, json, requests
 7# 抓取腾讯疫情实时json数据
 8url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
 9data = json.loads(requests.get(url=url).json()['data'])
10print(data)
11print(data.keys())
12
13# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
14num = data['areaTree'][0]['children']
15print(len(num))
16for item in num:
17    print(item['name'],end=" ")   # 不换行
18else:
19    print("n")                     # 换行
20
21# 显示湖北省数据
22hubei = num[0]['children']
23for item in hubei:
24    print(item)
25else:
26    print("n")
27
28# 解析数据(确诊 疑似 死亡 治愈)
29total_data = {}
30for item in num:
31    if item['name'] not in total_data:
32        total_data.update({item['name']:0})
33    for city_data in item['children']:
34        total_data[item['name']] +=int(city_data['total']['confirm'])    
35print(total_data)
36# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
37
38#------------------------------------------------------------------------------
39# 第二步：绘制柱状图
40#------------------------------------------------------------------------------
41import matplotlib.pyplot as plt 
42import numpy as np
43
44plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
45plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
46
47#获取数据
48names = total_data.keys()
49nums = total_data.values()
50print(names)
51print(nums)
52
53# 绘图
54plt.figure(figsize=[10,6])
55plt.bar(names, nums, width=0.3, color='green')
56
57# 设置标题
58plt.xlabel("地区", fontproperties='SimHei', size=12)
59plt.ylabel("人数", fontproperties='SimHei', rotation=90, size=12)
60plt.title("全国疫情确诊数对比图", fontproperties='SimHei', size=16)
61plt.xticks(list(names), fontproperties='SimHei', rotation=-45, size=10)
62# 显示数字
63for a, b in zip(list(names), list(nums)):
64    plt.text(a, b, b, ha='center', va='bottom', size=6)
65plt.show()

输出结果如下图所示：

那么，如果我想获取累计确诊人数、新增确诊人数、死亡人数和治愈人数，并进行可视化展示，怎么办呢？只需要简单替换参数即可。

• city_data[‘total’][‘confirm’] 确诊人数
• city_data[‘total’][‘suspect’] 疑似人数
• city_data[‘total’][‘dead’] 死亡人数
• city_data[‘total’][‘heal’] 治愈人数
• city_data[‘today’][‘confirm’] 新增确诊人数

  1# -*- coding: utf-8 -*-
  2
  3#------------------------------------------------------------------------------
  4# 第一步：抓取数据
  5#------------------------------------------------------------------------------
  6import time, json, requests
  7# 抓取腾讯疫情实时json数据
  8url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
  9data = json.loads(requests.get(url=url).json()['data'])
 10print(data)
 11print(data.keys())
 12
 13# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
 14num = data['areaTree'][0]['children']
 15print(len(num))
 16for item in num:
 17    print(item['name'],end=" ")   # 不换行
 18else:
 19    print("n")                     # 换行
 20
 21# 显示湖北省数据
 22hubei = num[0]['children']
 23for item in hubei:
 24    print(item)
 25else:
 26    print("n")
 27
 28# 解析确诊数据
 29total_data = {}
 30for item in num:
 31    if item['name'] not in total_data:
 32        total_data.update({item['name']:0})
 33    for city_data in item['children']:
 34        total_data[item['name']] +=int(city_data['total']['confirm'])    
 35print(total_data)
 36# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
 37
 38# 解析疑似数据
 39total_suspect_data = {}
 40for item in num:
 41    if item['name'] not in total_suspect_data:
 42        total_suspect_data.update({item['name']:0})
 43    for city_data in item['children']:
 44        total_suspect_data[item['name']] +=int(city_data['total']['suspect'])    
 45print(total_suspect_data)
 46
 47# 解析死亡数据
 48total_dead_data = {}
 49for item in num:
 50    if item['name'] not in total_dead_data:
 51        total_dead_data.update({item['name']:0})
 52    for city_data in item['children']:
 53        total_dead_data[item['name']] +=int(city_data['total']['dead'])    
 54print(total_dead_data)
 55
 56# 解析治愈数据
 57total_heal_data = {}
 58for item in num:
 59    if item['name'] not in total_heal_data:
 60        total_heal_data.update({item['name']:0})
 61    for city_data in item['children']:
 62        total_heal_data[item['name']] +=int(city_data['total']['heal'])    
 63print(total_heal_data)
 64
 65# 解析新增确诊数据
 66total_new_data = {}
 67for item in num:
 68    if item['name'] not in total_new_data:
 69        total_new_data.update({item['name']:0})
 70    for city_data in item['children']:
 71        total_new_data[item['name']] +=int(city_data['today']['confirm']) # today    
 72print(total_new_data)
 73
 74#------------------------------------------------------------------------------
 75# 第二步：绘制柱状图
 76#------------------------------------------------------------------------------
 77import matplotlib.pyplot as plt 
 78import numpy as np
 79
 80plt.figure(figsize=[10,6])
 81plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
 82plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
 83
 84#-----------------------------1.绘制确诊数据-----------------------------------
 85p1 = plt.subplot(221)
 86
 87# 获取数据
 88names = total_data.keys()
 89nums = total_data.values()
 90print(names)
 91print(nums)
 92print(total_data)
 93plt.bar(names, nums, width=0.3, color='green')
 94
 95# 设置标题
 96plt.ylabel("确诊人数", rotation=90)
 97plt.xticks(list(names), rotation=-60, size=8)
 98# 显示数字
 99for a, b in zip(list(names), list(nums)):
100    plt.text(a, b, b, ha='center', va='bottom', size=6)
101plt.sca(p1)
102
103#-----------------------------2.绘制新增确诊数据-----------------------------------
104p2 = plt.subplot(222)
105names = total_new_data.keys()
106nums = total_new_data.values()
107print(names)
108print(nums)
109plt.bar(names, nums, width=0.3, color='yellow')
110plt.ylabel("新增确诊人数", rotation=90)
111plt.xticks(list(names), rotation=-60, size=8)
112# 显示数字
113for a, b in zip(list(names), list(nums)):
114    plt.text(a, b, b, ha='center', va='bottom', size=6)
115plt.sca(p2)
116
117#-----------------------------3.绘制死亡数据-----------------------------------
118p3 = plt.subplot(223)
119names = total_dead_data.keys()
120nums = total_dead_data.values()
121print(names)
122print(nums)
123plt.bar(names, nums, width=0.3, color='blue')
124plt.xlabel("地区")
125plt.ylabel("死亡人数", rotation=90)
126plt.xticks(list(names), rotation=-60, size=8)
127for a, b in zip(list(names), list(nums)):
128    plt.text(a, b, b, ha='center', va='bottom', size=6)
129plt.sca(p3)
130
131#-----------------------------4.绘制治愈数据-----------------------------------
132p4 = plt.subplot(224)
133names = total_heal_data.keys()
134nums = total_heal_data.values()
135print(names)
136print(nums)
137plt.bar(names, nums, width=0.3, color='red')
138plt.xlabel("地区")
139plt.ylabel("治愈人数", rotation=90)
140plt.xticks(list(names), rotation=-60, size=8)
141for a, b in zip(list(names), list(nums)):
142    plt.text(a, b, b, ha='center', va='bottom', size=6)
143plt.sca(p4)
144plt.show()

输出如下图所示，但是Matplotlib画图不太美观，接下来分享Seaborn可视化。

数据存储及Seaborn绘制全国各地区柱状图

Seaborn是在Matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。

• 安装：pip install seaborn

1.文件写入

 1# -*- coding: utf-8 -*-
 2#------------------------------------------------------------------------------
 3# 第一步：抓取数据
 4#------------------------------------------------------------------------------
 5import time, json, requests
 6# 抓取腾讯疫情实时json数据
 7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
 8data = json.loads(requests.get(url=url).json()['data'])
 9print(data)
10print(data.keys())
11
12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
13num = data['areaTree'][0]['children']
14print(len(num))
15for item in num:
16    print(item['name'],end=" ")   # 不换行
17else:
18    print("n")                     # 换行
19
20# 显示湖北省数据
21hubei = num[0]['children']
22for item in hubei:
23    print(item)
24else:
25    print("n")
26
27# 解析确诊数据
28total_data = {}
29for item in num:
30    if item['name'] not in total_data:
31        total_data.update({item['name']:0})
32    for city_data in item['children']:
33        total_data[item['name']] +=int(city_data['total']['confirm'])    
34print(total_data)
35# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
36
37# 解析疑似数据
38total_suspect_data = {}
39for item in num:
40    if item['name'] not in total_suspect_data:
41        total_suspect_data.update({item['name']:0})
42    for city_data in item['children']:
43        total_suspect_data[item['name']] +=int(city_data['total']['suspect'])    
44print(total_suspect_data)
45
46# 解析死亡数据
47total_dead_data = {}
48for item in num:
49    if item['name'] not in total_dead_data:
50        total_dead_data.update({item['name']:0})
51    for city_data in item['children']:
52        total_dead_data[item['name']] +=int(city_data['total']['dead'])    
53print(total_dead_data)
54
55# 解析治愈数据
56total_heal_data = {}
57for item in num:
58    if item['name'] not in total_heal_data:
59        total_heal_data.update({item['name']:0})
60    for city_data in item['children']:
61        total_heal_data[item['name']] +=int(city_data['total']['heal'])    
62print(total_heal_data)
63
64# 解析新增确诊数据
65total_new_data = {}
66for item in num:
67    if item['name'] not in total_new_data:
68        total_new_data.update({item['name']:0})
69    for city_data in item['children']:
70        total_new_data[item['name']] +=int(city_data['today']['confirm']) # today    
71print(total_new_data)
72
73#------------------------------------------------------------------------------
74# 第二步：存储数据至CSV文件
75#------------------------------------------------------------------------------
76names = list(total_data.keys())          # 省份名称
77num1 = list(total_data.values())         # 确诊数据
78num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
79num3 = list(total_dead_data.values())    # 死亡数据
80num4 = list(total_heal_data.values())    # 治愈数据
81num5 = list(total_new_data.values())     # 新增确诊病例
82print(names)
83print(num1)
84print(num2)
85print(num3)
86print(num4)
87print(num5)
88
89# 获取当前日期命名(2020-02-13-all.csv)
90n = time.strftime("%Y-%m-%d") + "-all.csv"
91fw = open(n, 'w', encoding='utf-8')
92fw.write('province,confirm,dead,heal,new_confirmn')
93i = 0
94while i<len(names):
95    fw.write(names[i]+','+str(num1[i])+','+str(num3[i])+','+str(num4[i])+','+str(num5[i])+'n')
96    i = i + 1
97else:
98    print("Over write file!")
99    fw.close()

存储成功之后，如下图所示。

对应腾讯的数据，如下图所示：

2.Seaborn绘制柱状图

 1# -*- coding: utf-8 -*-
 2#------------------------------------------------------------------------------
 3# 第三步：调用Seaborn绘制柱状图
 4#------------------------------------------------------------------------------
 5import time
 6import matplotlib
 7import numpy as np
 8import seaborn as sns
 9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13n = time.strftime("%Y-%m-%d") + "-all.csv"
14data = pd.read_csv(n)
15
16# 设置窗口
17fig, ax = plt.subplots(1,1)
18print(data['province'])
19
20# 设置绘图风格及字体
21sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
22
23# 绘制柱状图
24g = sns.barplot(x="province", y="confirm", data=data, ax=ax,
25            palette=sns.color_palette("hls", 8))
26
27# 在柱状图上显示数字
28i = 0
29for index, b in zip(list(data['province']), list(data['confirm'])):
30    g.text(i+0.05, b+0.05, b, color="black", ha="center", va='bottom', size=6)
31    i = i + 1
32
33# 设置Axes的标题
34ax.set_title('全国疫情最新情况')
35
36# 设置坐标轴文字方向 
37ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
38
39# 设置坐标轴刻度的字体大小
40ax.tick_params(axis='x',labelsize=8)
41ax.tick_params(axis='y',labelsize=8)
42
43plt.show()

显示结果如下图所示：

Seaborn绘制全国各地区对比柱状图

如果需要显示多个数据对比，则需要使用下面的代码。由于Seaborn能够进行按类别分组绘图，我们需要将抓取的数据存储为如下图所示的文件，才能将数据绘制在同一张图中。

  1# -*- coding: utf-8 -*-
  2#------------------------------------------------------------------------------
  3# 第一步：抓取数据
  4#------------------------------------------------------------------------------
  5import time, json, requests
  6# 抓取腾讯疫情实时json数据
  7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
  8data = json.loads(requests.get(url=url).json()['data'])
  9print(data)
 10print(data.keys())
 11
 12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
 13num = data['areaTree'][0]['children']
 14print(len(num))
 15for item in num:
 16    print(item['name'],end=" ")   # 不换行
 17else:
 18    print("n")                     # 换行
 19
 20# 显示湖北省数据
 21hubei = num[0]['children']
 22for item in hubei:
 23    print(item)
 24else:
 25    print("n")
 26
 27# 解析确诊数据
 28total_data = {}
 29for item in num:
 30    if item['name'] not in total_data:
 31        total_data.update({item['name']:0})
 32    for city_data in item['children']:
 33        total_data[item['name']] +=int(city_data['total']['confirm'])    
 34print(total_data)
 35# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
 36
 37# 解析疑似数据
 38total_suspect_data = {}
 39for item in num:
 40    if item['name'] not in total_suspect_data:
 41        total_suspect_data.update({item['name']:0})
 42    for city_data in item['children']:
 43        total_suspect_data[item['name']] +=int(city_data['total']['suspect'])    
 44print(total_suspect_data)
 45
 46# 解析死亡数据
 47total_dead_data = {}
 48for item in num:
 49    if item['name'] not in total_dead_data:
 50        total_dead_data.update({item['name']:0})
 51    for city_data in item['children']:
 52        total_dead_data[item['name']] +=int(city_data['total']['dead'])    
 53print(total_dead_data)
 54
 55# 解析治愈数据
 56total_heal_data = {}
 57for item in num:
 58    if item['name'] not in total_heal_data:
 59        total_heal_data.update({item['name']:0})
 60    for city_data in item['children']:
 61        total_heal_data[item['name']] +=int(city_data['total']['heal'])    
 62print(total_heal_data)
 63
 64# 解析新增确诊数据
 65total_new_data = {}
 66for item in num:
 67    if item['name'] not in total_new_data:
 68        total_new_data.update({item['name']:0})
 69    for city_data in item['children']:
 70        total_new_data[item['name']] +=int(city_data['today']['confirm']) # today    
 71print(total_new_data)
 72
 73#------------------------------------------------------------------------------
 74# 第二步：存储数据至CSV文件
 75#------------------------------------------------------------------------------
 76names = list(total_data.keys())          # 省份名称
 77num1 = list(total_data.values())         # 确诊数据
 78num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
 79num3 = list(total_dead_data.values())    # 死亡数据
 80num4 = list(total_heal_data.values())    # 治愈数据
 81num5 = list(total_new_data.values())     # 新增确诊病例
 82print(names)
 83print(num1)
 84print(num2)
 85print(num3)
 86print(num4)
 87print(num5)
 88
 89# 获取当前日期命名(2020-02-13-all.csv)
 90n = time.strftime("%Y-%m-%d") + "-all-4db.csv"
 91fw = open(n, 'w', encoding='utf-8')
 92fw.write('province,tpye,datan')
 93i = 0
 94while i<len(names):
 95    fw.write(names[i]+',confirm,'+str(num1[i])+'n')
 96    fw.write(names[i]+',dead,'+str(num3[i])+'n')
 97    fw.write(names[i]+',heal,'+str(num4[i])+'n')
 98    fw.write(names[i]+',new_confirm,'+str(num5[i])+'n')
 99    i = i + 1
100else:
101    print("Over write file!")
102    fw.close()
103
104#------------------------------------------------------------------------------
105# 第三步：调用Seaborn绘制柱状图
106#------------------------------------------------------------------------------
107import time
108import matplotlib
109import numpy as np
110import seaborn as sns
111import pandas as pd
112import matplotlib.pyplot as plt 
113
114# 读取数据
115n = time.strftime("%Y-%m-%d") + "-all-4db.csv"
116data = pd.read_csv(n)
117
118# 设置窗口
119fig, ax = plt.subplots(1,1)
120print(data['province'])
121
122# 设置绘图风格及字体
123sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
124
125# 绘制柱状图
126g = sns.barplot(x="province", y="data", hue="tpye", data=data, ax=ax,
127            palette=sns.color_palette("hls", 8))
128
129# 设置Axes的标题
130ax.set_title('全国疫情最新情况')
131
132# 设置坐标轴文字方向 
133ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
134
135# 设置坐标轴刻度的字体大小
136ax.tick_params(axis='x',labelsize=8)
137ax.tick_params(axis='y',labelsize=8)
138
139plt.show()

此时绘制如下图所示：

但是当数据很小时，其柱状图无法很好地显示，建议采用以下方法处理：

• 归一化处理
• 湖北省外和湖北省内对比

 1# -*- coding: utf-8 -*-
 2#------------------------------------------------------------------------------
 3# 第三步：调用Seaborn绘制柱状图
 4#------------------------------------------------------------------------------
 5import time
 6import matplotlib
 7import numpy as np
 8import seaborn as sns
 9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13n = time.strftime("%Y-%m-%d") + "-all-4db-2no.csv"
14data = pd.read_csv(n)
15
16# 设置窗口
17fig, ax = plt.subplots(1,1)
18print(data['province'])
19
20# 设置绘图风格及字体
21sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
22
23# 绘制柱状图
24g = sns.barplot(x="province", y="data", hue="tpye", data=data, ax=ax,
25            palette=sns.color_palette("hls", 8))
26
27# 设置Axes的标题
28ax.set_title('全国疫情最新情况')
29
30# 设置坐标轴文字方向 
31ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
32
33# 设置坐标轴刻度的字体大小
34ax.tick_params(axis='x',labelsize=8)
35ax.tick_params(axis='y',labelsize=8)
36
37plt.show()

替换成新增确诊病例的对比图如下所示。

Seaborn绘制疫情趋势图及湖北省内外对比图

1.湖北省内外对比图

在做数据分析过程中，我们通常需要对数据进行预处理或加工，下面将数据划分为湖北省内和湖北省外，再绘制对应的对比图。

 1# -*- coding: utf-8 -*-
 2#------------------------------------------------------------------------------
 3# 第三步：调用Seaborn绘制柱状图
 4#------------------------------------------------------------------------------
 5import time
 6import matplotlib
 7import numpy as np
 8import seaborn as sns
 9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13data = pd.read_csv("2020-02-13-all-4db-2no.csv")
14
15# 设置窗口
16fig, ax = plt.subplots(1,1)
17print(data['province'])
18
19# 设置绘图风格及字体
20sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
21
22# 绘制柱状图
23g = sns.barplot(x="province", y="data", hue="tpye", data=data, ax=ax,
24            palette=sns.color_palette("hls", 8))
25
26# 设置Axes的标题
27ax.set_title('全国疫情最新情况')
28
29# 设置坐标轴文字方向 
30ax.set_xticklabels(ax.get_xticklabels())
31
32# 设置坐标轴刻度的字体大小
33ax.tick_params(axis='x',labelsize=8)
34ax.tick_params(axis='y',labelsize=8)
35
36plt.show()

输出结果如下图所示：

2.疫情趋势图

该部分代码是在许老师的文章基础上修改。

 1# -*- coding: utf-8 -*-
 2# 参考文章：许老师博客 https://blog.csdn.net/xufive/article/details/104093197
 3import time, json, requests
 4from datetime import datetime
 5import matplotlib.pyplot as plt
 6import matplotlib.dates as mdates
 7
 8# 抓取腾讯疫情实时json数据
 9def catch_daily():
10    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts&callback=&_=%d'%int(time.time()*1000)
11    data = json.loads(requests.get(url=url).json()['data'])
12    data.sort(key=lambda x:x['date'])
13
14    date_list = list() # 日期
15    confirm_list = list() # 确诊
16    suspect_list = list() # 疑似
17    dead_list = list() # 死亡
18    heal_list = list() # 治愈
19    for item in data:
20        month, day = item['date'].split('/')
21        date_list.append(datetime.strptime('2020-%s-%s'%(month, day), '%Y-%m-%d'))
22        confirm_list.append(int(item['confirm']))
23        suspect_list.append(int(item['suspect']))
24        dead_list.append(int(item['dead']))
25        heal_list.append(int(item['heal']))
26    return date_list, confirm_list, suspect_list, dead_list, heal_list
27
28# 绘制每日确诊和死亡数据
29def plot_daily():
30
31
32    date_list, confirm_list, suspect_list, dead_list, heal_list = catch_daily() # 获取数据
33
34    plt.figure('2019-nCoV疫情统计图表', facecolor='#f4f4f4', figsize=(10, 8))
35    plt.title('2019-nCoV疫情曲线', fontsize=20)
36
37    plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
38    plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
39
40    plt.plot(date_list, confirm_list, 'r-', label='确诊')
41    plt.plot(date_list, confirm_list, 'rs')
42    plt.plot(date_list, suspect_list, 'b-',label='疑似')
43    plt.plot(date_list, suspect_list, 'b*')
44    plt.plot(date_list, dead_list, 'y-', label='死亡')
45    plt.plot(date_list, dead_list, 'y+')
46    plt.plot(date_list, heal_list, 'g-', label='治愈')
47    plt.plot(date_list, heal_list, 'gd')
48
49    plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m-%d')) # 格式化时间轴标注
50    plt.gcf().autofmt_xdate() # 优化标注（自动倾斜）
51    plt.grid(linestyle=':') # 显示网格
52    plt.legend(loc='best') # 显示图例
53    plt.savefig('2019-nCoV疫情曲线.png') # 保存为文件
54    plt.show()
55
56if __name__ == '__main__':
57    plot_daily()

输出结果如下图所示，疑似人数开始下降。武汉加油，中国必胜！

Seaborn绘制其他图形及分析

作者这里仅补充绘图语法，更多分析结果（死亡数-治愈数）请读者进行。同时，读者可以增加数据量，全国所有城市的数据，可能绘制的图形更为丰满。

KDE图

 1# -*- coding: utf-8 -*-
 2#------------------------------------------------------------------------------
 3# 第四步：调用Seaborn绘制其他图形
 4#------------------------------------------------------------------------------
 5import time
 6import matplotlib
 7import numpy as np
 8import seaborn as sns
 9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13data = pd.read_csv('2020-02-13-all.csv')
14
15plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
16plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
17
18# 设置窗口
19fig, ax = plt.subplots(1,1)
20print(data['province'])
21
22# 设置Axes的标题
23ax.set_title('全国疫情最新情况')
24
25# 设置坐标轴刻度的字体大小
26ax.tick_params(axis='x',labelsize=8)
27ax.tick_params(axis='y',labelsize=8)
28
29# 设置绘图风格及字体
30sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
31
32# 六角形
33#sns.jointplot(x="dead", y="heal", data=data, color="b", kind='hex')
34
35# KDE 图
36sns.jointplot(x="dead", y="heal", data=data, kind="kde", space=0, color="#6AB27B")
37
38# 散点图+KDE 图
39# g = (sns.jointplot(x="dead", y="heal", data=data, color="k").plot_joint(sns.kdeplot, zorder=0, n_levels=6))
40
41plt.show()

显示如下图所示：

六角形

sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, kind=‘hex’)

散点图

sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, s=50, kind=‘scatter’, space = 0.1, size = 8, ratio = 5)

回归图

sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, kind=‘reg’)

散点图+KDE 图

g = (sns.jointplot(x=“dead”, y=“heal”, data=data, color=“k”).plot_joint(sns.kdeplot, zorder=0, n_levels=6))

贵州省可视化分析

接着我们抓取某一个省的数据，比如贵州省。

 1 -*- coding: utf-8 -*-
 2#------------------------------------------------------------------------------
 3# 第一步：抓取数据
 4#------------------------------------------------------------------------------
 5import time, json, requests
 6# 抓取腾讯疫情实时json数据
 7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
 8data = json.loads(requests.get(url=url).json()['data'])
 9print(data)
10print(data.keys())
11
12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
13num = data['areaTree'][0]['children']
14print(len(num))
15
16# 获取贵州下标
17k = 0
18for item in num:
19    print(item['name'],end=" ")   # 不换行
20    if item['name'] in "贵州":
21        print("")
22        print(item['name'], k)
23        break
24    k = k + 1
25print("") # 换行
26
27# 显示贵州省数据
28gz = num[k]['children']
29for item in gz:
30    print(item)
31else:
32    print("n")

输出结果如下图所示：

添加解析数据和存储文件，完整代码如下：

  1# -*- coding: utf-8 -*-
  2#------------------------------------------------------------------------------
  3# 第一步：抓取数据
  4#------------------------------------------------------------------------------
  5import time, json, requests
  6# 抓取腾讯疫情实时json数据
  7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
  8data = json.loads(requests.get(url=url).json()['data'])
  9print(data)
 10print(data.keys())
 11
 12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
 13num = data['areaTree'][0]['children']
 14print(len(num))
 15
 16# 获取贵州下标
 17k = 0
 18for item in num:
 19    print(item['name'],end=" ")   # 不换行
 20    if item['name'] in "贵州":
 21        print("")
 22        print(item['name'], k)
 23        break
 24    k = k + 1
 25print("") # 换行
 26
 27# 显示贵州省数据
 28gz = num[k]['children']
 29for item in gz:
 30    print(item)
 31else:
 32    print("n")
 33
 34#------------------------------------------------------------------------------
 35# 第二步：解析数据
 36#------------------------------------------------------------------------------
 37# 解析确诊数据
 38total_data = {}
 39for item in gz:
 40    if item['name'] not in total_data:
 41        total_data.update({item['name']:0})
 42    total_data[item['name']] = item['total']['confirm']
 43print('确诊人数')
 44print(total_data)
 45# {'贵阳': 33, '遵义': 25, '毕节': 22, '黔南州': 17, '六盘水': 10, '铜仁': 10, '黔东南州': 10, '黔西南州': 4, '安顺': 4}
 46
 47# 解析疑似数据
 48total_suspect_data = {}
 49for item in gz:
 50    if item['name'] not in total_suspect_data:
 51        total_suspect_data.update({item['name']:0})
 52    total_suspect_data[item['name']] = item['total']['suspect']    
 53print('疑似人数')
 54print(total_suspect_data)
 55
 56# 解析死亡数据
 57total_dead_data = {}
 58for item in gz:
 59    if item['name'] not in total_dead_data:
 60        total_dead_data.update({item['name']:0})
 61    total_dead_data[item['name']] = item['total']['dead']  
 62print('死亡人数')
 63print(total_dead_data)
 64
 65# 解析治愈数据
 66total_heal_data = {}
 67for item in gz:
 68    if item['name'] not in total_heal_data:
 69        total_heal_data.update({item['name']:0})
 70    total_heal_data[item['name']] = item['total']['heal']
 71print('治愈人数')
 72print(total_heal_data)
 73
 74# 解析新增确诊数据
 75total_new_data = {}
 76for item in gz:
 77    if item['name'] not in total_new_data:
 78        total_new_data.update({item['name']:0})
 79    total_new_data[item['name']] = item['today']['confirm'] # today    
 80print('新增确诊人数')
 81print(total_new_data)
 82
 83#------------------------------------------------------------------------------
 84# 第三步：存储数据至CSV文件
 85#------------------------------------------------------------------------------
 86names = list(total_data.keys())          # 省份名称
 87num1 = list(total_data.values())         # 确诊数据
 88num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
 89num3 = list(total_dead_data.values())    # 死亡数据
 90num4 = list(total_heal_data.values())    # 治愈数据
 91num5 = list(total_new_data.values())     # 新增确诊病例
 92print(names)
 93print(num1)
 94print(num2)
 95print(num3)
 96print(num4)
 97print(num5)
 98
 99# 获取当前日期命名(2020-02-13-gz.csv)
100n = time.strftime("%Y-%m-%d") + "-gz.csv"
101fw = open(n, 'w', encoding='utf-8')
102fw.write('province,confirm,dead,heal,new_confirmn')
103i = 0
104while i<len(names):
105    fw.write(names[i]+','+str(num1[i])+','+str(num3[i])+','+str(num4[i])+','+str(num5[i])+'n')
106    i = i + 1
107else:
108    print("Over write file!")
109    fw.close()

完整输出内容如下所示：

 1dict_keys(['lastUpdateTime', 'chinaTotal', 'chinaAdd', 'isShowAdd', 'chinaDayList', 'chinaDayAddList', 'dailyNewAddHistory', 'dailyDeadRateHistory', 'confirmAddRank', 'areaTree', 'articleList'])
 234
 3湖北 广东 河南 浙江 湖南 安徽 江西 江苏 重庆 山东 四川 黑龙江 北京 上海 福建 河北 陕西 广西 海南 云南 贵州 
 4贵州 20
 5
 6{'name': '贵阳', 'today': {'confirm': 4, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': True}, 'total': {'confirm': 33, 'suspect': 0, 'dead': 0, 'heal': 4, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 12.12}}
 7{'name': '遵义', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': False}, 'total': {'confirm': 25, 'suspect': 0, 'dead': 0, 'heal': 1, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 4}}
 8{'name': '毕节', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': True}, 'total': {'confirm': 22, 'suspect': 0, 'dead': 0, 'heal': 4, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 18.18}}
 9{'name': '黔南州', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': True}, 'total': {'confirm': 17, 'suspect': 0, 'dead': 0, 'heal': 5, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 29.41}}
10{'name': '六盘水', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': True}, 'total': {'confirm': 10, 'suspect': 0, 'dead': 1, 'heal': 3, 'showRate': False, 'showHeal': True, 'deadRate': 10, 'healRate': 30}}
11{'name': '铜仁', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': False}, 'total': {'confirm': 10, 'suspect': 0, 'dead': 0, 'heal': 5, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 50}}
12{'name': '黔东南州', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': False}, 'total': {'confirm': 10, 'suspect': 0, 'dead': 0, 'heal': 2, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 20}}
13{'name': '黔西南州', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': True}, 'total': {'confirm': 4, 'suspect': 0, 'dead': 0, 'heal': 3, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 75}}
14{'name': '安顺', 'today': {'confirm': 0, 'suspect': 0, 'dead': 0, 'heal': 0, 'isUpdated': False}, 'total': {'confirm': 4, 'suspect': 0, 'dead': 0, 'heal': 0, 'showRate': False, 'showHeal': True, 'deadRate': 0, 'healRate': 0}}
15
16
17确诊人数
18{'贵阳': 33, '遵义': 25, '毕节': 22, '黔南州': 17, '六盘水': 10, '铜仁': 10, '黔东南州': 10, '黔西南州': 4, '安顺': 4}
19疑似人数
20{'贵阳': 0, '遵义': 0, '毕节': 0, '黔南州': 0, '六盘水': 0, '铜仁': 0, '黔东南州': 0, '黔西南州': 0, '安顺': 0}
21死亡人数
22{'贵阳': 0, '遵义': 0, '毕节': 0, '黔南州': 0, '六盘水': 1, '铜仁': 0, '黔东南州': 0, '黔西南州': 0, '安顺': 0}
23治愈人数
24{'贵阳': 4, '遵义': 1, '毕节': 4, '黔南州': 5, '六盘水': 3, '铜仁': 5, '黔东南州': 2, '黔西南州': 3, '安顺': 0}
25新增确诊人数
26{'贵阳': 4, '遵义': 0, '毕节': 0, '黔南州': 0, '六盘水': 0, '铜仁': 0, '黔东南州': 0, '黔西南州': 0, '安顺': 0}

最后采用Seaborn绘制图形如下所示：

  1# -*- coding: utf-8 -*-
  2#------------------------------------------------------------------------------
  3# 第一步：抓取数据
  4#------------------------------------------------------------------------------
  5import time, json, requests
  6# 抓取腾讯疫情实时json数据
  7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
  8data = json.loads(requests.get(url=url).json()['data'])
  9print(data)
 10print(data.keys())
 11
 12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
 13num = data['areaTree'][0]['children']
 14print(len(num))
 15
 16# 获取贵州下标
 17k = 0
 18for item in num:
 19    print(item['name'],end=" ")   # 不换行
 20    if item['name'] in "贵州":
 21        print("")
 22        print(item['name'], k)
 23        break
 24    k = k + 1
 25print("") # 换行
 26
 27# 显示贵州省数据
 28gz = num[k]['children']
 29for item in gz:
 30    print(item)
 31else:
 32    print("n")
 33
 34#------------------------------------------------------------------------------
 35# 第二步：解析数据
 36#------------------------------------------------------------------------------
 37# 解析确诊数据
 38total_data = {}
 39for item in gz:
 40    if item['name'] not in total_data:
 41        total_data.update({item['name']:0})
 42    total_data[item['name']] = item['total']['confirm']
 43print('确诊人数')
 44print(total_data)
 45# {'贵阳': 33, '遵义': 25, '毕节': 22, '黔南州': 17, '六盘水': 10, '铜仁': 10, '黔东南州': 10, '黔西南州': 4, '安顺': 4}
 46
 47# 解析疑似数据
 48total_suspect_data = {}
 49for item in gz:
 50    if item['name'] not in total_suspect_data:
 51        total_suspect_data.update({item['name']:0})
 52    total_suspect_data[item['name']] = item['total']['suspect']    
 53print('疑似人数')
 54print(total_suspect_data)
 55
 56# 解析死亡数据
 57total_dead_data = {}
 58for item in gz:
 59    if item['name'] not in total_dead_data:
 60        total_dead_data.update({item['name']:0})
 61    total_dead_data[item['name']] = item['total']['dead']  
 62print('死亡人数')
 63print(total_dead_data)
 64
 65# 解析治愈数据
 66total_heal_data = {}
 67for item in gz:
 68    if item['name'] not in total_heal_data:
 69        total_heal_data.update({item['name']:0})
 70    total_heal_data[item['name']] = item['total']['heal']
 71print('治愈人数')
 72print(total_heal_data)
 73
 74# 解析新增确诊数据
 75total_new_data = {}
 76for item in gz:
 77    if item['name'] not in total_new_data:
 78        total_new_data.update({item['name']:0})
 79    total_new_data[item['name']] = item['today']['confirm'] # today    
 80print('新增确诊人数')
 81print(total_new_data)
 82
 83#------------------------------------------------------------------------------
 84# 第三步：存储数据至CSV文件
 85#------------------------------------------------------------------------------
 86names = list(total_data.keys())          # 省份名称
 87num1 = list(total_data.values())         # 确诊数据
 88num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
 89num3 = list(total_dead_data.values())    # 死亡数据
 90num4 = list(total_heal_data.values())    # 治愈数据
 91num5 = list(total_new_data.values())     # 新增确诊病例
 92print(names)
 93print(num1)
 94print(num2)
 95print(num3)
 96print(num4)
 97print(num5)
 98
 99# 获取当前日期命名(2020-02-13-gz.csv)
100n = time.strftime("%Y-%m-%d") + "-gz-4db.csv"
101fw = open(n, 'w', encoding='utf-8')
102fw.write('province,type,datan')
103i = 0
104while i<len(names):
105    fw.write(names[i]+',confirm,'+str(num1[i])+'n')
106    fw.write(names[i]+',dead,'+str(num3[i])+'n')
107    fw.write(names[i]+',heal,'+str(num4[i])+'n')
108    fw.write(names[i]+',new_confirm,'+str(num5[i])+'n')
109    i = i + 1
110else:
111    print("Over write file!")
112    fw.close()
113
114#------------------------------------------------------------------------------
115# 第四步：调用Seaborn绘制柱状图
116#------------------------------------------------------------------------------
117import time
118import matplotlib
119import numpy as np
120import seaborn as sns
121import pandas as pd
122import matplotlib.pyplot as plt 
123
124# 读取数据
125n = time.strftime("%Y-%m-%d") + "-gz-4db.csv"
126data = pd.read_csv(n)
127
128# 设置窗口
129fig, ax = plt.subplots(1,1)
130print(data['province'])
131
132# 设置绘图风格及字体
133sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
134
135# 绘制柱状图
136g = sns.barplot(x="province", y="data", hue="type", data=data, ax=ax,
137            palette=sns.color_palette("hls", 8))
138
139# 设置Axes的标题
140ax.set_title('贵州2月13日疫情最新情况')
141
142# 设置坐标轴文字方向 
143ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
144
145# 设置坐标轴刻度的字体大小
146ax.tick_params(axis='x',labelsize=8)
147ax.tick_params(axis='y',labelsize=8)
148
149plt.show()

贵州省2月13日疫情显示结果如下所示：

总结

写到这里，第一篇疫情分析的文章就讲解完毕，希望对您有所帮助。主要包括两部分内容：

• 实时数据爬取
• 可视化分析

后续还会分享GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。如果文章对您有所帮助，将是我写作的最大动力。

同时，向钟院士致敬，向一线工作者致敬。侠之大者，为国为民。咱们中国人一生的最高追求，为天地立心，为生民立命，为往圣继绝学，为万世开太平。以一人之力系万民康乐，以一身犯险保大业安全。他们真是做到了，武汉加油，中国加油！

(By:Eastmount 2020-02-17 晚上9点夜于贵阳 http://blog.csdn.net/eastmount/)

原文链接：

https://blog.csdn.net/Eastmount/article/details/104298388

本文为CSDN博客专家文章，转载请注明出处。