pyecharts疫情数据可视化。

数据的获取请阅读我上一篇代码。

导入库。

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

绘制条形图(可缩放,可滑动)。

foreignBar = (
    Bar()
    .add_xaxis(foreign_name[:100])
    .add_yaxis('确诊数', foreign_total_confirm[:100])
    .add_yaxis('治愈', foreign_total_heal[:100])
    .add_yaxis('死亡数', foreign_total_dead[:100])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="国外疫情确诊Top100", subtitle=f"数据来源:腾讯新闻 截止至{today}"),
    datazoom_opts=opts.DataZoomOpts(type_="slider")
                )
)
foreignBar.render_notebook()

结果:

 绘制饼图

(
    Pie()
    .add("确诊数", data_pair=[(i, j) for i, j in zip(foreign_name[:10], foreign_total_confirm[:10])], rosetype='radius')
).render_notebook()

 

热力地图

chinaMap = (
    Map()
    # .add("累计确诊", maptype="world")
    .add("累计确诊", [list(z) for z in zip(province_name, province_total_confirm)], maptype="china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="中国累计确诊数据", subtitle=f"数据来源:腾讯新闻 截止至{today}"),
        visualmap_opts=opts.VisualMapOpts(
            is_piecewise=True,
            pieces=[{"max": 0, "label": '0人'},
                    {"min": 1, "max": 9, "label": '1-9人'},
                    {"min": 10, "max": 99, "label": '10-99人'},
                    {"min": 100, "max": 499, "label": '100-499人'},
                    {"min": 500, "max": 999, "label": '500-999人'},
                    {"min": 1000, "max": 9999, "label": '1000-9999人'},
                    {"min": 10000, "label": '10000人及以上'}]
        )
    )
)
chinaMap.render_notebook()

 保存(html格式,html中的图片可以随意拖动)

page = Page(layout=Page.DraggablePageLayout)
page.add(
    foreignBar,
    chinaLine,
    chinaMap,
    chinaAbsPie
)
page.render('E:/桌面/中国疫情数据.html')

  • 3
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
本文介绍一种基于 Flask 框架的肺炎疫情数据分析方法。该方法基于 Python 编程语言和 Flask 框架,通过爬取、处理和可疫情数据,展示出疫情的动态变和趋势。下面分为四个部分介绍: 1. 爬取疫情数据 使用 Python 的 requests 模块和 Beautiful Soup 模块爬取疫情数据,并对数据进行清洗和整理。爬取的数据包括疫情地区、确诊人数、死亡人数、治愈人数等信息。 2. 数据 使用 Python 的 Matplotlib 和 Pyecharts 库对疫情数据进行可处理。Matplotlib 可以绘制各种静态图表,如折线图、柱状图、饼图等,Pyecharts 可以绘制各种动态图表,如地图、折线图、柱状图等。在绘制图表时,需要注意选择合适的图表类型,并对图表进行美,使其更加直观和易懂。 3. 构建 Flask 应用 使用 Flask 框架构建一个 Web 应用,使用户可以通过浏览器访问疫情数据结果。在 Flask 应用中,需要定义路由和图函数,并将疫情数据结果渲染到 HTML 模板中。 4. 部署应用 将 Flask 应用部署到服务器上,使用户可以通过互联网访问应用。可以选择使用云服务器、虚拟主机等方式进行部署。在部署过程中,需要注意服务器的配置和安全性。 总结 以上就是基于 Flask 框架的肺炎疫情数据分析的方法。使用这种方法可以方便地获取、处理和展示疫情数据,使人们更加直观地了解疫情的发展情况。同时,该方法也可以应用到其他领域的数据分析中,具有很高的实用价值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

大数据白白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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