疫情数据处理与可视化

去年的这个时候是疫情的高发期，相信大家每天都会查阅疫情的发展情况。
下面这个网址是百度提供的疫情实时大数据报告
https://voice.baidu.com/act/newpneumonia/newpneumonia/?from=osari_pc_3

这节课，通过疫情数据案例，带大家体验一下数据可视化的过程。

1.获取数据

回忆一下获取数据步骤：

• 确定爬虫网址
• 用requests.get()方法获取网页全部信息
• 解析数据获取我们想要的信息
• 输出保存数据

以下代码为爬取疫情数据的代码，将疫情数据生成json文件。
需要注意的是这里使用了html.xpath()方法解析数据，也就是根据数据的路径来定位具体数据的位置。

import requests
from lxml import etree
import json

#爬虫
url="https://voice.baidu.com/act/newpneumonia/newpneumonia/?from=osari_aladin_banner"
res=requests.get(url)
html=etree.HTML(res.text)
result=html.xpath('//script[@type="application/json"]/text()')
result=result[0]
result=json.loads(result)
result_in=result['component'][0]['caseList']
result_in=json.dumps(result_in)
#生成json数据
with open('china_data.json','w') as file:
    file.write(result_in)

用记事本打开json文件，复制全部，用json解析器解析数据。
https://www.json.cn/

任务1：
解析json数据，对比原网页，了解字典中的键代表着什么意思。

我们尝试着用Python读取json数据，代码如下所示：

import json
filename='china_data.json'
with open(filename) as f:
result_in=json.load(f)

这段代码将json数据读取到result_in变量中，该变量为列表类型。

任务2：
尝试着用循环语句输出result_in列表中的每个元素，也就是国内疫情的数据。

任务3:
通过观察发现，result_in列表中包含着大量的字典元素，每一个字典元素代表着一个省、自治区直辖市的疫情信息。请输出每个省市的已确诊人数

2.写入excel

现在我们要将json数据中的信息写入excel表中。这里使用了openpyxl第三方库。请同学们安装一下这个库。

步骤为：键盘win+R——输入cmd——在管理员界面输入：pip install openpyxl

下面是创建excel表的过程：

wb=openpyxl.Workbook()                 #新建一个excel文件
ws=wb.active                           #新建一个sheet文件
ws.title="国内疫情"                    #sheet名字为“国内疫情”
ws.append(['省份','累计确诊','死亡','治愈','现有确诊']) #导航栏名称
wb.save('./data_test.xlsx')            #保存

接下来我们需要将json数据导入。用到的是ws.append()方法。意思是将数据依次写入到单元格中。
需要注意的是数据需要与列表头对应。

for i in result_in:
    ws.append([i['area'],i['confirmed'])

任务4:
请补充上段代码，生成完整的国内疫情数据excel表格。

3.读取Excel数据

读取Excel数据和写入Excel数据刚好相反，步骤为：打开表格文件，获取具体工作表，新建字典变量储存数据，将数据写入字典。前三步比较好操作，对应的代码是：

#打开工作表
wb = openpyxl.load_workbook('data.xlsx')
#选中具体表格
ws = wb['国内疫情']
#创建字典
times = {}
#将数据添加到字典中
for row in ws.values:
    if row[0] == '省份':
        pass
    else:
        times[____] = float(_____)

任务5：
请同学们复制上段代码吗，完成填空，将Excel表中的数据写入字典。

4.制作词云

制作词云我们使用Wordcloud第三方库，步骤很简单，只需要三步：
1.新建一个词云对象，规定词云的一些属性
2.选择合适的方法生成词云
3.保存图片

wordcloud = WordCloud(font_path="C:/windows/Fonts/simfang.ttf",
                      background_color='white', width=1920, height=1080)
wordcloud.generate_from_frequencies(times)
wordcloud.to_file('wordcloud.png')

关于Wordcloud的一些方法：

任务6：
结合任务5中的代码，结合Wordcloud代码，尝试着根据新增人数的多少生成词云图。

5.制作条形图

Matplotlib是一个第三方库，内置了很多画图的函数。我们可以在它的官网上找到我们想要的图形及对应的代码，然后修改我们的数据就可以得到我们想要的图形了。网址为：https://matplotlib.org/stable/gallery/index.html
更多关于Matplotlib的内容，在下面这份文件中有简要介绍
Matplotlib简介

接下来我们要借用matplotlib中的画图函数来画一个条形图，下面代码为示例内容：

import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

price = [39.5, 39.9, 45.4, 38.9, 33.34]

plt.barh(range(5), price, height=0.7, color='steelblue', alpha=0.8)      # 从下往上画
plt.yticks(range(5), ['亚马逊', '当当网', '中国图书网', '京东', '天猫'])
plt.xlim(30, 47)
plt.xlabel("价格")
plt.title("不同平台图书价格")
for x, y in enumerate(price):
    plt.text(y + 0.2, x - 0.1, '%s' % y)
plt.show()

得到的图形为：

任务6:
修改上段代码的参数，绘制累计确诊人数与省份的条形图（取excel表中前5个省份数据即可）

任务6我们通过手动输入相应的数据，只有5个数据输入相对简单。如果数据较多呢，如何批量的输入数据？
通过观察发现如果我们把34个省的数据全部输入的话，我们需要更改哪几个参数？

x轴y轴坐标、横条的个数、以及x轴的取值范围。

X轴y轴坐标对应的是excel表的第一列和第二列，我们可以参照上节课制作词云的代码，主要思路是通过openpyxl读取excel表中的所有内容；新建两个空列表储存x轴和y轴的数据，遍历excel表，将数据append到对应的列表中。

wb = openpyxl.load_workbook('data.xlsx')
#获取工作表
ws = wb['国内疫情']
data=[]
place=[]

for row in ws.values:
    if row[0] == '省份':
        pass
    else:
        data.append(float(row[1]))
        place.append(row[0])

生成的横条的个数，应该就是对应数据的个数，虽然我们知道是34，但如果出现数据不全的情况容易出错，最保险的我们用len()函数计算列表中元素的个数作为横条的个数。

plt.barh(range(len(data)), data, height=0.8,
         color='fuchsia', alpha=1)

x轴的取值范围其实就是整个列表的最小值和最大值，可以用min()和max()函数来获取。

plt.xlim(min(data), max(data))

任务7:
请修改代码，生成我国各省市累计确诊人数的条形图。