一、 json模块

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，易于阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。

• json.loads()：将json格式的str转化成python的数据格式；
• json.loads()：将python的数据格式（字典或列表）转化成json格式；

# 如何将json数据解析成我们所熟悉的Python数据类型？import json# 将json格式的str转化成python的数据格式：字典dic = json.loads('{"name":"Tom","age":23}')res = json.loads('["name","age","gender"]')print(f'利用loads将json字符串转化成Python数据类型{dic}',type(dic))print(f'利用loads将json字符串转化成Python数据类型{res}',type(res))dics = {"name":"Tom","age":23}result = json.dumps(dics)print(type(result))result

二、通过Python实现疫情地图可视化

需求：爬取疫情的数据、如何处理json数据以及根据疫情数据如何利用pyecharts绘制疫情地图。

1.数据的获取(基于request模块)

import requestsimport json# 国内疫情数据China_url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'headers = { # 浏览器伪装 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36', 'referer': 'https://news.qq.com/',}# 发起get请求，获取响应数据response = requests.get(China_url,headers=headers).json()data = json.loads(response['data'])# 保存数据with open('./2021-02-03国内疫情.json','w',encoding='utf-8') as f: # 不采用ASCII编码 f.write(json.dumps(data,ensure_ascii=False,indent=2))

爬取的数据保存格式为json，开头的部分数据如下：

2.将json格式的数据保存到Excel

无论是json数据存储的，还是Python的基本数据类型存储的，对于数据分析都不是很友好，所以我们可以将其数据存储类型转化为pandas的DataFrame类型，因为DataFrame和Excel可以更好的相互转换。

生成的数据模式如下：

将以上的数据进行处理，获得Excel表一样规范的数据格式。

import pandas as pdchinaTotalData = pd.DataFrame(china_citylist)# 将整体数据chinaTotalData中的today和total数据添加到DataFrame中# 处理total字典里面的各个数据项# ======================================================================confirmlist = []suspectlist = []deadlist = []heallist = []deadRatelist = []healRatelist = []# print(chinaTotalData['total'].values.tolist()[0])for value in chinaTotalData['total'].values.tolist(): confirmlist.append(value['confirm']) suspectlist.append(value['suspect']) deadlist.append(value['dead']) heallist.append(value['heal']) deadRatelist.append(value['deadRate']) healRatelist.append(value['healRate'])chinaTotalData['confirm'] = confirmlistchinaTotalData['suspect'] = suspectlistchinaTotalData['dead'] = deadlistchinaTotalData['heal'] = heallistchinaTotalData['deadRate'] = deadRatelistchinaTotalData['healRate'] = healRatelist# ===================================================================# 创建全国today数据today_confirmlist = []today_confirmCutslist = []for value in chinaTotalData['today'].values.tolist(): today_confirmlist.append(value['confirm']) today_confirmCutslist.append(value['confirmCuts'])chinaTotalData['today_confirm'] = today_confirmlistchinaTotalData['today_confirmCuts'] = today_confirmCutslist# ==================================================================# 删除total、today两列chinaTotalData.drop(['total','today'],axis=1,inplace=True)chinaTotalData.head()# 将其保存到Excel中chinaTotalData.to_excel('2021-02-03国内疫情.xlsx',index=False)

处理好的数据结构如下表：

3.应用pyecharts进行数据可视化

pyecharts是一款将python与echarts结合的强大的数据可视化工具。绘制出来的图比Python的Matplotlib简单美观。使用之前需要在Python环境中按照pycharts。在终端中输入命令：pip install pyecharts

利用pyecharts绘制疫情地图
根据上面的疫情数据，我们可以利用其画出全国的疫情地图
在绘制前，我们需要安装echarts的地图包（可根据不同的地图需求进行安装）

pip install echarts-countries-pypkgpip install echarts-china-provinces-pypkgpip install echarts-china-cities-pypkgpip install echarts-china-misc-pypkgpip install echarts-china-countries-pypkgpip install echarts-united-kingdom-pypkg# 导入对应的绘图工具包import pandas as pdfrom pyecharts import options as optsfrom pyecharts.charts import Mapdf = pd.read_excel('./2021-02-03国内疫情.xlsx')# 1.根据绘制国内总疫情图（确诊）data = df.groupby(by='province',as_index=False).sum()data_list = list(zip(data['province'].values.tolist(),data['confirm'].values.tolist()))# 数据格式[(黑龙江,200),(吉林,300),...]def map_china() -> Map: c = ( Map() .add(series_name="确诊病例",data_pair=data_list,maptype='china') .set_global_opts( title_opts = opts.TitleOpts(title='疫情地图'), visualmap_opts=opts.VisualMapOpts(is_piecewise=True, pieces = [{"max":9, "min":0, "label":"0-9","color":"#FFE4E1"}, {"max":99, "min":10, "label":"10-99","color":"#FF7F50"}, {"max":499, "min":100, "label":"100-4999","color":"#F08080"}, {"max":999, "min":500, "label":"500-999","color":"#CD5C5C"}, {"max":9999, "min":1000, "label":"1000-9999","color":"#990000"}, {"max":99999, "min":10000, "label":"10000-99999","color":"#660000"},] ) ) ) return cd_map = map_china()d_map.render("mapEchrts.html")

最终的运行效果如下：

注：以上的运行环境是Python3.7版本，IDE是基于浏览器端的Jupter Notebook。

以上就是Python实现疫情地图可视化的详细内容，更多关于python 疫情地图可视化的资料请关注其它相关文章！