Python爬蟲爬取疫情數據並可視化展示

知識點

  1. 爬蟲基本流程
  2. json
  3. requests 爬蟲當中 發送網絡請求
  4. pandas 表格處理 / 保存數據
  5. pyecharts 可視化

開發環境

python 3.8 比較穩定版本 解釋器發行版 anaconda jupyter notebook 裡面寫數據分析代碼 專業性

pycharm 專業代碼編輯器 按照年份與月份劃分版本的

爬蟲完整代碼

導入模塊

import requests      # 發送網絡請求模塊
import json
import pprint        # 格式化輸出模塊
import pandas as pd  # 數據分析當中一個非常重要的模塊

分析網站

先找到今天要爬取的目標數據

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

找到數據所在url

發送請求

url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&_=1638361138568'
response = requests.get(url, verify=False)

獲取數據

json_data = response.json()['data']

解析數據

json_data = json.loads(json_data)
china_data = json_data['areaTree'][0]['children'] # 列表
data_set = []
for i in china_data:
    data_dict = {}
    # 地區名稱
    data_dict['province'] = i['name']
    # 新增確認
    data_dict['nowConfirm'] = i['total']['nowConfirm']
    # 死亡人數
    data_dict['dead'] = i['total']['dead']
    # 治愈人數
    data_dict['heal'] = i['total']['heal']
    # 死亡率
    data_dict['deadRate'] = i['total']['deadRate']
    # 治愈率
    data_dict['healRate'] = i['total']['healRate']
    data_set.append(data_dict)

保存數據

df = pd.DataFrame(data_set)
df.to_csv('data.csv')

數據可視化

導入模塊

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

讀取數據

df2 = df.sort_values(by=['nowConfirm'],ascending=False)[:9]
df2

死亡率與治愈率

line = (
    Line()
    .add_xaxis(list(df['province'].values))
    .add_yaxis("治愈率", df['healRate'].values.tolist())
    .add_yaxis("死亡率", df['deadRate'].values.tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="死亡率與治愈率"),

    )
)
line.render_notebook()

 

各地區確診人數與死亡人數情況

bar = (
    Bar()
    .add_xaxis(list(df['province'].values)[:6])
    .add_yaxis("死亡", df['dead'].values.tolist()[:6])
    .add_yaxis("治愈", df['heal'].values.tolist()[:6])
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各地區確診人數與死亡人數情況"),
        datazoom_opts=[opts.DataZoomOpts()],
        )
)
bar.render_notebook()

以上就是Python爬蟲爬取疫情數據並可視化展示的詳細內容,更多關於Python爬取數據 可視化展示的資料請關註WalkonNet其它相關文章!

推薦閱讀: