新冠疫情已經持續好幾個月了，目前，我國疫情已經基本控制住了，而歐美國家正處于爆發期，我們會看到很多網站都提供了多種疫情統計圖，今天我們使用 Python 的 pyecharts 框架來繪制一些比較常見的統計圖，
玫瑰圖
首先，我們來繪制前段時間比較火的南丁格爾玫瑰圖，資料來源我們通過介面 `https://lab.isaaclin.cn/nCoV/zh` 來獲取，我們取疫情中死亡人數超過 2000 的國家的資料，實作代碼如下：
url = 'https://lab.isaaclin.cn/nCoV/api/area'
data_json = requests.get(url).json()
country_list = []
count_list = []
ds = {}
for item in data_json['results']:
if item['countryEnglishName']:
if item['deadCount'] is not None and item['countryName'] is not None:
if int(item['deadCount']) > 2000:
d = {item['countryName']:item['deadCount']}
ds.update(d)
ds = dict(sorted(ds.items(), key = lambda k: k[1]))
# 名稱有重復的，把國家名作為 key 吧
country_list = ds.keys()
count_list = ds.values()
# 隨機顏色生成
def randomcolor(kind):
colors = []
for i in range(kind):
colArr = ['1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F']
color = ""
for i in range(6):
color += colArr[random.randint(0, 14)]
colors.append("#" + color)
return colors
color_series = randomcolor(len(count_list))
# 創建餅圖
pie = Pie(init_opts=opts.InitOpts(width='800px', height='900px'))
# 添加資料
pie.add("", [list(z) for z in zip(country_list, count_list)],
radius=['20%', '100%'],
center=['60%', '65%'],
rosetype='area')
# 設定全域配置
# pie.set_global_opts(title_opts=opts.TitleOpts(title='南丁格爾玫瑰圖'),
# legend_opts=opts.LegendOpts(is_show=False))
# 設定全域配置項
pie.set_global_opts(title_opts=opts.TitleOpts(title='全球新冠疫情',subtitle='死亡人數超過\n2000 的國家',
title_textstyle_opts=opts.TextStyleOpts(font_size=15,color= '#0085c3'),
subtitle_textstyle_opts= opts.TextStyleOpts(font_size=15,color= '#003399'),
pos_right= 'center',pos_left= '53%',pos_top= '62%',pos_bottom='center'
),
legend_opts=opts.LegendOpts(is_show=False))
# 設定系列配置和顏色
pie.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position='inside', font_size=12,
formatter='{b}：{c}', font_style='italic',
font_family='Microsoft YaHei'))
pie.set_colors(color_series)
pie.render('南丁格爾玫瑰圖.html')
看一下效果圖：
全球疫情地圖
接著我們來繪制全球疫情地圖，我們取各個國家的累計死亡人數的資料，代碼實作如下所示：
url = 'https://lab.isaaclin.cn/nCoV/api/area'
data = https://www.cnblogs.com/ityard/p/requests.get(url).json()
oversea_confirm = []
for item in data['results']:
if item['countryEnglishName']:
oversea_confirm.append((item['countryEnglishName']
.replace('United States of America', 'United States')
.replace('United Kiongdom', 'United Kingdom'),
item['deadCount']))
world_map = (
Map(init_opts=opts.InitOpts(theme='dark'))
.add('累計死亡人數', oversea_confirm, 'world',is_map_symbol_show=False, is_roam=False)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False, color='#fff'))
.set_global_opts(
title_opts=opts.TitleOpts(title='全球疫情累計死亡人數地圖'),
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(max_=2700,
is_piecewise=True,
pieces=[
{"max": 99999, "min": 10000, "label": "10000人及以上", "color": "#8A0808"},
{"max": 9999, "min": 1000, "label": "1000-9999人", "color": "#B40404"},
{"max": 999, "min": 500, "label": "500-999人", "color": "#DF0101"},
{"max": 499, "min": 100, "label": "100-499人", "color": "#F78181"},
{"max": 99, "min": 10, "label": "10-99人", "color": "#F5A9A9"},
{"max": 9, "min": 0, "label": "1-9人", "color": "#FFFFCC"},
])
)
)
world_map.render(path='全球疫情地圖.html')
看一下效果圖：
中國疫情地圖
我們接著繪制我國的疫情地圖，資料取各個省份累計確診人數的資料，代碼實作如下所示：
url = 'https://lab.isaaclin.cn/nCoV/api/area'
data = https://www.cnblogs.com/ityard/p/requests.get(url).json()
province_data = []
for item in data['results']:
if item['countryName'] == '中國':
province_data.append((item['provinceShortName'], item['confirmedCount']))
china_map = (
Map(init_opts=opts.InitOpts(theme='dark'))
.add('確診人數', province_data, 'china',is_map_symbol_show=False, is_roam=False)
.set_series_opts(label_opts=opts.LabelOpts(is_show=True, color='#ffffff'))
.set_global_opts(
title_opts=opts.TitleOpts(title="中國疫情累計確診人數地圖"),
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(max_=2000,
is_piecewise=True,
pieces=[
{"max": 9999, "min": 1000, "label": "1000-9999人", "color": "#B40404"},
{"max": 999, "min": 500, "label": "500-999人", "color": "#DF0101"},
{"max": 499, "min": 100, "label": "100-499人", "color": "#F78181"},
{"max": 99, "min": 10, "label": "10-99人", "color": "#F5A9A9"},
{"max": 9, "min": 0, "label": "1-9人", "color": "#FFFFCC"},
])
)
)
china_map.render(path='中國疫情地圖.html')
看一下效果圖：
熱力圖
我們再接著來繪制熱力圖，我們還是取我國各個省份確診的資料，實作代碼如下所示：
url = 'https://lab.isaaclin.cn/nCoV/api/area'
data = https://www.cnblogs.com/ityard/p/requests.get(url).json()
cities_data = []
for item in data['results']:
if item['countryName'] == '中國':
if item['cities'] is not None:
cities_data.extend(item['cities'])
hot_geo = (
Geo(init_opts=opts.InitOpts(theme='dark'))
.add_schema(maptype='china')
.add('累計確診人數',
[(i['cityName'], i['currentConfirmedCount']) for i in cities_data
if i['cityName'] in pyecharts.datasets.COORDINATES.keys()],
type_='heatmap')
.set_global_opts(
title_opts=opts.TitleOpts(title='中國疫情熱力圖',
pos_left='left'),
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(is_show=True,
is_piecewise=False,
range_color=['#0ff', '#0f0', '#ff0', '#f00'])
)
)
hot_geo.render(path='中國疫情熱力圖.html')
看一下效果圖：
柱狀圖
我們接著來繪制柱狀圖，這次我們取一個省份的資料，因為湖北省確診人數最多，我們就用這個省的資料吧，實作代碼如下所示：
url = 'https://lab.isaaclin.cn/nCoV/api/area'
data = https://www.cnblogs.com/ityard/p/requests.get(url).json()
for item in data['results']:
if item['provinceShortName'] == '湖北':
hb_data = https://www.cnblogs.com/ityard/p/item['cities']
hb_bar = (
Bar(init_opts=opts.InitOpts(theme='dark'))
.add_xaxis([hd['cityName'] for hd in hb_data])
.add_yaxis('累計確診人數', [hd['confirmedCount'] for hd in hb_data])
.add_yaxis('累計治愈人數', [hd['curedCount'] for hd in hb_data])
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="湖北新冠疫情確診及治愈情況"),
legend_opts=opts.LegendOpts(is_show=True)
)
)
hb_bar.render(path='湖北新冠疫情圖.html')
看一下效果圖：
折線圖
目前上面的介面已經不提供回傳時間序列的資料了，但在 GitHub 上提供了資料倉庫，有 JSON 和 CSV 兩種格式，因 GitHub 網速太差，我嘗試了幾次也未能將資料下載下來，所以我們直接用微信上展示的資料吧，代碼實作如下所示：
x_data = https://www.cnblogs.com/ityard/p/['2-06', '2-13', '2-20', '2-27', '3-05', '3-12', '3-19', '3-26', '4-02', '4-09', '4-17']
# 現有確診
y1_data = https://www.cnblogs.com/ityard/p/[20677, 46537, 49156, 36829, 22695, 13171, 6287, 2896, 987, 351, 122]
# 累計治愈
y2_data = [817, 4131, 11788, 26403, 41966, 51533, 58381, 61731, 63612, 64236, 63494]
line = (Line()
.add_xaxis(x_data)
.add_yaxis('現有確診', y1_data, color='#10aeb5')
.add_yaxis('累計治愈', y2_data, color='#e83132')
.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
.set_global_opts(
title_opts=opts.TitleOpts(title='中國疫情隨時間變化趨勢')
))
line.render(path='中國疫情折線圖.html')
看一下效果圖：
如果需要原始碼，可以掃描下面二維碼，后臺回復 200418 自行領取，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/156841.html
標籤：Python
上一篇：Python練習題3.5字符轉換