疫情資料分析與可視化
- python實作資料分析與可視化
- 前言
- 一、什么是Python爬蟲？
- 二、Python爬蟲相關知識
- 1.相關書籍資料推薦（建議谷歌打開）
- 2.資料獲取
- 3.知識點
- 三、資料分析與可視化
- 1.安裝
- 2.CSV表格操作
- 3.可視化
- 總結
python實作資料分析與可視化
前言
本文通過運用所學可視化知識，對現有的疫情資料進行簡單分析，同時介紹爬蟲相關知識
一、什么是Python爬蟲？
Python爬蟲即使用 Python程式開發的網路爬蟲（網頁蜘蛛，網路機器人），是一種按照一定的規則，自動地抓取萬維網資訊的程式或者腳本，
二、Python爬蟲相關知識
1.相關書籍資料推薦（建議谷歌打開）
https://python3webspider.cuiqingcai.com/
2.資料獲取
資料集的獲取是我們進行資料分析的第一步，現在獲取資料的主要途徑一般為：現成資料；自己寫爬蟲去爬取資料；使用現有的爬蟲工具爬取所需內容，保存到資料庫，或以檔案的形式保存到本地，
博主用的是現有的資料進行資料分析，
3.知識點
request：
它是最基本的 HTTP 請求模塊，可以用來模擬發送請求，就像在瀏覽器里輸入網址然后回車一樣，只需要給庫方法傳入 URL 以及額外的引數，就可以模擬實作這個程序了，
正則運算式：
貪婪匹配是盡可能匹配多的字符，非貪婪匹配就是盡可能匹配少的字符，在做匹配的時候，字串中間盡量使用非貪婪匹配，也就是用 .? 來代替 ，以免出現匹配結果缺失的情況，但如果匹配的結果在字串結尾，.*? 就有可能匹配不到任何內容了，
空值處理：
s.dropna(how='all') #洗掉所有列值為空的行
s.dropna(axis=1) #列有空值，洗掉
s.dropna(axis=1,how='all') #列全為空值，洗掉，1為列 0為行
dropna() #洗掉有空值的所有行列
s.fillna(0,inplace=True)
三、資料分析與可視化
1.安裝
博主在jupyter notebook上通過pyecharts實作資料分析與可視化，現僅以jupyter和pyecharts為例示范，
jupyter安裝（在命令提示符下輸入）：
pip install jupyter
pyecharts安裝（在命令提示符下輸入）：
pip install pyecharts
可能遇到的問題及解決方案（管理員身份運行命令提示符）：
WARNING: You are using pip version 20.3.1; however, version 20.3.3 is available. You should consider
python -m pip install --upgrade pip -i https://pypi.douban.com/simple
2.CSV表格操作
表格讀取：
data=pd.read_csv(r'C:\Users\XX\Desktop\2019_nCoV_data.csv',encoding='utf-8')
表格列洗掉：
data.drop(["Date","Province/State"],axis=1) #洗掉Date,Province/State列
排列：
d1=data.sort_values(by=["Date","Confirmed"],ascending=False)[:10]#排列
d1
3.可視化
選出表格最后日期（2020.04.02），確診人數最多的十個省制成餅圖：
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie
pie=(Pie().add("",[list(i) for i in zip(d1['Province/State'].values.tolist(),d1['Confirmed'].values.tolist())]))
pie.render_notebook()
分析：據圖得湖北確診人數最多，較為直觀的顯示出病毒爆發地
選出表格最后日期（2020.04.02）以及確診人數最多的十個省，對比治愈與死亡人數：
line=(Line()
.add_xaxis(list(d1['Province/State'].values))
.add_yaxis("治愈",d1['Recovered'].values.tolist())
.add_yaxis("死亡",d1['Deaths'].values.tolist())
.set_global_opts(
title_opts=opts.TitleOpts(title="治愈與死亡"),
legend_opts=opts.LegendOpts(pos_top="30%",pos_right="70%"),
)
)
line.render_notebook()
分析：據圖得治愈人數接近于死亡人數，病毒未完全控制
選出表格前六個地區，對比治愈與死亡人數：
bar=(Bar()
.add_xaxis(list(d1['Province/State'].values)[:6])
.add_yaxis("治愈",d1['Recovered'].values.tolist()[:6])
.add_yaxis("死亡",d1['Deaths'].values.tolist()[:6])
.set_global_opts(
title_opts=opts.TitleOpts(title="各地區治愈與死亡人數"),
datazoom_opts=[opts.DataZoomOpts()],
)
)
bar.render_notebook()
分析：據圖得治愈人數高于死亡人數，但是情形不容樂觀，
總結
以上就是所有的內容，本文僅僅簡單介紹了爬蟲及資料分析可視化，歡迎大家批評指正，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/246179.html
標籤：python
上一篇：【Python篇】Python基礎--Python基本操作
下一篇：python爬蟲及資料可視化分析