中国新冠疫情数据可视化

文章目录

一、结果及源码展示

自己做的这个可视化比较朴素，简单分为七个部分：

• 全国累计趋势（包括累计确诊、累计治愈、累计死亡）
• 全国每日确诊、治愈情况
• 中间比较明显的四个数据（累计确诊、每日新增、累计治愈、累计死亡）
• 中国疫情地图（颜色深度表示每日新增情况）
• 省份或直辖市每日新增数量前五
• 江苏省各城市现有的确诊人数

源码如下：https://github.com/Polaris119/Epidemic-visualization可以给个star嘛

说真的，自己花了四五天的时间，第一次感觉一个项目能用到这么多知识，学习的过程也遇到了很多的困难，尤其是前端方面的知识，以前接触的非常少。最后慢慢跑完所有的数据后，真的非常开心。

二、项目准备

1、第三方库

• requests
• pymysql
• flask

可根据自己情况，酌情安装。

2、知识点概况

• html
• css
• javascript
• jQuery
• python
• requests
• mysql
• pymysql
• json
• ajax
• flask
• echarts

3、推荐视频

像我一样的小白，可以参考这个视频，结合自身，可以更快地进入项目。

可参考视频：传送门

注意：这个视频中有一些不对的地方，稍微注意下就可以解决，不要全按照视频来哦

三、数据获取

关于新冠疫情的数据非常多，可自行寻找。

通过检查抓包，可以轻松发现数据，以json的形式进行存储的。

需要获取的数据如下：

• 全国今日新增、累计确诊、治愈人数、死亡人数
• 每个省份的每个城市今日新增、累计确诊、治愈人数、死亡人数
• 全国历史累计确诊、疑似、治愈、死亡人数
• 全国历史每日累计确诊、疑似、治愈、死亡人数

部分代码如下：

详细可见源码： https://github.com/Polaris119/Epidemic-visualization

# 获取当日数据defget_now(data):
    now =[]
    data_time =str(data['diseaseh5Shelf']['lastUpdateTime'])# 数据更新时间
    data_all = data['diseaseh5Shelf']['areaTree'][0]
    data_province_s = data['diseaseh5Shelf']['areaTree'][0]['children']# 获取全国今日新增、累计确诊、治愈人数、死亡人数
    confirms = data_all['total']['confirm']
    confirms_add = data_all['today']['confirm']
    heals = data_all['total']['heal']
    deads = data_all['total']['dead']# 获取每个省份的每个城市今日新增、累计确诊、治愈人数、死亡人数for data_province in data_province_s:
        province = data_province['name']# 省份for data_city in data_province['children']:
            city = data_city['name']# 城市
            confirm = data_city['total']['confirm']# 确诊
            confirm_add = data_city['today']['confirm']# 新增
            heal = data_city['total']['heal']# 治愈
            dead = data_city['total']['dead']# 死亡
            now.append((data_time, province, city, confirm_add, confirm, heal, dead))return confirms, confirms_add, heals, deads, now

# 获取历史数据defget_past(data):
    past ={}for data_day in data:
        data_time = data_day['date']# 获取最原始的时间
        time_deal = time.strptime(data_time,'%m.%d')# 根据指定的格式把一个时间字符串解析为时间元组
        date = time.strftime('%m-%d', time_deal)# 重新组成新的时间字符串
        past[date]={'confirm': data_day['confirm'],# 确诊'suspect': data_day['suspect'],# 疑似'heal': data_day['heal'],# 治愈'dead': data_day['dead']# 死亡}return past

四、数据库交互

对于数据库的相关知识，小白可参考我之前写的两篇文章：
【MySQL安装】MySQL的安装及环境配置
【MySQL语句】MySQL基础语句

在开始之前，需要创建一个数据库，我这里创建的是

covid

。

接着，需要连接数据库，以我的为例：

import pymysql

defmysql():
    db = pymysql.connect(host='localhost', user='root', password='填写自己的密码', database='covid', charset='utf8')
    cur = db.cursor()return db, cur

成功连接之后，就可以进行存取数据了。

以

插入

全国今日新增、累计确诊、治愈人数、死亡数据为例：

# 写入当日数据definsert_now(now):
    db, cur = mysql()try:
        cur.execute("DROP TABLE IF EXISTS 当日数据")# 写创建表的sql语句
        set_sql_now ="create table 当日数据(时间 varchar(100),省份 varchar(50),城市 varchar(50),新增确诊 int(11)," \
                      "确诊人数 int(11),治愈人数 int(11),死亡人数 int(11))ENGINE=InnoDB DEFAULT CHARSET=utf8"# 执行sql语句
        cur.execute(set_sql_now)# 保存
        db.commit()# 写入数据库
        save_sql_now ="insert into 当日数据 values(%s,%s,%s,%s,%s,%s,%s)"
        cur.executemany(save_sql_now, now)# now位置必须是个列表，列表里面的元素是数组
        db.commit()print('当日数据写入成功')except Exception as e:print('当日数据写入失败原因:%s'% e)

五、绘制前端页面

主要用到了Echarts提供的模板。ECharts 是一个使用 JavaScript 实现的开源可视化库，涵盖各行业图表，可免费使用。

Echarts官网如下：https://echarts.apache.org/zh/index.html

具体的使用可以到官方文档查看：https://echarts.apache.org/zh/api.html#echarts

六、Web程序开发

Flask是一个使用 Python编写的轻量级Web应用框架。其WSGl( Python Web Server Gateway Interface）工具包采用 Werkzeug,模板引擎则使用 Jinja2,是目前十分流行的Web框架。

使用pycharm创建一个flask项目,会自动帮我们生成两个文件夹【templates】【static】和一个python文件【app.py】，我们需要将写好的HTML文件放在【templates】目录下,CSS和JS放在【static】目录下。

数据的传输可以使用Ajax。Ajax是Asynchronous Javascript and XML的简称，通过Ajax向服务器发送请求，接收服务器返回的json数据，然后使用 Javascript修改网页，来实现页面局部数据更新。

基本格式如下：

$.ajax({type:"post",//请求类型
    url:"/目标路由",//请求地址
    data:{},//数据
    datatype:"json",
    success:function (data){//请求成功的回调函数，data是返回的数据
    }，
    error:function (){//请求失败时执行
    }}）

七、未来可期

文章到这里就要结束了，但故事还没有结局

如果本文对你有帮助，记得点个赞👍哟，也是对作者最大的鼓励🙇‍♂️。

如有不足之处可以在评论区👇多多指正，我会在看到的第一时间进行修正

作者：爱打瞌睡的CV君
CSDN：https://blog.csdn.net/qq_44921056
本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。