僅需100行代碼即可實(shí)現(xiàn)疫情地圖可視化，原理是什么？
前言
這個春節(jié)，大家都在密切關(guān)注著疫情的進(jìn)展。不少人每天醒來打開手機(jī)的第一件事，便是查看家鄉(xiāng)的疫情圖。你所看到的可能是這樣的：
??
??
又或者是這樣的：
疫情進(jìn)展?fàn)縿又覀兊男摹Ｗ鳛橐幻_發(fā)者，我們閉門在家為抗擊疫情做貢獻(xiàn)的同時，也可以繼續(xù)深耕自己的技術(shù)。此文章旨在向大家介紹疫情地圖可視化的原理，幫助大家深入理解echart。
核心思路
疫情圖的核心在于疫情數(shù)據(jù)整理以及疫情數(shù)據(jù)可視化。
疫情數(shù)據(jù)整理
本文疫情數(shù)據(jù)是由網(wǎng)易新聞的公開數(shù)據(jù)整理而成，僅用于demo 展示。數(shù)據(jù)的具體地址已在代碼中說明：此地址是一個 Get 請求，大家可以先拷貝地址到瀏覽器中查看數(shù)據(jù)格式。請求成功后服務(wù)端響應(yīng)的數(shù)據(jù)格式如下(文中僅羅列出我們需要的數(shù)據(jù)。
data 里面的參數(shù)
?
?
Object 里面的參數(shù)
?
?
疫情數(shù)據(jù)可視化
地圖是數(shù)據(jù)可視化的一種常用工具，我們用地圖來展示疫情的具體分布。本文采用的是開源的 pyecharts項(xiàng)目，方便開發(fā)者用于地圖展示。其中，pyecharts 是一個幫助生成 Echarts 圖表的類庫;而 Echarts 則是百度開源的數(shù)據(jù)可視化 JS 庫，支持折線圖、柱狀圖、散點(diǎn)圖、K線圖、餅圖、雷達(dá)圖、和弦圖、力導(dǎo)向布局圖、地圖、儀表盤、漏斗圖、事件河流圖等12類圖表，并可以在 PC 和移動設(shè)備上流暢地運(yùn)行，兼容當(dāng)前絕大部分瀏覽器。pyecharts 是在 Python 的基礎(chǔ)上對 Echarts 所進(jìn)行的擴(kuò)展。
原理詳解
接下來，本文將為大家詳細(xì)說明如何搭建環(huán)境、整合數(shù)據(jù)、使用 pyecharts 來做數(shù)據(jù)可視化以及如何調(diào)試項(xiàng)目。
環(huán)境搭建
為了快速開發(fā)此功能并且盡可能地縮減代碼量，此 demo 選擇使用 Python 來進(jìn)行開發(fā)。為此，我們應(yīng)該準(zhǔn)備好Python 的開發(fā)環(huán)境并導(dǎo)入python 基礎(chǔ)庫。
安裝 Python 環(huán)境
Mac 上面自帶了 Python2.7 ，其他機(jī)型的電腦可以參考網(wǎng)上相關(guān)的安裝教程
安裝 pip
pip 是 Python 包管理工具，使用該工具可以快速地對Python 包予以查找、下載、安裝、卸載等。如果你是在 python.org上下載的最新版本的安裝包，則系統(tǒng)已經(jīng)自帶該工具。此外， Python 2.7.9 + 和 Python 3.4+ 以上版本都自帶 pip 工具。可以使用“pip –version”命令行來查看當(dāng)前 pip 的版本。
如果本機(jī)沒有 配置Python 環(huán)境的，我們可以在線安裝，只需要在終端輸入以下 2 行命令即可。
$ curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
$ sudo python get-pip.py
安裝工程所需要的插件
在代碼中大家不難發(fā)現(xiàn)我們導(dǎo)入了一些開源的庫：
import math
import time
from fake_useragent import UserAgent
from pyecharts.charts import Map
from pyecharts import options as opts
import requests
import json
import sys
請求網(wǎng)絡(luò)數(shù)據(jù)需要用到的插件：
pip install fake_useragent # 偽裝請求，隨機(jī)生成UserAgent
pip install requests # HTTP請求庫。
地圖展示需要用到的插件：
pip install echarts-countries-pypkg # 世界地圖
pip install echarts-china-provinces-pypkg # 中國省級地圖
pip install echarts-china-cities-pypkg # 中國城市地圖
我們把上述的命令行復(fù)制到終端，逐行執(zhí)行即可。
數(shù)據(jù)整合& 過濾
代碼依然簡潔明了，我們可以直接使用 requests 庫構(gòu)建一個 GET 請求，服務(wù)器響應(yīng)的數(shù)據(jù)即為“ 全國所有城市的疫情情況”。
ua = UserAgent(verify_ssl=False)
headers = {'User-Agent': ua.random}
url = "https://c.m.163.com/ug/api/wuhan/app/index/feiyan-data-list?t=1580469818264"
def getEpidemicInfo(url):
try:
response = requests.get(url, headers=headers)
print(response.status_code)
if response.status_code == 200:
content_field = json.loads(response.text)
epidemicInfo = content_field['data']['list']
return epidemicInfo
else:
print('請求錯誤碼：' + response.status_code)
return None
except Exception as e:
print('此頁有問題！', e)
return None
請求地址里面的 t 代表時間戳。我們輸入上述代碼，計(jì)算機(jī)便會輸出前文所提及格式的數(shù)據(jù)。注意：拿到數(shù)據(jù)后還要進(jìn)行過濾，我們僅需獲得某個省份、自治州所包含的地級市或者是某個直轄市所包含的下屬區(qū)縣的疫情信息即可。
通過以下代碼，我們對有關(guān)數(shù)據(jù)予以篩選：
# 生成本省疫情列表
def makedict(list):
cityList = {}
for item in list:
for k, v in item.items():
# 1
if v == sys.argv[1]:
#2
if str(item["confirm"]).isdigit():
# 3
if v == "北京" or v == "上海" or v == "天津":
cityList[item['name'] + '區(qū)'] = int(item["confirm"])
elif "自治州" in v:
continue
else:
cityList[item['name'] + '市'] = int(item["confirm"])
return cityList
- sys.argv[1] 是一個傳參，代表我們手動輸入的省份、自治區(qū)、直轄市或特別行政區(qū)，比如浙江、新疆、北京、香港等;
- “confirm” 關(guān)鍵字用于匹配響應(yīng)結(jié)果的 value 值，在上文疫情數(shù)據(jù)整合里有提及，代表當(dāng)前城市的疫情人數(shù);
- pyecharts 是根據(jù)城市的全稱來適配的，此處需對數(shù)據(jù)格式中的地級市或者是下屬區(qū)縣進(jìn)行排查，如果有城市采用簡稱的，需要進(jìn)行調(diào)試，(如接口返回的城市名是恩施，我們則需要適配成恩施土家族苗族自治州)，從而防止地圖展示異常。
舉例來講，當(dāng)我們輸入浙江時，計(jì)算機(jī)最后輸出的數(shù)據(jù)格式為：
{'湖州市': 9, '麗水市': 16, '舟山市': 7, '衢州市': 15, '金華市': 47, '嘉興市': 30, '紹興市': 33, '寧波市': 126, '臺州市': 124, '杭州市': 151, '溫州市': 396}數(shù)據(jù)可視化
這是最核心的一步。makeEpidemicInfoMap方法里面的 dict 對應(yīng)我們過濾得到的數(shù)據(jù)：
def makeEpidemicInfoMap(dict):
# 省和直轄市
province_distribution = dict
value = province_distribution.values()
print(province_distribution)
title = str(int(time.strftime("%Y%m%d")) - 1) + sys.argv[1] + "疫情地圖"
epidemicCount = []
for k, v in dict.items():
epidemicCount.append(v)
# 1
epidemicCount.sort(reverse=True)
maxEpidemic = handle(epidemicCount.pop(0))
maxEpidemic = int(maxEpidemic)
# 2
map = Map()
# 3
map.set_global_opts(
title_opts=opts.TitleOpts(title=title),
visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True,
pieces=[
{"max": 9999999, "min": maxEpidemic, "label": ">" + str(maxEpidemic),
"color": "#780707"}, # 數(shù)據(jù)范圍分段，分顏色，可以根據(jù)數(shù)據(jù)大小具體分配大小
{"max": int(maxEpidemic), "min": int(maxEpidemic / 8) * 7,
"label": str(int(maxEpidemic / 8) * 7) + "-" + str(int(maxEpidemic)),
"color": "#B40404"},
{"max": int(maxEpidemic / 8) * 7, "min": int(maxEpidemic / 8) * 4,
"label": str(int(maxEpidemic / 8) * 4) + "-" + str(
int(maxEpidemic / 8) * 7 - 1), "color": "#CD1111"},
{"max": int(maxEpidemic / 8) * 4, "min": int(maxEpidemic / 8),
"label": str(int(maxEpidemic / 8)) + "-" + str(
int(maxEpidemic / 8) * 4 - 1), "color": "#F68181"},
{"max": int(maxEpidemic / 8), "min": 1,
"label": "1-" + str(int(maxEpidemic / 8)), "color": "#F5A9A9"},
{"max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
], ) # 最大數(shù)據(jù)范圍，分段
)
# 4
map.add(title, data_pair=province_distribution.items(), maptype=sys.argv[1], is_roam=True)
map.render(sys.argv[1] + '疫情地圖.html')
- 根據(jù)所選省份各城市的確診人數(shù)對所有城市進(jìn)行降序并得到當(dāng)前省份確診人數(shù)最多的城市名稱。maxEpidemic 是最接近該城市確診人數(shù)的高位數(shù)，比如當(dāng)前省份疫情最為嚴(yán)重的城市的確診數(shù)量為“357”，則 maxEpidemic=300 ，引入此參數(shù)的目的是讓地圖呈現(xiàn)效果更加清晰直觀。
- 用PyEcharts繪制地圖需要對Map對象進(jìn)行初始化，以用于地理區(qū)域數(shù)據(jù)的可視化。
- 以建造者模式對 map 進(jìn)行設(shè)值，其中，VisualMapOpts 是 PyEcharts 的視覺映射配置項(xiàng)。
# 指定 visualMapPiecewise 組件的最大值。
max =100
# 是否為分段型
is_piecewise: bool = False,
# 自定義的每一段的范圍，以及每一段的文字，以及每一段的特別的樣式。例如：
# pieces: [
# {"min": 1500}, // 不指定 max，表示 max 為無限大（Infinity）。
# {"min": 900, "max": 1500},
# {"min": 310, "max": 1000},
# {"min": 200, "max": 300},
# {"min": 10, "max": 200, "label": '10 到 200（自定義label）'},
# {"value": 123, "label": '123（自定義特殊顏色）', "color": 'grey'}, //表示 value 等于 123 的情況
# {"max": 5} // 不指定 min，表示 min 為無限大（-Infinity）。
# ]
詳細(xì)配置可以見 PyEcharts 官網(wǎng)。此處的范圍分為6 段，每一段的范圍均是根據(jù)上述計(jì)算出來的 maxEpidemic 進(jìn)行動態(tài)調(diào)整的，目的是為了保證疫情圖的視覺效果，這里面我僅是做了非常簡略的范圍模型，僅供參考
- 使用 PyEcharts 在當(dāng)前目錄下面生成一個網(wǎng)頁
調(diào)試
執(zhí)行 python map.py [省份]，如：
python /Users/xxx/map.py 浙江
會在當(dāng)前目錄下面得到一份名字為 浙江疫情地圖.html 的文件，直接使用瀏覽器打開即可，最后的展示效果是不是很酷。
?
?
?
?
?
?
總結(jié)
讀完此篇文章，希望大家可以對數(shù)據(jù)可視化有個初步的了解。全民戰(zhàn)“疫”期間，個推服務(wù)的腳步不會停歇，我們將一如既往地為開發(fā)者提供技術(shù)支持。此外，個推“防災(zāi)速報(bào)”小程序還上線了 “新型肺炎疫情實(shí)時動態(tài)”新功能，為大家進(jìn)行疫情防護(hù)提供可靠的數(shù)據(jù)支持。
