目前全球疫情仍然比较严重，为了能清晰地看到疫情爆发以来至现在全球疫情的变化趋势，我绘制了一张疫情变化地图。 废话不多说，先上图

下面就来重点介绍下上面这张图的绘制过程，主要分为以下三个步骤：

• 数据收集
• 数据处理
• 画图

下面一个一个来说。

数据收集

这是万里长城的第一步，俗话说“巧妇难为无米之炊”，既然是变化图，当然需要每个国家、每天的现有确诊病例数。好在现在各大网站都有疫情相关的专题页，我们可以直接抓数据。以网易为例

我们选择 XHR，重新刷新下网页可以看到有几个接口，其中 list-total 接口是获取当前所有有疫情的国家，以及对应的国家id。另外，我们看到还有一个 list-by-area-code 接口，它是获取每个国家历史上每天的疫情数据，请求这个接口需要带 areaCode 参数，这个参数就是我们刚刚说的国家id。所以对我们来说这两个接口是最重要的。下面我们就看看请求 list-total 接口的代码

def get_and_save_all_countries():
 """
 获取所有的国家名以及对应的id，保存为文件
 """

 url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total?t=317452696323'
 list_total_req = requests.get(url, headers=headers)
 if list_total_req.status_code == 200:
 area_tree = list_total_req.json()['data']['areaTree']

 area_dict = {}
 for area in area_tree:
  country_id = area['id']
  name = area['name']
  area_dict[country_id] = name

 area_json = json.dumps(area_dict, ensure_ascii=False) # ensure_ascii=False 防止json编码后中文编程\u开头的字符
 write_file('./config/countries_id2name.json', area_json)

这里将请求下来的数据临时存放在文件里。有了所有的疫情国家的id，我们就可以请求 list-by-area-code 接口来获取每个国家的疫情数据了。代码与上面的类似，不同的是将请求结果存在了 mongodb 而不是文件，目的是为了方便增删改查。当然为了大家方便使用，我将mongodb中的数据导入了文件 counties_daily.json 中，大家可以在源码根目录找到它。

数据处理

这一步的处理主要是为第三步画图做准备的。因为我们画图用的是pyecharts框架，它绘制世界地图需要输入的国家名是英文的，而我们收集的国家名是中文的，所以要将中文国家名对应到英文国家名。最终的效果如下

网上能找到这样的对应关系，但想要用起来还需要解决两个问题。第一，两边中文名统一，比如：我们收集的国家名是中非共和国，而对应关系里是中非，那还是对应不上。第二，需要自己增加映射关系，网上找的一般都不全，我们需要根据收集的数据自行增加。经过上面两个步骤处理后，我们就可以将大部分国家名对应到pyechars能识别的英文名了。相关代码如下

def get_cy_properties():
 # 获取配置文件信息
 countries_id2name = read_file('./config/countries_id2name.json')
 cy_id2name_dict = json.loads(countries_id2name)
 cy_ch2en = {v: k for k, v in countries_dict.items()}

 # 调整国家的名字与配置文件一致
 cy_id2name_dict['879'] = '波斯尼亚和黑塞哥维那'
 cy_id2name_dict['8102'] = '多哥'
 cy_id2name_dict['8143'] = '刚果民主共和国'
 cy_id2name_dict['95983'] = '刚果'
 cy_id2name_dict['8144'] = '中非'
 cy_id2name_dict['95000011'] = '多米尼加'

 cy_props = {}
 for key in cy_id2name_dict:
 cy_name = cy_id2name_dict[key]
 if cy_name in cy_ch2en:
  cy_props[cy_name] = {}
  cy_props[cy_name]['id'] = key
  cy_props[cy_name]['en_name'] = cy_ch2en[cy_name]

 return cy_props

画图

这一步涉及到两个核心过程——构造数据结构和画图。首先，我构造了3个数据结构，分别是date_list、cy_name_list 和 ncov_data。date_list存放的是日期列表，因为我们画动图，所以需要一段时间；cy_name_list 存放收集的所有国家列表（英文名）；ncov_data是一个字典，key是日期，value是数组，存放各个国家当天的确诊病例数。生成这三个数据结构的代码如下

def parse_ncov_data(start_date, end_date, records):
 if not records:
  return

 date_list = get_date_range(start_date, end_date)
 cy_name_list = []
 res = {}
 # 获取各国每天现有确认病例
 for i, record in enumerate(records):
  cy_name = record['cy_en_name']
  cy_name_list.append(cy_name)

  # 解析每天数据并计算现有确认病例
  existing_case_dict = {}
  for ncov_daily in record['data']['list']:
   date_str = ncov_daily['date']
   confirm = ncov_daily['total']['confirm'] # 累计确诊
   heal = ncov_daily['total']['heal'] # 累计确诊
   dead = ncov_daily['total']['dead'] # 累计死亡

   existing_case = confirm - heal - dead
   existing_case_dict[date_str] = existing_case

  last_existing_case = 0
  # 将每天确诊病例数合并到res中
  for date_str in date_list:
   if date_str not in res: # 初始化
    res[date_str] = []

   existing_case = existing_case_dict.get(date_str)
   if existing_case is None:
    existing_case = last_existing_case
   res[date_str].append(existing_case)

   last_existing_case = existing_case

 return date_list, cy_name_list, res

参数 records 是一个数组，数组每个元素代表一个国家，内容便是我们在第一步请求 list-by-area-code 接口的数据。最后，用 pyecharts 来画图，直接上代码

def render_map(date_list, cy_name_list, ncov_data):
 tl = Timeline() # 创建时间线轮播多图，可以让图形按照输入的时间动起来
 # is_auto_play：自动播放
 # play_interval：播放时间间隔，单位：毫秒
 # is_loop_play：是否循环播放
 tl.add_schema(is_auto_play=True, play_interval=50, is_loop_play=False)

 for date_str in date_list: # 遍历时间列表
  map0 = (
   Map() # 创建地图图表
   # 将国家名 cy_name_list 以及各国当天确诊病例 ncov_data[date_str] 加入地图中
   .add("全球疫情趋势", [list(z) for z in zip(cy_name_list, ncov_data[date_str])], 
    "world", is_map_symbol_show=False)
   .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示国家名
   .set_global_opts(
    title_opts=opts.TitleOpts(title="%s日" % date_str), # 图表标题
    visualmap_opts=opts.VisualMapOpts(max_=80), # 当确诊病例大于80 ，地图颜色是红色
   )
  )
  tl.add(map0, "%s" % date_str) # 将当天的地图状态加入时间线中

 tl.render() # 生成最终轮播多图，会在当前目录创建 render.html 文件

代码里加了注释，这里就不再赘述了。
运行 render_map 函数会在当前目录生成 render.html 文件，打开后便自动播放疫情变化趋势，如文章开头 gif。另外，有些朋友可能会问，能不能直接输出 gif。这一点我也尝试过，百度、谷歌、GitHub上的教程基本上都试了一遍，比较遗憾没有找到靠谱的方法。所以劝大家还是放弃这条路，曲线救国，录制一个视频转成 gif 即可，方便快捷。毕竟人生苦短，Python 为我们节省下的时间不能再被这些无谓的坑再填回去。这样整个过程就介绍完了，虽然思路不复杂，但局部细节上还是需要花一些时间处理的。

完整代码共 230 行，需要的点击下载。

链接: https://pan.baidu.com/s/17nIHelAGviyNhftskB-rdA 提取码: at9z

最近国内某些地方出现了反弹的迹象，希望大家无论是在工作还是生活上都能继续保持警惕。希望这次疫情早点过去，等待全球地图变白的那一天。

到此这篇关于Python绘制全球疫情变化地图的实例代码的文章就介绍到这了,更多相关Python全球疫情变化地图内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！