如何用 Python 绘制玫瑰图等常见疫情图
程序员文章站
2022-04-15 23:28:04
新冠疫情已经持续好几个月了，目前，我国疫情已经基本控制住了，而欧美国家正处于爆发期，我们会看到很多网站都提供了多种疫情统计图，今天我们使用 Python 的 pyecharts 框架来绘制一些比较常见的统计图。 玫瑰图 首先，我们来绘制前段时间比较火的南丁格尔玫瑰图，数据来源我们通过接口 来获取，我 ......
新冠疫情已经持续好几个月了，目前，我国疫情已经基本控制住了，而欧美国家正处于爆发期，我们会看到很多网站都提供了多种疫情统计图，今天我们使用 python 的 pyecharts 框架来绘制一些比较常见的统计图。
玫瑰图
首先，我们来绘制前段时间比较火的南丁格尔玫瑰图，数据来源我们通过接口 `https://lab.isaaclin.cn/ncov/zh` 来获取，我们取疫情中死亡人数超过 2000 的国家的数据，实现代码如下：
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]))
# 名称有重复的，把国家名作为 key 吧
country_list = ds.keys()
count_list = ds.values()
# 随机颜色生成
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))
# 创建饼图
pie = pie(init_opts=opts.initopts(width='800px', height='900px'))
# 添加数据
pie.add("", [list(z) for z in zip(country_list, count_list)],
radius=['20%', '100%'],
center=['60%', '65%'],
rosetype='area')
# 设置全局配置
# pie.set_global_opts(title_opts=opts.titleopts(title='南丁格尔玫瑰图'),
# legend_opts=opts.legendopts(is_show=false))
# 设置全局配置项
pie.set_global_opts(title_opts=opts.titleopts(title='全球新冠疫情',subtitle='死亡人数超过\n2000 的国家',
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))
# 设置系列配置和颜色
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('南丁格尔玫瑰图.html')
看一下效果图：
全球疫情地图
接着我们来绘制全球疫情地图，我们取各个国家的累计死亡人数的数据，代码实现如下所示：
url = 'https://lab.isaaclin.cn/ncov/api/area'
data = 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('累计死亡人数', 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='全球疫情累计死亡人数地图'),
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='全球疫情地图.html')
看一下效果图：
中国疫情地图
我们接着绘制我国的疫情地图，数据取各个省份累计确诊人数的数据，代码实现如下所示：
url = 'https://lab.isaaclin.cn/ncov/api/area'
data = requests.get(url).json()
province_data = []
for item in data['results']:
if item['countryname'] == '中国':
province_data.append((item['provinceshortname'], item['confirmedcount']))
china_map = (
map(init_opts=opts.initopts(theme='dark'))
.add('确诊人数', 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="中国疫情累计确诊人数地图"),
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='中国疫情地图.html')
看一下效果图：
热力图
我们再接着来绘制热力图，我们还是取我国各个省份确诊的数据，实现代码如下所示：
url = 'https://lab.isaaclin.cn/ncov/api/area'
data = requests.get(url).json()
cities_data = []
for item in data['results']:
if item['countryname'] == '中国':
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('累计确诊人数',
[(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='中国疫情热力图',
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='中国疫情热力图.html')
看一下效果图：
柱状图
我们接着来绘制柱状图，这次我们取一个省份的数据，因为湖北省确诊人数最多，我们就用这个省的数据吧，实现代码如下所示：
url = 'https://lab.isaaclin.cn/ncov/api/area'
data = requests.get(url).json()
for item in data['results']:
if item['provinceshortname'] == '湖北':
hb_data = item['cities']
hb_bar = (
bar(init_opts=opts.initopts(theme='dark'))
.add_xaxis([hd['cityname'] for hd in hb_data])
.add_yaxis('累计确诊人数', [hd['confirmedcount'] for hd in hb_data])
.add_yaxis('累计治愈人数', [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="湖北新冠疫情确诊及治愈情况"),
legend_opts=opts.legendopts(is_show=true)
)
)
hb_bar.render(path='湖北新冠疫情图.html')
看一下效果图：
折线图
目前上面的接口已经不提供返回时间序列的数据了，但在 github 上提供了数据仓库，有 json 和 csv 两种格式，因 github 网速太差，我尝试了几次也未能将数据下载下来，所以我们直接用微信上展示的数据吧，代码实现如下所示：
x_data = ['2-06', '2-13', '2-20', '2-27', '3-05', '3-12', '3-19', '3-26', '4-02', '4-09', '4-17']
# 现有确诊
y1_data = [20677, 46537, 49156, 36829, 22695, 13171, 6287, 2896, 987, 351, 122]
# 累计治愈
y2_data = [817, 4131, 11788, 26403, 41966, 51533, 58381, 61731, 63612, 64236, 63494]
line = (line()
.add_xaxis(x_data)
.add_yaxis('现有确诊', y1_data, color='#10aeb5')
.add_yaxis('累计治愈', y2_data, color='#e83132')
.set_series_opts(label_opts=opts.labelopts(is_show=true))
.set_global_opts(
title_opts=opts.titleopts(title='中国疫情随时间变化趋势')
))
line.render(path='中国疫情折线图.html')
看一下效果图：
如果需要源码，可以扫描下面二维码，后台回复 200418 自行领取。