实时追踪，如何用Python画新冠状病毒疫情地图？

作者 | 天元浪子

来源 | CSDN博客

文章目录

1. 前言

2. 数据下载

3. 数据处理

4. 数据可视化

前言

今天，本文作者所在的群里白垩老师问如何用python画武汉肺炎疫情地图。白垩老师是研究海洋生态与地球生物的学者，国家重点实验室成员，于不惑之年学习python，实为我等学习楷模。先前我并没有关注武汉肺炎的具体数据，也没有画过类似的数据分布图。于是就拿了两个小时，专门研究了一下，遂成此文。

数据下载

网上一搜，首先搜到的是腾讯的疫情实时追踪，那就用这个数据源吧。

有了网址怎么抓数据呢？这里，我送大家一双火眼金睛，可以从纷乱中找到最靠谱的下载方式。我习惯用FireFox浏览器，下面的讲解就以FireFox为例（其他浏览器基本类似）。

打开菜单，点击“Web开发者”，在递进菜单中选择"网络"：

刷新页面，我们很快就能发现，应答类型为json格式的这个请求，最有可能包含我们需要的数据了：

深入分析，我们就得到了url地址、请求方法、参数、应答格式等信息。查询参数中，callback是回调函数名，我们可以尝试置空，_应该是以毫秒为单位的当前时间戳。有了这些信息，分分钟就可以抓到数据了。我们先在IDLE中以交互方式抓一下看看效果：




    
>>> import time, json, requests>>> url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_area_counts&callback=&_=%d'%int(time.time()*1000)>>> data = json.loads(requests.get(url=url).json()['data'])>>> print(len(data))301>>> print(data[0]){'country': '中国', 'area': '湖北', 'city': '武汉', 'confirm': 698, 'suspect': 0, 'dead': 63, 'heal': 42}>>> print(data[-1]){'country': '中国', 'area': '山东', 'city': '枣庄', 'confirm': 2, 'suspect': 0, 'dead': 0, 'heal': 0}

只要两行代码，就可以抓到数据了。怎么样，是不是超级简单？

数据处理

以省为单位画疫情图，我们只需要统计同属一个省的所有地市的确诊数据即可。最终的数据抓取代码如下：

import time, json, requests
def catch_distribution():    """抓取行政区域确诊分布数据"""        data = dict()    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_area_counts&callback=&_=%d'%int(time.time()*1000)    for item in json.loads(requests.get(url=url).json()['data']):        if item['area'] not in data:            data.update({item['area']:0})        data[item['area']] += int(item['confirm'])        return data

数据可视化

数据可视化，我习惯使用matplotlib模块。matplotlib有很多扩展工具包（toolkits），比如，画3D需要mplot3d工具包，画地图的话，则需要basemap工具包，以及处理地图投影的pyproj模块。另外画海陆分界线、国界线、行政分界线等还需要shape数据。所需模块请自行安装，shape文件可以从这里下载，绘图用到的矢量字库可以从自己的电脑上随便找一个（我用的是simsun.ttf）。我的主程序是2019nCoV.py，shape文件下载下来之后，是这样保存的：

以下为全部代码，除了疫情地图，还包括了全国每日武汉肺炎确诊数据的下载和可视化。

# -*- coding: utf-8 -*-



    
import timeimport jsonimport requestsfrom datetime import datetimeimport numpy as npimport matplotlibimport matplotlib.figurefrom matplotlib.font_manager import FontPropertiesfrom matplotlib.backends.backend_agg import FigureCanvasAggfrom matplotlib.patches import Polygonfrom matplotlib.collections import PatchCollectionfrom mpl_toolkits.basemap import Basemapimport matplotlib.pyplot as pltimport matplotlib.dates as mdates
plt.rcParams['font.sans-serif'] = ['FangSong']  # 设置默认字体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像时'-'显示为方块的问题
def catch_daily():    """抓取每日确诊和死亡数据"""        url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts&callback=&_=%d'%int(time.time()*1000)    data = json.loads(requests.get(url=url).json()['data'])    data.sort(key=lambda x:x['date'])        date_list = list() # 日期    confirm_list = list() # 确诊    suspect_list = list() # 疑似    dead_list = list() # 死亡    heal_list = list() # 治愈    for item in data:        month, day = item['date'].split('.')        date_list.append(datetime.strptime('2020-%s-%s'%(month, day), '%Y-%m-%d'))        confirm_list.append(int(item['confirm']))        suspect_list.append(int(item['suspect']))        dead_list.append(int(item['dead']))        heal_list.append(int(item['heal']))        return date_list, confirm_list, suspect_list, dead_list, heal_list
def catch_distribution():    """抓取行政区域确诊分布数据"""        data = {'西藏':0}    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_area_counts&callback=&_=%d'%int(time.time()*1000)    for item in json.loads(requests.get(url=url).json()['data']):        if item['area'] not in data:            data.update({item['area']:0})        data[item['area']] += int(item['confirm'])        return data
def plot_daily():    """绘制每日确诊和死亡数据"""        date_list, confirm_list, suspect_list, dead_list, heal_list = catch_daily() # 获取数据        plt.figure('2019-nCoV疫情统计图表', facecolor='#f4f4f4', figsize=(10, 8))    plt.title('2019-nCoV疫情曲线', fontsize=20)        plt.plot(date_list, confirm_list, label='确诊')    plt.plot(date_list, suspect_list, label='疑似')    plt.plot(date_list, dead_list, label='死亡')    plt.plot(date_list, heal_list, label='治愈')        plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m-%d')) # 格式化时间轴标注    plt.gcf().autofmt_xdate() # 优化标注（自动倾斜）    plt.grid(linestyle=':') 


    
# 显示网格    plt.legend(loc='best') # 显示图例    plt.savefig('2019-nCoV疫情曲线.png') # 保存为文件    #plt.show()
def plot_distribution():    """绘制行政区域确诊分布数据"""        data = catch_distribution()        font = FontProperties(fname='res/simsun.ttf', size=14)    lat_min = 0    lat_max = 60    lon_min = 70    lon_max = 140        handles = [            matplotlib.patches.Patch(color='#ffaa85', alpha=1, linewidth=0),            matplotlib.patches.Patch(color='#ff7b69', alpha=1, linewidth=0),            matplotlib.patches.Patch(color='#bf2121', alpha=1, linewidth=0),            matplotlib.patches.Patch(color='#7f1818', alpha=1, linewidth=0),]    labels = [ '1-9人', '10-99人', '100-999人', '>1000人']        fig = matplotlib.figure.Figure()    fig.set_size_inches(10, 8) # 设置绘图板尺寸    axes = fig.add_axes((0.1, 0.12, 0.8, 0.8)) # rect = l,b,w,h    m = Basemap(llcrnrlon=lon_min, urcrnrlon=lon_max, llcrnrlat=lat_min, urcrnrlat=lat_max, resolution='l', ax=axes)    m.readshapefile('res/china-shapefiles-master/china', 'province', drawbounds=True)    m.readshapefile('res/china-shapefiles-master/china_nine_dotted_line', 'section', drawbounds=True)    m.drawcoastlines(color='black') # 洲际线    m.drawcountries(color='black')  # 国界线    m.drawparallels(np.arange(lat_min,lat_max,10), labels=[1,0,0,0]) #画经度线    m.drawmeridians(np.arange(lon_min,lon_max,10), labels=[0,0,0,1]) #画纬度线        for info, shape in zip(m.province_info, m.province):        pname = info['OWNER'].strip('\x00')        fcname = info['FCNAME'].strip('\x00')        if pname != fcname: # 不绘制海岛            continue                for key in data.keys():            if key in pname:                if data[key] == 0:                    color = '#f0f0f0'                elif data[key] < 10:                    color = '#ffaa85'                elif data[key] <100:                    color = '#ff7b69'                elif  data[key] < 1000:                    color = '#bf2121'                else:                    color = '#7f1818'                break                poly = Polygon(shape, facecolor=color, edgecolor=color)        axes.add_patch(poly)        axes.legend(handles, labels, bbox_to_anchor=(0.5, -0.11), loc='lower center', ncol=4, prop=font)    axes.set_title("2019-nCoV疫情地图", fontproperties=font)    FigureCanvasAgg(fig)    fig.savefig('2019-nCoV疫情地图.png')
if __name__ == '__main__':    plot_daily()


    
    plot_distribution()

2019-nCoV疫情曲线:

2019-nCoV疫情地图:

上图为圆柱投影，这也是basemap默认的投影模式，我们还可以换用其他投影模式，比如兰勃托等角投影，只需要将97行代码改为：

m = Basemap(projection='lcc', width=5000000, height=5000000, lat_0=36, lon_0=102, resolution='l', ax=axes)

兰勃托投影效果如下：

还可以使用正射投影：

m = Basemap(projection='ortho', lat_0=30, lon_0=105, resolution='l', ax=axes)

正射投影效果如下：

原文链接：

https://blog.csdn.net/xufive/article/details/104093197

热文 推荐

☞@开发者，带上装备，开源项目wuhan2020等你一起组建“技术武装队伍”

☞硬核！C语言八大排序算法，附动图和详细代码解释！

☞疫情严重，潜伏期也有传染性？科技公司在行动

☞ 奥利给！前端程序媛妹妹 9 点总结入职半年的成长史

☞2019女性开发者报告：3成16岁就会编程、JS/Python成女性掌握最多语言

☞为了让自己快乐，我在36岁辞职了

☞十步，教你把Python运行速度提升 30%

你点的每个“在看”，我都认真当成了喜欢