目前全球疫情仍然比較嚴重，為了能清晰地看到疫情爆發以來至現在全球疫情的變化趨勢，我繪製了一張疫情變化地圖。 廢話不多說，先上圖

下面就來重點介紹下上面這張圖的繪製過程，主要分為以下三個步驟：

• 資料收集
• 資料處理
• 畫圖

下面一個一個來說。

資料收集

這是萬里長城的第一步，俗話說“巧婦難為無米之炊”，既然是變化圖，當然需要每個國家、每天的現有確診病例數。好在現在各大網站都有疫情相關的專題頁，我們可以直接抓資料。以網易為例

我們選擇 XHR，重新重新整理下網頁可以看到有幾個介面，其中 list-total 介面是獲取當前所有有疫情的國家，以及對應的國家id。另外，我們看到還有一個 list-by-area-code 介面，它是獲取每個國家歷史上每天的疫情資料，請求這個介面需要帶 areaCode 引數，這個引數就是我們剛剛說的國家id。所以對我們來說這兩個介面是最重要的。下面我們就看看請求 list-total 介面的程式碼

def get_and_save_all_countries():
 """
 獲取所有的國家名以及對應的id，儲存為檔案
 """

 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編碼後中文程式設計\u開頭的字元
 write_file('./config/countries_id2name.json',area_json)

這裡將請求下來的資料臨時存放在檔案裡。有了所有的疫情國家的id，我們就可以請求 list-by-area-code 介面來獲取每個國家的疫情資料了。程式碼與上面的類似，不同的是將請求結果存在了 mongodb 而不是檔案，目的是為了方便增刪改查。當然為了大家方便使用，我將mongodb中的資料匯入了檔案 counties_daily.json 中，大家可以在原始碼根目錄找到它。

資料處理

這一步的處理主要是為第三步畫圖做準備的。因為我們畫圖用的是pyecharts框架，它繪製世界地圖需要輸入的國家名是英文的，而我們收集的國家名是中文的，所以要將中文國家名對應到英文國家名。最終的效果如下

網上能找到這樣的對應關係，但想要用起來還需要解決兩個問題。第一，兩邊中文名統一，比如：我們收集的國家名是中非共和國，而對應關係裡是中非，那還是對應不上。第二，需要自己增加對映關係，網上找的一般都不全，我們需要根據收集的資料自行增加。經過上面兩個步驟處理後，我們就可以將大部分國家名對應到pyechars能識別的英文名了。相關程式碼如下

def get_cy_properties():
 # 獲取配置檔案資訊
 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()}

 # 調整國家的名字與配置檔案一致
 cy_id2name_dict['879'] = '波斯尼亞和黑塞哥維那'
 cy_id2name_dict['8102'] = '多哥'
 cy_id2name_dict['8143'] = '剛果民主共和國'
 cy_id2name_dict['95983'] = '剛果'
 cy_id2name_dict['8144'] = '中非'
 cy_id2name_dict['95000011'] = '多明尼加'

 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

畫圖

這一步涉及到兩個核心過程——構造資料結構和畫圖。首先，我構造了3個數據結構，分別是date_list、cy_name_list 和 ncov_data。date_list存放的是日期列表，因為我們畫動圖，所以需要一段時間；cy_name_list 存放收集的所有國家列表（英文名）；ncov_data是一個字典，key是日期，value是陣列，存放各個國家當天的確診病例數。生成這三個資料結構的程式碼如下

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 = {}
 # 獲取各國每天現有確認病例
 for i,record in enumerate(records):
  cy_name = record['cy_en_name']
  cy_name_list.append(cy_name)

  # 解析每天資料並計算現有確認病例
  existing_case_dict = {}
  for ncov_daily in record['data']['list']:
   date_str = ncov_daily['date']
   confirm = ncov_daily['total']['confirm'] # 累計確診
   heal = ncov_daily['total']['heal'] # 累計確診
   dead = ncov_daily['total']['dead'] # 累計死亡

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

  last_existing_case = 0
  # 將每天確診病例數合併到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

引數 records 是一個數組，陣列每個元素代表一個國家，內容便是我們在第一步請求 list-by-area-code 介面的資料。最後，用 pyecharts 來畫圖，直接上程式碼

def render_map(date_list,ncov_data):
 tl = Timeline() # 建立時間線輪播多圖，可以讓圖形按照輸入的時間動起來
 # is_auto_play：自動播放
 # play_interval：播放時間間隔，單位：毫秒
 # is_loop_play：是否迴圈播放
 tl.add_schema(is_auto_play=True,play_interval=50,is_loop_play=False)

 for date_str in date_list: # 遍歷時間列表
  map0 = (
   Map() # 建立地圖圖表
   # 將國家名 cy_name_list 以及各國當天確診病例 ncov_data[date_str] 加入地圖中
   .add("全球疫情趨勢",[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)) # 不顯示國家名
   .set_global_opts(
    title_opts=opts.TitleOpts(title="%s日" % date_str),# 圖表標題
    visualmap_opts=opts.VisualMapOpts(max_=80),# 當確診病例大於80 ，地圖顏色是紅色
   )
  )
  tl.add(map0,"%s" % date_str) # 將當天的地圖狀態加入時間線中

 tl.render() # 生成最終輪播多圖，會在當前目錄建立 render.html 檔案

程式碼里加了註釋，這裡就不再贅述了。
執行 render_map 函式會在當前目錄生成 render.html 檔案，開啟後便自動播放疫情變化趨勢，如文章開頭 gif。另外，有些朋友可能會問，能不能直接輸出 gif。這一點我也嘗試過，百度、谷歌、GitHub上的教程基本上都試了一遍，比較遺憾沒有找到靠譜的方法。所以勸大家還是放棄這條路，曲線救國，錄製一個視訊轉成 gif 即可，方便快捷。畢竟人生苦短，Python 為我們節省下的時間不能再被這些無謂的坑再填回去。這樣整個過程就介紹完了，雖然思路不復雜，但區域性細節上還是需要花一些時間處理的。

完整程式碼共 230 行，需要的點選下載。

連結: https://pan.baidu.com/s/17nIHelAGviyNhftskB-rdA 提取碼: at9z

最近國內某些地方出現了反彈的跡象，希望大家無論是在工作還是生活上都能繼續保持警惕。希望這次疫情早點過去，等待全球地圖變白的那一天。

到此這篇關於Python繪製全球疫情變化地圖的例項程式碼的文章就介紹到這了,更多相關Python全球疫情變化地圖內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！