用Python繪製全球疫情變化地圖

目前全球疫情仍然比較嚴重，爲了能清晰地看到疫情爆發以來至如今全球疫情的變化趨勢，我繪製了一張疫情變化地圖，完整代碼共 230 行，須要的朋友在公衆號回覆關鍵字 疫情地圖 便可。廢話很少說，先上圖

下面就來重點介紹下上面這張圖的繪製過程，主要分爲如下三個步驟：

• 數據收集

• 數據處理

• 畫圖

下面一個一個來講。
數據收集

這是萬里長城的第一步，俗話說「巧婦難爲無米之炊」，既然是變化圖，固然須要每一個國家、天天的現有確診病例數。好在如今各大網站都有疫情相關的專題頁，咱們能夠直接抓數據。以網易爲例

咱們選擇 XHR，從新刷新下網頁能夠看到有幾個接口，其中 list-total 接口是獲取當前全部有疫情的國家，以及對應的國家id。另外，咱們看到還有一個 list-by-area-code 接口，它是獲取每一個國家歷史上天天的疫情數據，請求這個接口須要帶 areaCode 參數，這個參數就是咱們剛剛說的國家id。因此對咱們來講這兩個接口是最重要的。下面咱們就看看請求 list-total 接口的代碼

def get_and_save_all_countries():
    """ 獲取全部的國家名以及對應的id，保存爲文件 """

    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編碼後中文編程\u開頭的字符
        write_file('./config/countries_id2name.json', area_json)複製代碼

這裏將請求下來的數據臨時存放在文件裏。有了全部的疫情國家的id，咱們就能夠請求 list-by-area-code 接口來獲取每一個國家的疫情數據了。代碼與上面的相似，不一樣的是將請求結果存在了 mongodb 而不是文件，目的是爲了方便增刪改查。固然爲了你們方便使用，我將mongodb中的數據導入了文件 counties_daily.json 中，你們能夠在源碼根目錄找到它。

數據處理

這一步的處理主要是爲第三步畫圖作準備的。由於咱們畫圖用的是pyecharts框架，它繪製世界地圖須要輸入的國家名是英文的，而咱們收集的國家名是中文的，因此要將中文國家名對應到英文國家名。最終的效果以下

網上能找到這樣的對應關係，但想要用起來還須要解決兩個問題。第一，兩邊中文名統一，好比：咱們收集的國家名是中非共和國，而對應關係裏是中非，那仍是對應不上。第二，須要本身增長映射關係，網上找的通常都不全，咱們須要根據收集的數據自行增長。通過上面兩個步驟處理後，咱們就能夠將大部分國家名對應到pyechars能識別的英文名了。相關代碼以下

def get_cy_properties():
    # 獲取配置文件信息
    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()}

    # 調整國家的名字與配置文件一致
    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複製代碼

畫圖

這一步涉及到兩個核心過程——構造數據結構和畫圖。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，由於咱們畫動圖，因此須要一段時間；cy_name_list 存放收集的全部國家列表（英文名）；ncov_data是一個字典，key是日期，value是數組，存放各個國家當天的確診病例數。生成這三個數據結構的代碼以下

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

        # 解析天天數據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
        # 將天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複製代碼

參數 records 是一個數組，數組每一個元素表明一個國家，內容即是咱們在第一步請求 list-by-area-code 接口的數據。最後，用 pyecharts 來畫圖，直接上代碼

def render_map(date_list, cy_name_list, ncov_data):
    tl = Timeline()  # 建立時間線輪播多圖，可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：是否循環播放
    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 文件複製代碼

代碼里加了註釋，這裏就再也不贅述了。
運行 render_map 函數會在當前目錄生成 render.html 文件，打開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。因此勸你們仍是放棄這條路，曲線救國，錄製一個視頻轉成 gif 便可，方便快捷。畢竟人生苦短，Python 爲咱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，但局部細節上仍是須要花一些時間處理的。完整代碼共 230 行，須要的朋友在公衆號回覆關鍵字 疫情地圖 便可。

最近國內某些地方出現了反彈的跡象，但願你們不管是在工做仍是生活上都能繼續保持警戒。但願此次疫情早點過去，等待全球地圖變白的那一天。

歡迎公衆號「渡碼」，輸出別地兒看不到的乾貨。