本篇文章將分享騰訊疫情實時數據抓取，獲取全國各地和貴州省各地區的實時數據，並將數據存儲至本地，最后調用 Maplotlib和Seaborn
繪制中國各地區、貴州省各城市、新增人數的圖形。希望這篇數據可視化分析文章對您有所幫助！
0 1
Python實時數據爬取
我們的目標網站是騰訊新聞網實時數據，其原理主要是通過 Requests獲取Json請求 ，從而得到各省、各市的疫情數據。
爬蟲目標網站：
1. 分析網站
通過瀏覽器 “審查元素”查看源代碼及“網絡”反饋的消息 ，如下圖所示：
對應的響應信息如下所示：
2. 發送請求並獲取Json數據
通過分析 url地址、請求方法、參數及響應格式 ，可以獲取Json數據， 注意url需要增加一個時間戳
。下面代碼展示了獲取數據的鍵值及34個省份。
輸出結果如下圖所示，其順序按照確診人數排序。
3. 獲取湖北省疫情數據
接着通過 num[0][‘children’] 獲取湖北省的疫情數據，代碼如下：
同樣的方法可以獲取各省份的數據，比如 num[1][‘children’]
表示廣東省疫情數據，我們設置循環就能獲取所有數據。其數據包括當日數據（today）和累計數據（total），confirm表示確診、suspect表示疑似、dead表示死亡、heal表示治愈。
我們將所抓取的數據和真實的數據進行對比，武漢截止2月13日下午4點，新增確診人數13436、累計確診32994，發現是完全一致的。
4. 獲取各省確診人數
注意，初始化每個省份人數為0，然后循環累加該省所有城市的確診人數，調用 city_data[‘total’][‘confirm’]
獲取各城市的確診數據。
輸出結果如下圖所示：
接下來我們分享可視化畫圖。
0 2
Matplotlib繪制柱狀圖
首先，我們調用Matplotlib繪制全國各地區的確診人數柱狀圖，幫助大家回憶其基本用法。 total_data為字典變量鍵值對 ，比如{‘湖北’:
48206, ‘廣東’: 1241,…}
代碼過長僅展示部分，完整代碼請添加客服領取
輸出結果如下圖所示：
那么，如果我想獲取累計確診人數、新增確診人數、死亡人數和治愈人數，並進行可視化展示，怎么辦呢？只需要簡單 替換參數 即可。
-
city_data[‘total’][‘confirm’] 確診人數
-
city_data[‘total’][‘suspect’] 疑似人數
-
city_data[‘total’][‘dead’] 死亡人數
-
city_data[‘total’][‘heal’] 治愈人數
-
city_data[‘today’][‘confirm’] 新增確診人數
代碼過長僅展示部分，完整代碼請添加客服領取
輸出如下圖所示，但是Matplotlib畫圖不太美觀，接下來分享 Seaborn可視化 。
0 3
數據存儲及Seaborn繪制柱狀圖
Seaborn是在Matplotlib的基礎上進行了更高級的API封裝，從而使得作圖更加容易，
在大多數情況下使用seaborn能做出很具有吸引力的圖， 而使用matplotlib就能制作具有更多特色的圖。
安裝：pip install seaborn
1. 文件寫入
代碼過長僅展示部分，完整代碼請添加客服領取
存儲成功之后，如下圖所示。
對應騰訊的數據，如下圖所示：
2. Seaborn繪制柱狀圖
代碼過長僅展示部分，完整代碼請添加客服領取
顯示結果如下圖所示：
0 4
Seaborn繪制對比柱狀圖
如果需要顯示多個數據對比，則需要使用下面的代碼。由於Seaborn能夠進行按類別分組繪圖，我們需要將抓取的數據存儲為如下圖所示的文件，才能將數據繪制在同一張圖中。
代碼過長僅展示部分，完整代碼請添加客服領取
此時繪制如下圖所示：
但是當數據很小時，其柱狀圖無法很好地顯示，建議采用以下方法處理：
-
歸一化處理
-
湖北省外和湖北省內對比
替換成新增確診病例的對比圖如下所示。
0 5
Seaborn繪制趨勢圖及對比圖
1. 湖北省內外對比圖
在做數據分析過程中，我們通常需要對數據進行 預處理或加工 ，下面將數據划分為湖北省內和湖北省外，再繪制對應的對比圖。
輸出結果如下圖所示：
2. 疫情趨勢圖
代碼過長僅展示部分，完整代碼請添加客服領取
輸出結果如下圖所示，疑似人數開始下降。武漢加油，中國必勝！
0 6
Seaborn繪制其他圖形及分析
作者這里 僅補充繪圖語法 ，更多分析結果（死亡數-治愈數）請讀者進行。同時，讀者可以增加數據量，全國所有城市的數據，可能繪制的圖形更為豐滿。
1. KDE圖
sns.jointplot(x=“dead”, y=“heal”, data=data, kind=“kde”, space=0, color="#6AB27B")
代碼過長僅展示部分，完整代碼請添加客服領取
顯示如下圖所示：
2. 六角形
sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, kind=‘hex’)
3. 散點圖
sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, s=50, kind=‘scatter’, space = 0.1, size = 8, ratio = 5)
4. 回歸圖
sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, kind=‘reg’)
5. 散點圖+KDE 圖
g = (sns.jointplot(x=“dead”, y=“heal”, data=data, color=“k”).plot_joint(sns.kdeplot, zorder=0, n_levels=6))
0 7
貴州省可視化分析
接着我們抓取某一個省的數據，比如貴州省。
輸出結果如下圖所示：
添加解析數據和存儲文件，完整代碼如下：
代碼過長僅展示部分，完整代碼請添加客服領取
完整輸出內容如下所示：
最后采用Seaborn繪制圖形如下所示：
代碼過長僅展示部分，完整代碼請添加客服領取
貴州省2月13日疫情顯示結果如下所示：
參考文章：
-
Python實戰：抓肺炎疫情實時數據，畫2019-nCoV疫情地圖
-
用Python抓新型冠狀病毒肺炎疫情數據，繪制全國疫情分布圖
-
2020Python開發者日：爬蟲框架的技術實現與模塊應用的經驗分享
End.
作者：Eastmount
來源：CSDN
https://blog.csdn.net/Eastmount/article/details/104298388
本文為轉載分享，如侵權請聯系后台刪除
零基礎學 Python，請往看下嘛
**只需7天時間，跨進Python編程大門，已有3800+加入 **
**【基礎】0基礎入門python，24小時有人快速解答問題； **
**【提高】40多個項目實戰，老手可以從真實場景中學習python； **
**【直播】不定期直播項目案例講解，手把手教你如何分析項目； **
**【分享】優質python學習資料分享，讓你在最短時間獲得有價值的學習資 ** **源； **
**圈友優質資料或學習分享，會不時給予贊賞支持，希望每個優質圈友既能賺回加入費用，也能快速成長，並享受分享與幫助他人的樂趣。 **
**【人脈】收獲一群志同道合的朋友，並且都是python從業者 **
**【價格】本着布道思想，只需 69元 加入一個能保證學習效果的良心圈子。 **
**【贈予】 ** **價值 ** **109元 0基礎入門在線課程 ** **，免費送給圈友們，供鞏固 **
