疫情数据分析与可视化

- python实现数据分析与可视化
前言
一、什么是Python爬虫？
二、Python爬虫相关知识
- 1.相关书籍资料推荐（建议谷歌打开）
- 2.数据获取
- 3.知识点
三、数据分析与可视化
- 1.安装
- 2.CSV表格操作
- 3.可视化
总结

python实现数据分析与可视化

前言

本文通过运用所学可视化知识，对现有的疫情数据进行简单分析，同时介绍爬虫相关知识

一、什么是Python爬虫？

Python爬虫即使用 Python程序开发的网络爬虫（网页蜘蛛，网络机器人），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。

二、Python爬虫相关知识

1.相关书籍资料推荐（建议谷歌打开）

https://python3webspider.cuiqingcai.com/

2.数据获取

数据集的获取是我们进行数据分析的第一步。现在获取数据的主要途径一般为：现成数据；自己写爬虫去爬取数据；使用现有的爬虫工具爬取所需内容，保存到数据库，或以文件的形式保存到本地。

博主用的是现有的数据进行数据分析。

3.知识点

request：
它是最基本的 HTTP 请求模块，可以用来模拟发送请求。就像在浏览器里输入网址然后回车一样，只需要给库方法传入 URL 以及额外的参数，就可以模拟实现这个过程了。

正则表达式：
贪婪匹配是尽可能匹配多的字符，非贪婪匹配就是尽可能匹配少的字符。在做匹配的时候，字符串中间尽量使用非贪婪匹配，也就是用 .? 来代替，以免出现匹配结果缺失的情况。但如果匹配的结果在字符串结尾，.*? 就有可能匹配不到任何内容了。

空值处理：

s.dropna(how='all')       #删除所有列值为空的行
s.dropna(axis=1)       #列有空值，删除
s.dropna(axis=1,how='all')      #列全为空值，删除，1为列 0为行
dropna()        #删除有空值的所有行列
s.fillna(0,inplace=True)

三、数据分析与可视化

1.安装

博主在jupyter notebook上通过pyecharts实现数据分析与可视化。现仅以jupyter和pyecharts为例示范。

jupyter安装（在命令提示符下输入）：

pip install jupyter

pyecharts安装（在命令提示符下输入）：

pip install pyecharts

可能遇到的问题及解决方案（管理员身份运行命令提示符）：

WARNING: You are using pip version 20.3.1; however, version 20.3.3 is available. You should consider

python -m pip install --upgrade pip -i https://pypi.douban.com/simple

2.CSV表格操作

表格读取：

data=pd.read_csv(r'C:\Users\XX\Desktop\2019_nCoV_data.csv',encoding='utf-8')

表格列删除：

data.drop(["Date","Province/State"],axis=1)  #删除Date,Province/State列

排列：

d1=data.sort_values(by=["Date","Confirmed"],ascending=False)[:10]#排列
d1

3.可视化

选出表格最后日期（2020.04.02），确诊人数最多的十个省制成饼图：

from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie
pie=(Pie().add("",[list(i) for i in zip(d1['Province/State'].values.tolist(),d1['Confirmed'].values.tolist())]))
pie.render_notebook()

分析：据图得湖北确诊人数最多，较为直观的显示出病毒爆发地

选出表格最后日期（2020.04.02）以及确诊人数最多的十个省，对比治愈与死亡人数：

line=(Line().add_xaxis(list(d1['Province/State'].values)).add_yaxis("治愈",d1['Recovered'].values.tolist()).add_yaxis("死亡",d1['Deaths'].values.tolist()).set_global_opts(title_opts=opts.TitleOpts(title="治愈与死亡"),legend_opts=opts.LegendOpts(pos_top="30%",pos_right="70%"),))
line.render_notebook()

分析：据图得治愈人数接近于死亡人数，病毒未完全控制

选出表格前六个地区，对比治愈与死亡人数：

bar=(Bar().add_xaxis(list(d1['Province/State'].values)[:6]).add_yaxis("治愈",d1['Recovered'].values.tolist()[:6]).add_yaxis("死亡",d1['Deaths'].values.tolist()[:6]).set_global_opts(title_opts=opts.TitleOpts(title="各地区治愈与死亡人数"),datazoom_opts=[opts.DataZoomOpts()],))
bar.render_notebook()

分析：据图得治愈人数高于死亡人数，但是情形不容乐观。

总结

以上就是所有的内容，本文仅仅简单介绍了爬虫及数据分析可视化，欢迎大家批评指正。

疫情数据分析与可视化相关推荐

新冠疫情数据可视化python_【一点资讯】新冠疫情数据分析 | Python可视化工具看全国各地的新增趋势 www.yidianzixun.com...
- 点击上方"中国统计网"订阅我吧!- 文末领取[腾讯疫情分析完整代码+数据包] 本篇文章将分享腾讯疫情实时数据抓取,获取全国各地和贵州省各地区的实时数据,并将数据存储至本地,最后 ...
Python疫情数据分析+数据可视化展示
采集流程一. 明确需求采集/确诊人数/新增人数二. 代码流程四大步骤发送请求获取数据网页源代码解析数据筛选一些我想用的数据保存数据保存成表格做数据可视化分析开始代码 1. 发 ...
美国伊利诺伊州疫情数据分析
美国伊利诺伊州疫情数据分析伊利诺伊州目前总确诊病例已经突破70万,昨天一天报告的新增案例高达7759例(感恩节黑五),近两周内新增15万新确诊病例,可见目前整体形势不容乐观,甚至有恶化的倾向.但事实 ...
【大数据平台】基于Spark的美国新冠肺炎疫情数据分析及预测
(本实验系中国地质大学(武汉)2022年秋期大数据平台及应用课程设计) 一.选题背景新型冠状病毒疫情是由严重急性呼吸系统综合征冠状病毒2(SARS-CoV-2)导致的2019冠状病毒病(COVID- ...
Python爬虫爬取疫情数据并可视化展示
这篇文章主要介绍了Python利用爬虫爬取疫情数据并进行可视化的展示,文中的示例代码讲解清晰,对工作或学习有一定的价值,需要的朋友可以参考一下.编程资料点击领取目录知识点开发环境爬虫完整代码 ...
【Python】2020年美国新冠肺炎疫情数据分析
2020年美国新冠肺炎疫情数据分析一. 需求描述二. 环境介绍三. 数据来源描述四. 数据上传及上传结果查看五.数据处理过程描述 1.数据集下载 2.格式转换 3.启动Hadoop集群 4. ...
2020年“泰迪杯”数据分析职业技能大赛B题疫情数据分析
一.背景 2020年1月新型冠状病毒(以下简称新冠)肺炎在极短时间内就在全球范围内大规模流行,据美国约翰斯·霍普金斯大学11月8日发布的新冠疫情最新统计数据显示,截至美国东部时间11月8日11时24分 ...
青年生命科学论坛报告：扩增子和宏基因组数据分析与可视化流程—刘永鑫(北京210606)...
感谢中科院动物所青促会组织的第三届青年生命科学论坛的邀请,参加本次大会,并和微生物所王军老师共同负责了<微生物组>专题的召集工作.感谢11位微生物组专题报告人的辛苦准备和分享. 现将本次1 ...
刘永鑫：20分钟讲解微生物组数据分析与可视化实战
编者按: 2020 年 12 月 21 日,国内著名英文期刊 Protein & Cell 与热心肠研究院合作,成功举办了"Protein & Cell人类微生物组专刊线上论 ...

疫情数据分析与可视化

疫情数据分析与可视化

python实现数据分析与可视化

前言

一、什么是Python爬虫？

二、Python爬虫相关知识

1.相关书籍资料推荐（建议谷歌打开）

2.数据获取

3.知识点

三、数据分析与可视化

1.安装

2.CSV表格操作

3.可视化

总结

疫情数据分析与可视化相关推荐

最新文章

热门文章