Python绘制新冠肺炎疫情图

写在前面的话

       在《诗经·秦风》中有一篇叫做《无衣》的诗歌，其中这样写道：岂曰无衣？与子同袍，与子同仇！岂曰无衣？与子同泽，与子偕作！岂曰无衣？与子同裳，与子偕行！这句话的意思就是：谁说没有衣裳？和你穿同样的战袍，和你同仇敌忾！谁说没有衣裳？和你穿同样的内衣，和你共同作准备！谁说没有衣裳？和你穿同样的战裙，和你共同上前线！

       新型冠状病毒感染引发肺炎疫情，各地物资紧急调配驰援武汉，全力以赴，坚决打赢疫情防控的阻击战。岂曰无衣？与子同袍、与子同泽、与子同裳！我们的故事便从这里开始说起……

---

目录

一、数据分析

二、获取数据

三、绘制疫情图

四、测试

五、完整代码地址

---

一、数据分析

       首先我们需要找到新冠肺炎的实时数据，类似于支付宝上每天更新的实时数据（由于没有找到支付宝的实时更新数据，这里使用腾讯网的实时更新数据，也可以使用其他网站数据）。

       下面便以谷歌浏览器为例进行说明，使用快捷键“F12”之后刷新页面，出现如下界面。

       通过分析发现，以下的两部分为需要的数据。

       于是我们得到了需要的url等基本信息，根据获得的信息，我们可以先打印出数据进行查看。

import time
import json
import requests

ts = int(time.time()*1000)  # 时间戳
data_url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%ts
print("url：" + data_url)

data = json.loads(requests.get(url=data_url).json()['data'])  # requests库获取数据
data = data['areaTree'][0]['children']
print(data)

       部分结果如下：

url：https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=1583757380728
[{'name': '湖北', 'today': {'confirm': 36, 'confirmCuts': 0, 'isUpdated': True, 'tip': ''}, 'total': {'confirm': 67743, 'suspect': 0, 'dead': 3007, 'deadRate': '4.44', 'showRate': False, 'heal': 46433, 'healRate': '68.54', 'showHeal': True}, 'children': [{'name': '武汉', 'today': {'confirm': 36, 'confirmCuts': 0, 'isUpdated': True}, 'total': {'confirm': 49948, 'suspect': 0, 'dead': 2388, 'deadRate': '4.78', 'showRate': False, 'heal': 30933, 'healRate': '61.93', 'showHeal': True}}, {'name': '孝感', 'today': {'confirm': 0, 'confirmCuts': 0, 'isUpdated': True}, 'total': {'confirm': 3518, 'suspect': 0, 'dead': 126, 'deadRate': '3.58', 'showRate': False, 'heal': 3057, 'healRate': '86.90', 'showHeal': True}}, {'name': '黄冈', 'today': {'confirm': 0, 'confirmCuts': 0, 'isUpdated': True}, 'total': {'confirm': 2907, 'suspect': 0, 'dead': 125, 'deadRate': '4.30', 'showRate': False, 'heal': 2641, 'healRate': '90.85', 'showHeal': True}}, {'name': '荆州', 'today': {'confirm': 0, 'confirmCuts': 0, 'isUpdated': True}, 'total': {'confirm': 1580, 'suspect': 0, 'dead': 49, 'deadRate': '3.10', 'showRate': False, 'heal': 1410, 'healRate': '89.24', 'showHeal': True}}, {'name': '鄂州', 'today': {'confirm': 0, 'confirmCuts': 0, 'isUpdated': True}, 'total': {'confirm': 1394, 'suspect': 0, 'dead': 54, 'deadRate': '3.87', 'showRate': False, 'heal': 1030, 'healRate': '73.89', 'showHeal': True}}, {'name': '随州', 'today': {'confirm': 0, 'confirmCuts': 0, 'isUpdated': True}, 'total': {'confirm': 1307, 'suspect': 0, 'dead': 44, 'deadRate': '3.37', 'showRate': False, 'heal': 1104, 'healRate': '84.47', 'showHeal': True}}, {'name': '襄阳', 'today': {'confirm': 0, 'confirmCuts': 0, 'isUpdated': True}, 'total': {'confirm': 1175, 'suspect': 0, 'dead': 38, 'deadRate': '3.23', 'showRate': False, 'heal': 1064, 'healRate': '90.55', 'showHeal': True}},...

二、获取数据

       既然可以通过如此简单的方法获取数据，我们接下来就需要获取我们需要的数据。

       1、首先需要获取每天的数据。

def get_everyday_data(everyday_data_url):
    '''
    获取每天的数据
    :param everyday_data_url: 存放每天数据的路径
    :return: 返回每天的数据列表，分确诊、疑似、死亡和治愈
    '''
    data = json.loads(requests.get(url=everyday_data_url).json()['data'])  # 获取数据
    data.sort(key=lambda x: x['date'])  # 将数据按照时间升序排序

    # 定义相关数据列表：日期列表、确诊列表、疑似列表、死亡列表、治愈列表
    date_list, confirm_list, suspect_list, dead_list, heal_list = list(), list(), list(), list(), list()

    # 迭代数据，得到需要的数据
    for item in data:
        month, day = item['date'].split('/')
        date_list.append(datetime.strptime('2020-%s-%s' % (month, day), '%Y-%m-%d'))  # 格式化日期
        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

       2、获取各区域确诊分布数据。

def get_area_distribution_data(area_distribution_data_url):
    '''
    获取各区域确诊分布数据
    :param area_distribution_data_url: 存放区域分布数据的路径
    :return: 返回各区域确诊的字典数据
    '''
    result_data = {}  # 存储结果数据的字典
    data = json.loads(requests.get(url=area_distribution_data_url).json()['data'])['areaTree'][0]['children']  # 获取数据

    # 迭代数据，获取需要的数据
    for item in data:
        if item['name'] not in result_data:  # 将区域名称设置为字典的key
            result_data.update({item['name']: 0})

        for city_data in item['children']:  # 将确诊数据作为字典的value
            result_data[item['name']] += int(city_data['total']['confirm'])

    return result_data

三、绘制疫情图

       使用matplotlib库进行疫情图的绘制，主代码如下：

       1、绘制每日疫情曲线图

def plot_curve_graph():
    '''
    绘制每日疫情曲线图
    :return:
    '''
    date_list, confirm_list, suspect_list, dead_list, heal_list = get_everyday_data(everyday_data_url)  # 获取每天的数据

    # 设置标题等相关参数
    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)

    # 画图
    plt.plot(date_list, confirm_list, label='确诊')
    plt.plot(date_list, suspect_list, label='疑似')
    plt.plot(date_list, heal_list, label='治愈')
    plt.plot(date_list, dead_list, label='死亡')

    plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m-%d'))  # 格式化时间
    plt.gcf().autofmt_xdate()  # 优化标注，添加自动倾斜功能
    plt.grid(linestyle=':')  # 显示网格
    plt.legend()  # 显示图例
    plt.savefig('2019-nCoV疫情曲线.png')  # 保存为文件

       2、绘制各区域确诊分布图

def plot_distribution_graph(province_positions):
    '''
    绘制各区域确诊分布图
    :param province_positions: 各省位置
    :return:
    '''
    data = get_area_distribution_data(area_distribution_data_url)  # 获取各区域确诊分布数据

    # 相关参数设置
    width, height, rect, lat_min, lat_max, lon_min, lon_max = 1600, 800, [0.1, 0.12, 0.8, 0.8], 0, 60, 77, 140
    # 经纬投影替换为如下设置
    # width, height, rect, lat_min, lat_max, lon_min, lon_max = 3000, 1500, [0, 0, 1, 1], -90, 90, 0, 360

    # 匹配图例颜色
    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),
    ]
    # 设置图例标签
    labels = ['1-9人', '10-99人', '100-999人', '>1000人']

    fig = matplotlib.figure.Figure()
    # 设置绘图板尺寸
    fig.set_size_inches(width / 100, height / 100)
    axes = fig.add_axes(rect)

    # 局部兰博托投影
    # m = Basemap(projection='lcc', llcrnrlon=77, llcrnrlat=14, urcrnrlon=140, urcrnrlat=51, lat_1=33, lat_2=45,
    #             lon_0=100, ax=axes)

    # 全局兰博托投影
    # m = Basemap(projection='lcc', llcrnrlon=80, llcrnrlat=0, urcrnrlon=140, urcrnrlat=51, lat_1=33, lat_2=45,
    #             lon_0=100, ax=axes)

    # 局部圆柱投影
    # m = Basemap(llcrnrlon=lon_min, urcrnrlon=lon_max, llcrnrlat=lat_min, urcrnrlat=lat_max, resolution='l', ax=axes)

    # 正射投影
    # m = Basemap(projection='ortho', lat_0=36, lon_0=102, resolution='l', ax=axes)

    # 经纬投影
    m = Basemap(llcrnrlon=lon_min, urcrnrlon=lon_max, llcrnrlat=lat_min, urcrnrlat=lat_max, resolution='l', ax=axes)
    m.etopo()

    # 读取shape文件，shape文件主要的作用是：画海陆分界线、国界线、行政分界线。
    m.readshapefile('files/shapefiles/china', 'province', drawbounds=True)
    m.readshapefile('files/shapefiles/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 p_info, p_shape in zip(m.province_info, m.province):  # 分析shape文件，得到相关省数据
        p_name = p_info['OWNER'].strip('\x00')
        f_cname = p_info['FCNAME'].strip('\x00')
        if p_name != f_cname:  # 不绘制海岛
            continue

        for key in data.keys():  # 设置不同数据范围区域的颜色
            if key in p_name:
                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

        # 添加设置的颜色至地图中
        poly = Polygon(p_shape, facecolor=color, edgecolor=color)
        axes.add_patch(poly)

        pos = province_positions[p_name]
        text = p_name.replace("自治区", "").replace("特别行政区", "").replace("壮族", "").replace("维吾尔", "")\
            .replace("回族", "").replace("省", "").replace("市", "")  # 替换省级名称

        # 指定字库并设置字体大小
        font15 = FontProperties(fname='files/fonts/simsun.ttf', size=15)
        font10 = FontProperties(fname='files/fonts/simsun.ttf', size=10)

        pset = set()
        if text not in pset:
            x, y = m(pos[0], pos[1])
            axes.text(x, y, text, fontproperties=font10, color='#00FFFF')
            pset.add(text)

    axes.legend(handles, labels, bbox_to_anchor=(0.5, -0.11), loc='lower center', ncol=4, prop=font15)
    axes.set_title("2019-nCoV疫情地图", fontproperties=font15)
    FigureCanvasAgg(fig)
    fig.savefig('2019-nCoV疫情地图.png')

四、测试

       1、主函数如下：

if __name__ == '__main__':

    ts = int(time.time() * 1000)  # 时间戳
    # 存放每天数据的路径
    everyday_data_url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts&callback=&_=%d' % ts
    # 存放区域分布数据的路径
    area_distribution_data_url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d' % ts

    # 各省位置
    province_positions = {
        "辽宁省": [121.7, 40.9],
        "吉林省": [124.5, 43.5],
        "黑龙江省": [125.6, 46.5],
        "北京市": [116.0, 39.9],
        "天津市": [117.0, 38.7],
        "内蒙古自治区": [110.0, 41.5],
        "宁夏回族自治区": [105.2, 37.0],
        "山西省": [111.0, 37.0],
        "河北省": [114.0, 37.8],
        "山东省": [116.5, 36.0],
        "河南省": [111.8, 33.5],
        "陕西省": [107.5, 33.5],
        "湖北省": [111.0, 30.5],
        "江苏省": [119.2, 32.5],
        "安徽省": [115.5, 31.8],
        "上海市": [121.0, 31.0],
        "湖南省": [110.3, 27.0],
        "江西省": [114.0, 27.0],
        "浙江省": [118.8, 28.5],
        "福建省": [116.2, 25.5],
        "广东省": [113.2, 23.1],
        "台湾省": [120.5, 23.5],
        "海南省": [108.0, 19.0],
        "广西壮族自治区": [107.3, 23.0],
        "重庆市": [106.5, 29.5],
        "云南省": [101.0, 24.0],
        "贵州省": [106.0, 26.5],
        "四川省": [102.0, 30.5],
        "甘肃省": [103.0, 35.0],
        "青海省": [95.0, 35.0],
        "新疆维吾尔自治区": [85.5, 42.5],
        "西藏自治区": [85.0, 31.5],
        "香港特别行政区": [115.1, 21.2],
        "澳门特别行政区": [112.5, 21.2]
    }

    plot_curve_graph()  # 绘制每日疫情曲线图
    plot_distribution_graph(province_positions)  # 绘制各区域确诊分布数据

       2、测试结果如下：

       （1）疫情曲线

（2）局部兰博托投影

（3）全局兰博托投影

（4）局部圆柱投影

（5）正射投影

（6）局部经纬投影

（7）全局经纬投影

五、完整代码地址

       本文代码已上传至GitHub，详情请点击此处~