如何用Python编写示例代码来展示全球疫情地图变化趋势?
- 内容介绍
- 文章标签
- 相关推荐
本文共计1908个文字,预计阅读时间需要8分钟。
当前全球疫情依然严峻,为了清晰观察疫情发展至今的演变趋势,我绘制了一张疫情变化地图。图示简洁,不再赘述。先上图,下面将重点介绍地图内容及其绘制过程。
目前全球疫情仍然比较严重,为了能清晰地看到疫情爆发以来至现在全球疫情的变化趋势,我绘制了一张疫情变化地图。 废话不多说,先上图
下面就来重点介绍下上面这张图的绘制过程,主要分为以下三个步骤:
- 数据收集
- 数据处理
- 画图
下面一个一个来说。
数据收集
这是万里长城的第一步,俗话说“巧妇难为无米之炊”,既然是变化图,当然需要每个国家、每天的现有确诊病例数。好在现在各大网站都有疫情相关的专题页,我们可以直接抓数据。以网易为例
我们选择 XHR,重新刷新下网页可以看到有几个接口,其中 list-total 接口是获取当前所有有疫情的国家,以及对应的国家id。另外,我们看到还有一个 list-by-area-code 接口,它是获取每个国家历史上每天的疫情数据,请求这个接口需要带 areaCode 参数,这个参数就是我们刚刚说的国家id。所以对我们来说这两个接口是最重要的。
本文共计1908个文字,预计阅读时间需要8分钟。
当前全球疫情依然严峻,为了清晰观察疫情发展至今的演变趋势,我绘制了一张疫情变化地图。图示简洁,不再赘述。先上图,下面将重点介绍地图内容及其绘制过程。
目前全球疫情仍然比较严重,为了能清晰地看到疫情爆发以来至现在全球疫情的变化趋势,我绘制了一张疫情变化地图。 废话不多说,先上图
下面就来重点介绍下上面这张图的绘制过程,主要分为以下三个步骤:
- 数据收集
- 数据处理
- 画图
下面一个一个来说。
数据收集
这是万里长城的第一步,俗话说“巧妇难为无米之炊”,既然是变化图,当然需要每个国家、每天的现有确诊病例数。好在现在各大网站都有疫情相关的专题页,我们可以直接抓数据。以网易为例
我们选择 XHR,重新刷新下网页可以看到有几个接口,其中 list-total 接口是获取当前所有有疫情的国家,以及对应的国家id。另外,我们看到还有一个 list-by-area-code 接口,它是获取每个国家历史上每天的疫情数据,请求这个接口需要带 areaCode 参数,这个参数就是我们刚刚说的国家id。所以对我们来说这两个接口是最重要的。

