python 全国内地高风险地区数量查询与可视化（分省）

一、准备工作

• 需要安装的库： akshare、pyecharts

• 数据获取： AKShare->事件数据->COVID->疫情风险等级查询
  

• 省份简称获取： python 全国行政地区信息爬取-腾迅位置服务平台
  

• pyecharts 地图可视化： pyecharts -> Map - Map_base

• pyecharts 视觉配置项： pyecharts -> VisualMapOpts

• 结果预示：
  

二、可视化步骤

2.1 导入相关库

import datetime
import pandas as pd
import akshare as ak

from pyecharts import options as opts
from pyecharts.charts import Map
1
2
3
4
5
6

2.2 高风险地区数据获取

# 高风险地区实时查询
covid_19_risk_area_df = ak.covid_19_risk_area(symbol="高风险等级地区")
1
2

2.3 分省高风险地区数量统计、排序

# 各省高风险地区数量统计、排序
df_counts_province = covid_19_risk_area_df.groupby(['grade','province']).nunique()[['communitys']] # 去重统计
df_counts_province = df_counts_province.sort_values(by=['communitys'],ascending=False)             # 排序
df_counts_province.rename(columns={"communitys":"counts"},inplace=True)                            # 将列名communitys重新命名成counts
1
2
3
4

2.4 获取省份简称

• 因为pyecharts在画地图时，省份名称不支持全称，故需要将省份全称转变为简称，如：新疆维吾尔自治区（全称）–> 新建（简称）
• ProvinceInfo_TX.xlsx 文件获取地址：python 全国行政地区信息爬取-腾迅位置服务平台

# 获取省份简称
# 读取excel数据文件
ProvinceInfo_TX = pd.read_excel("ProvinceInfo_TX.xlsx")
# 表关联
df = pd.merge(df_counts_province.reset_index(),ProvinceInfo_TX,how="left",left_on="province",right_on="fullname")
1
2
3
4
5

2.5 pyecharts 绘图

# 参考：https://gallery.pyecharts.org/#/Map/map_base
data_list = df[['name','counts']].values.tolist()                                           # 数据列表
now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")                                 # 目前时间
subtitle = "数据来源：AKShare->事件数据->COVID->疫情风险等级查询\n更新日期：{}".format(now) # 副标题文本
c = (
    Map()
    .add("高风险地区数量", data_list, "china") # 添加数据
    # 设置全局变量
    .set_global_opts(
        # 设置标题
        title_opts=opts.TitleOpts(
            title="全国内地高风险地区数量分布",
            subtitle=subtitle,
        ),  
        legend_opts=opts.LegendOpts(
            selected_mode="single",
        ),
        
        # 视觉映射配置项，参考：https://pyecharts.org/#/zh-cn/global_options?id=visualmapopts
        visualmap_opts=opts.VisualMapOpts(
            is_piecewise=True, # 是否为分段型
            
            # 自定义范围、标签、颜色
            pieces = [
                {
                    "max":20,
                    "label":"1-20",
                    "color":"#FFFF00",
                },{
                    "min":20,
                    "max":40,
                    "label":"20-40",
                    "color":"#FFE500",
                },{
                    "min":40,
                    "max":80,
                    "label":"40-80",
                    "color":"#FFCC00",
                },{
                    "min":80,
                    "max":150,
                    "label":"80-150",
                    "color":"#FF9900",
                },{
                    "min":150,
                    "max":300,
                    "label":"150-300",
                    "color":"#FF6600",
                },{
                    "min":300,
                    "label":"300及以上",
                    "color":"#FF3300",
                },
            ]
        ), 
    )
)
# 在notebook上显示
c.render_notebook() 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59

三、完整代码

import datetime
import pandas as pd
import akshare as ak

from pyecharts import options as opts
from pyecharts.charts import Map


############################### 数据获取 ###############################
# 高风险地区实时查询
covid_19_risk_area_df = ak.covid_19_risk_area(symbol="高风险等级地区")
# 各省高风险地区数量统计、排序
df_counts_province = covid_19_risk_area_df.groupby(['grade','province']).nunique()[['communitys']]
df_counts_province = df_counts_province.sort_values(by=['communitys'],ascending=False)
df_counts_province.rename(columns={"communitys":"counts"},inplace=True)
# 各市高风险地区数量统计、排序
df_counts_city = covid_19_risk_area_df.groupby(['grade','province','city']).nunique()[['communitys']]
df_counts_city = df_counts_city.sort_values(by=['communitys'],ascending=False)
df_counts_city.rename(columns={"communitys":"counts"},inplace=True)


############################### 数据可视化 ###############################
# 全国内地高风险地区数量分布（分省）

# 获取省份简称
ProvinceInfo_TX = pd.read_excel("ProvinceInfo_TX.xlsx")
# 表关联
df = pd.merge(df_counts_province.reset_index(),ProvinceInfo_TX,how="left",left_on="province",right_on="fullname")
# 利用 pyecharts 绘图
# 参考：https://gallery.pyecharts.org/#/Map/map_base
data_list = df[['name','counts']].values.tolist()                                           # 数据列表
now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")                                 # 目前时间
subtitle = "数据来源：AKShare->事件数据->COVID->疫情风险等级查询\n更新日期：{}".format(now) # 副标题文本
c = (
    Map()
    .add("高风险地区数量", data_list, "china") # 添加数据
    # 设置全局变量
    .set_global_opts(
        # 设置标题
        title_opts=opts.TitleOpts(
            title="全国内地高风险地区数量分布",
            subtitle=subtitle,
        ),  
        legend_opts=opts.LegendOpts(
            selected_mode="single",
        ),
        
        # 视觉映射配置项，参考：https://pyecharts.org/#/zh-cn/global_options?id=visualmapopts
        visualmap_opts=opts.VisualMapOpts(
            is_piecewise=True, # 是否为分段型
            
            # 自定义范围、标签、颜色
            pieces = [
                {
                    "max":20,
                    "label":"1-20",
                    "color":"#FFFF00",
                },{
                    "min":20,
                    "max":40,
                    "label":"20-40",
                    "color":"#FFE500",
                },{
                    "min":40,
                    "max":80,
                    "label":"40-80",
                    "color":"#FFCC00",
                },{
                    "min":80,
                    "max":150,
                    "label":"80-150",
                    "color":"#FF9900",
                },{
                    "min":150,
                    "max":300,
                    "label":"150-300",
                    "color":"#FF6600",
                },{
                    "min":300,
                    "label":"300及以上",
                    "color":"#FF3300",
                },
            ]
        ), 
    )
)
# 在notebook上显示
c.render_notebook() 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88

.
.
.

• 大家可以参考该文章，获取分省份中风险地区数量分布、按城市中高风险地区分布；
• 图表可以进一步优化，参考：python 全国内地中高风险地区数量查询与可视化（分省）