python根据json数据画疫情分布地图的详细代码

接下来我将为您讲解“python根据json数据画疫情分布地图的详细代码”的完整攻略。

1. 准备工作

首先，需要确保你安装了以下三个库：

• folium: 用于生成地图
• pandas: 用于数据处理
• requests: 用于获取网络数据

代码如下：

!pip install folium pandas requests

1. 获取数据

获取数据是画疫情分布地图的第一步。可以从以下两个渠道获取数据：

• 直接从GitHub下载最新的疫情数据 JSON 文件，比如 disease-sh/covid19。
• 使用 新型冠状病毒疫情相关数据接口 从 API 获取数据。

下面是从API获取数据的示例代码：

import requests
import pandas as pd

url = 'https://route.showapi.com/213-1'
app_id = '你的app_id'
app_secret = '你的app_secret'

params = {'showapi_appid': app_id,
          'showapi_sign': app_secret,
          'province': '',  # 省份
          'city': '',  # 城市
          'area': '',  # 区域
          }

response = requests.get(url, params=params)
json_data = response.json()['showapi_res_body']['list']
df = pd.DataFrame(json_data)

1. 数据预处理

获取到数据后，需要对数据进行处理，以便在地图上进行展示。下面是对数据的预处理代码示例：

# 1. 将数据类型转换为整型
df[['confirm', 'nowConfirm', 'heal', 'dead']] = df[['confirm', 'nowConfirm', 'heal', 'dead']].astype(int)

# 2. 取出城市名和经纬度
df = df[['city', 'confirm', 'nowConfirm', 'heal', 'dead', 'lat', 'lng']]

# 3. 筛选出有确诊病例的城市
df = df[df['confirm'] > 0]

# 4. 重命名列名
df = df.rename(columns={'confirm': 'Confirmed', 'nowConfirm': 'Active', 'heal': 'Recovered', 'dead': 'Deaths'})

1. 画地图

在数据处理完成后，就可以开始画地图了。下面是一些示例代码：

# 1. 创建地图
import folium

map = folium.Map(location=[35, 100],
                 zoom_start=4,
                 control_scale=True,
                 tiles='OpenStreetMap')

# 2. 设置颜色和数据
import branca.colormap as cm

color_scale = cm.LinearColormap(colors=['green', 'yellow', 'red'], vmin=0, vmax=df['Confirmed'].max())
color_scale.caption = 'COVID-19 Confirmed Cases'

tooltip_confirmed = folium.features.GeoJsonTooltip(fields=['Confirmed'],
                                                   aliases=['Confirmed cases'],
                                                   labels=True,
                                                   sticky=False)

tooltip_deaths = folium.features.GeoJsonTooltip(fields=['Deaths'],
                                                aliases=['Deaths'],
                                                labels=True,
                                                sticky=False)


# 3. 添加地理数据
def style_function(feature):
    city_name = feature['properties']['name']
    try:
        df_city = df[df['city'] == city_name]
        return {'fillColor': color_scale(df_city['Confirmed'].values[0]),
                'fillOpacity': 0.7,
                'color': 'black',
                'weight': 1}
    except IndexError:
        return {'fillColor': 'lightgrey',
                'fillOpacity': 0.7,
                'color': 'black',
                'weight': 1}


geojson_data = 'https://raw.githubusercontent.com/python-visualization/folium/master/examples/data'
country_data = f'{geojson_data}/world-countries.json'
states_data = f'{geojson_data}/us-states.json'
cities_data = f'{geojson_data}/US_Unemployment_Oct2012.csv'

# 根据经纬度和人口添加圆
for city in df.index:
    folium.CircleMarker(location=[df.loc[city, 'lat'], df.loc[city, 'lng']],
                        radius=df.loc[city, 'Confirmed'] / 1000,
                        popup=f"{df.loc[city, 'city']}: {df.loc[city, 'Confirmed']} cases",
                        tooltip=f"{df.loc[city, 'city']}: {df.loc[city, 'Confirmed']} cases",
                        color=color_scale(df.loc[city, 'Confirmed']),
                        fill=True,
                        fill_color=color_scale(df.loc[city, 'Confirmed']),
                        fill_opacity=0.5
                        ).add_to(map)

# 4. 显示地图
color_scale.add_to(map)
map.save(outfile='covid19_map.html')

这些代码创建了全世界的地图，并在其中添加了圆点表示城市的状况。当你将地图另存为HTML文件时，就可以在网页上浏览地图了。注意，为了使数据尽可能准确，请选择采用可靠的数据源和合理的数据处理方式。

另一种画地图的方式是使用 Folium 库中的 GeoJSON 方法，并使用 folium.Choropleth方法。可以参考下面这个示范代码：

import json
from urllib import request
import pandas as pd
import folium

url = 'https://www.echarts-js.com/examples/data/asset/data/geometryCouties.geojson'
response = request.urlopen(url)
counties = json.loads(response.read())

county_geo = f"{url}/geometryCouties.geojson"

covid19_data_url = 'https://raw.githubusercontent.com/BlankerL/DXY-COVID-19-Data/master/json/DXYArea.json'
covid19_data = pd.read_json(covid19_data_url)

df = covid19_data.groupby(['provinceEnglishName', 'cityEnglishName'], as_index=False)[['confirmedCount', 'deadCount', 'curedCount', 'suspectedCount']].max()

# convert df to dictionary for using in folium.Choropleth
county_dict = df.set_index('cityEnglishName')['confirmedCount'].to_dict()

m = folium.Map(location=[31.22, 121.41], zoom_start=5)

folium.Choropleth(
    geo_data=county_geo,
    name='choropleth',
    data=df,
    columns=['cityEnglishName', 'confirmedCount'],
    key_on='feature.properties.name',
    fill_color='YlGn',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='Confirmed Cases'
).add_to(m)

folium.LayerControl().add_to(m)
m.save('covid19_county.html')

这个例子展示了使用 Folium 生成地理图形，需要包含以下三个步骤：

1. 从 json 下载地图的几何图形文件。使用 urlopen 和 json.loads 函数

url = 'https://www.echarts-js.com/examples/data/asset/data/geometryCouties.geojson'
response = request.urlopen(url)
counties = json.loads(response.read())

1. 数据体数组织，通常最好使用 Pandas 。

covid19_data_url = 'https://raw.githubusercontent.com/BlankerL/DXY-COVID-19-Data/master/json/DXYArea.json'
covid19_data = pd.read_json(covid19_data_url)

df = covid19_data.groupby(['provinceEnglishName', 'cityEnglishName'], as_index=False)[['confirmedCount', 'deadCount', 'curedCount', 'suspectedCount']].max()

1. 生成 geojson 类型和数据以画图。

folium.Choropleth(
    geo_data=county_geo,
    name='choropleth',
    data=df,
    columns=['cityEnglishName', 'confirmedCount'],
    key_on='feature.properties.name',
    fill_color='YlGn',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='Confirmed Cases'
).add_to(m)