最近呢，接到一个项目：
项目内容：
1.利用Python编写爬虫程序，爬取https://ncov.dxy.cn/ncovh5/view/pneumonia页面中当天的“疫情数据”并保存到本地
2.根据爬取的数据可视化展示
项目实现
很显然，该项目分为两个部分：
使用爬虫获取数据（request,beautifulsoup,pyquery……）
进行数据可视化（pyecharts，matplotlib……）
我们进入该网址使用快捷键F12浏览源代码
经过漫长的寻找我们找到了所需要的数据：
经过整理，我们发现它的数据是这样的：
[{{“provinceName”:“黑龙江省”,“provin
在这个项目中，我们将探讨如何使用Python的`matplotlib`和`pyecharts`库来实现对疫情数据的可视化。我们需要获取数据，这通常涉及到网络爬虫技术。在这个例子中，我们将使用`requests`库来获取网页内容，然后使用`beautifulsoup`或`pyquery`解析HTML源代码以提取所需数据。
1. **获取数据**：
- 使用`requests.get()`函数发送HTTP请求到指定URL（https://ncov.dxy.cn/ncovh5/view/pneumonia）。
- 解析返回的HTML响应，查找隐藏在JavaScript变量中的JSON数据。在本例中，我们使用`PyQuery`库来解析HTML，并通过正则表达式提取JSON字符串。
- 将JSON字符串转换为Python对象，这里使用`json.loads()`函数。
2. **数据结构**：
- 数据以嵌套的字典列表形式呈现，每个字典代表一个省份，包含省份的基本信息（如名称、简称、确诊、治愈、死亡等）以及一个名为`cities`的列表，该列表包含该省份下所有城市的详细数据。
- 每个城市的数据也是一个字典，包含城市名、现存确诊人数、累计确诊人数、疑似人数、治愈人数和死亡人数等。
3. **数据处理**：
- 遍历省份字典列表，将城市数据存储到一个方便处理的结构中，例如一个字典，其中键为省份名，值为包含城市数据的列表。
- 对城市数据进行进一步处理，提取关键指标如城市名和确诊人数，存储到新的字典结构中，便于后续的可视化操作。
4. **数据可视化**：
- 使用`matplotlib`库创建基本的统计图表，如折线图、柱状图或饼图，展示不同省份或城市的疫情发展趋势。
- `matplotlib`提供了丰富的函数来定制图表，包括设置标题、轴标签、图例、颜色和样式等。
- `pyecharts`则是一个用于生成交互式图表的Python库，适用于Web应用。它可以生成地图、图表和各种复杂的数据可视化组件。
- `pyecharts`的优点在于其丰富的图表类型和交互性，可以通过简单的API调用来创建复杂的可视化效果，如地图上的省份数据分布，以及滑动条、下拉菜单等交互元素。
5. **持续更新**：
- 为了持续更新数据，可以设置定时任务，定期运行爬虫程序抓取新数据，然后更新可视化结果。
- 使用`time`模块控制间隔，或者结合其他调度工具如`APScheduler`实现定时任务。
6. **代码实现**：
- 在Python代码中，首先导入所需的库，如`requests`、`PyQuery`、`json`、`pandas`、`matplotlib.pyplot`和`pyecharts`。
- 实现爬虫逻辑，获取数据并解析。
- 创建数据结构，如字典和列表，来存储和组织数据。
- 使用`matplotlib`和`pyecharts`绘制图表，根据需求选择合适的图表类型和样式。
- 可以考虑将绘制好的图表保存为图片，或者部署到Web应用中，使用户能够在线查看和交互。
通过以上步骤，我们可以有效地从网络上获取疫情数据并使用Python进行数据可视化，无论是静态的`matplotlib`图表还是动态的`pyecharts`组件，都能帮助我们更好地理解和分析疫情的发展情况。在实际项目中，还需注意数据的时效性和准确性，以及处理可能出现的异常和错误。
