admin管理员组文章数量:1539114
2024年5月11日发(作者：)
基于Python的疫情数据的爬取与分析
作者：谭康裕 赵元成
来源：《科学导报·学术》2020年第30期
摘 要：目的：直观显示新型冠状病毒（2019-nCoV）肺炎疫情的发展趋势，为复工复产的
决策提供决策依据。方法：基于Python语言、使用requests库下载网页，使用re读取目标数
据，使用csv存储目标数据、使用pyecharts展示疫情地图分布和疫情发展趋势图、使用
Javascript脚本显示趋势图，包括疫情的地图分布，全国疫情新增趋势，全国累计/疑似趋势，
全国累计治愈/死亡趋势，全国各省疫情概览表等。结果：得到疫情发展趋势的可视化图表，
可以直观显示疫情的发展趋势，全国各省疫情概览表等。我们可以看到，疫情已经趋于平稳。
结论：2019-nCoV肺炎疫情的防控措施是有效的，各地方政府严格执行公共安全政策，保证了
人民的生命安全，全力遏制了2019-nCoV的传播，夺取了战“疫”的最终胜利。
关键词：新型冠状病毒;Python;数据可视化;趋势
新型冠状病毒（2019-nCoV）是一种β属的冠状病毒，自2019年12月在湖北省武汉市发
现 2019-nCoV以来，疫情快速蔓延[1]。国家卫生健康委员会疫情通报显示，截至 2020年4月
25日早上9点，累计确诊人数 82816人，累计治愈出院病例77346例，累计死亡病例4632例
[2]。为快速抑制病情蔓延，国家已出台多种举措，如延长春节假期、企业延迟复工、学校延
期开学、限制出行、公共场所要佩戴口罩，居家隔离等。本文基于Python，通过网络爬虫技术
收集2019-nCoV疫情数据，通过数据可视化手段，给出疫情的地图分布，全国疫情新增趋
势，全国累计/疑似趋势，全国累计治愈/死亡趋势，全国实时疫情概览表等。
1 对象与方法
1.1 数据来源
本文疫情发展数据取自中国疾病预防控制中心周报（以下简称中国疾控中心周报）和丁香
园，其地址参看“参考文献”中的[2]和[3]。随着2019-nCoV的快速传播，自1月25日开始，各
地纷纷启动“重大突发公共卫生事件Ⅰ级响应”，因此我们认定从1月25 日开始，病毒即进入
传播状态。由于数据是从中国疾病预防控制中心周报中读取，比较完整的数据是从1月29日
开始，因此，本次采集的数据就是从1月29日开始，直至4月25日零点。
1.2 疫情数据提取的需求
设计疫情数据提取的代码要解决的以下几个问题：
（1）下载网页：根据给定的URL下载其HTML网页。
（2）网页解析：根据网页结构信息，提取网页数据。
（3）数据存储：把从网页中解析出来的数据CSV文件中。
1.3 疫情数据提取的實现方法
（1）HTML下载器
本次设计使用requests库和requests-html库来下载网页，分别使用requests来下载中国疾
病预防控制中心周报的数据，使用requests-html来下载丁香园的数据。使用requests-html下载
网页的核心代码如下所示：
import requests
url = 'http：///news/'
r = （url） #下载网页
使用requests-html下载网页的核心代码如下所示：
from requests_html import HTMLSession
dxyurl = 'https：///newh5/view/pneumonia'
response = （dxyurl） #下载网页
（2）HTML解析器
Python使用BeautifulSoup来进行HTML的解析，提取目标数据。在中国控制中心周报
中，我们使用BeautifulSoup直接读取其注释部分，而不是按行读取目标数据所在的XPath。在
中国控制中心周报网页中，目标文本是位于标签
本。通过分析中国控制中心周报网页数据结构，我们可以通过分割
标签，同时为了数据的提取，还要把
标签添加回原来的数据项中。提取数据的代码如下：soup = BeautifulSoup（page，''）
content = _all（"div"，'box-article-content'） #数据返回为列表
content_to_string = str（content） #将列表转换成字符串，使用正则表达式提取
pattern = e（r"<！--（.*？）-->"） # 抽取<！--（.*？）-->中间的文本
通过构建正则表达式，提取网页中的疫情数据。提取的疫情数据分别为日期、新增确诊/
疑似病例、累计确诊/现存疑似病例、新增死亡/治愈人数、累计死亡/治愈人数。其正则表达式
的构建如下所示：
date_regex = r"（.*？）<" #提取日期的正则表达式
conf_suspe_data_regex = r"
Confirmed cases：（.*？）new，（.*？）total. Suspected
cases：（.*？）new，（.*？）total.<" #提取新增确诊/疑似病例、累计确诊/现存疑似病例的正
则表达式
dea_reco_data_regex = r"
Deaths：（.*？）new，（.*？）total. Recoveries：（.*？）
new，（.*？）total.<" #提取新增死亡/治愈人数、累计死亡/治愈人数的正则表达式
在丁香园的网页中，通过查看网页元素，我们可以看到，目标数据在标签
这部分需要在后端代码中添加相应的文件路径，实现前后端的关联。在根目录处需要添加
文件其核心代码如下的示：
@（"/"）
def index（）：
content = table_base（）
return render_template（""，content=content）
使用pyecharts用于生成 Echarts 图表之后，也要添加相应的URL才能展示在前端上，其
核心代码如下所示：
@（"/mapChart"） #对应文件添加URL，此处文件为中国地图
def get_map_chart（ ）：
c = map_base（ ）
return _options_with_quotes（ ）
对于其他使用pyecharts生成的图表，包括新增死亡/治愈、累计确诊/疑似、累计死亡/治愈
的发展曲线，都是使用前后端关联的方法，展示到前端页面上，使结果直观呈现出来。
3 结果
3.1 全国疫情地图分布
使用pyecharts生成的地图信息如下，从图中我们可以看到省份在这次疫情中的数据分
布，本次采集显示的数据分别为确诊人数、治愈人数和死亡人数。
3.2 全国新增确诊/疑似发展曲线
使用pyecharts生成的新增确诊/疑似发展曲线如下图所示：
4 讨论
本文应用Python进行对数据的爬取，根据中国疾控中心周报和丁香园中的数据生成显示
图表，得出本次疫情相关数据的走势图，并结合实际生活中情况，可以看到：在春运的期间，
新冠病毒在人口迁移过程中出现大规模的传播。经过3个多月的抗“疫”战争，病毒被成功遏
制，处于可控范围内，为世界防疫工作做出了一个典范，但防疫工作仍不可松懈，在常态化的
防控疫情的情况下，继续要严格依照国家公共卫生政策，做好持久化防疫的做准备，守住抗
“疫”胜利的果实。
参考文献
[1] 耿辉，徐安定，王晓艳，张勇，尹小妹，马茂，吕军.基于SEIR模型分析相关干预措
施在新型冠状病毒肺炎疫情中的作用[J/OL].暨南大学学报（自然科学与医学版）：1-7[2020-
04-26].http：///kcms/detail/.
[2] 中国疾病预防控制中心.CCDCWeekly[EB/OL].[2020-0426].http：
///news/.
[3] 丁香园. [EB/OL].[2020-04-26].https：///ncovh5/view/pneumonia.
[4] 范传辉. Python爬虫开发与项目实践[M].北京：机械工业出版社. 2017.6：140-146
版权声明：本文标题：基于Python的疫情数据的爬取与分析 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dianzi/1715432585a451905.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
更多相关文章
xp系统网页中QQ常用代码
文章目录 1. 点击链接打开会话窗口2. 点击链接添加好友3. 点击加群4. 手机中网页点击链接打开指定会话窗口5. Android中打开指定QQ会话窗口6. Android中打开指定应用程序7. 获取QQ头像 1. 点击链接打开会话窗口
网页提示此站点不安全解决方案
网页提示此站点不安全解决方案 如果电脑可以正常上网，qq，微信可以正常使用，部分网页打不开，提示此站点不安全，而且也无法加载网页
行业、地区返回json数据
国家省市区三张表，给前台返回json是数组套数组形式 ** * 地区 * param request * param response * param parentId * param commonAreaDto *
python如何读取mat文件可视化_python 数据分析--数据可视化工具matplotlib
说明: 数据可视化中的数据集下载地址:（数据来源:从零开始学python数据分析和挖掘） 链接：https:pan.baidus1zrNpzSNVHd8v1rGF
股票交易数据获取
一、访问baostock官网 http:baostock 二、使用命令安装 pip install baostock -i https:pypi.tuna.tsinghua.edusimple --trusted-hos
类别不平衡数据的处理
1.不平衡学习的基本概念及处理方法分类：http:www.360doccontent1710230942392246_697348454.shtml 重点学习：分类中解决类别不平衡
CnOpenData Glassdoor美国上市公司面试者评价数据
除了股东、债权人、政府等外部利益相关者外，员工的利益更应该得到公司的恰当保护，因为员工才是公司创造价值的真正主体。提高企业在产品市场的竞争力，首先就是要提高员工对企业的满意度
360浏览器保存网页html5,360浏览器怎么保存整个网页为图片？
360浏览器怎么保存整个网页为图片？360浏览器是国内常用的浏览器，我们可以使用360浏览器对网页进行截图，但是截不全，遇到一些有用的网页&#x
360html怎么保存,360浏览器网页怎么保存电脑桌面上
把个人喜欢的网页保存到桌面，下次直接进入网页就十分便捷了，以下就是网页保存到桌面的几种方法： 方法一： 1、打开360浏览器，选择
如何清除360网站服务器缓存,360浏览器怎么清除缓存 360浏览器打不开网页怎么办...
360安全浏览器超速版8.2.1.348官方最新版 类型：浏览器类大小：46.8M语言：中文 评分：8.9 标签： 立即下载 当我
《Windows安全机制》之DEP(数据执行保护)
介绍 DEP的主要作用是阻止数据页（默认的堆，栈以及内存池页）执行代码。分为软件DEP和硬件DEP，其中软件DEP就是SafeSEH。而硬件DEP操作系统会通过设置内存页的NXXD属性标记是否运行在本页执行指令。 DEP 机制的保护原
yolo图像检测数据集格式转换：xml 与 txt格式相互转换
格式介绍 一图流介绍的比较详细，一般图像检测数据集格式为txt或者xml格式，在使用labelimg进行标注的时候，可以设置获得不同格式的数据集，以满足
FME巧用WorkspaceRunner转换器，动态调用dwg模板文件，解决批量处理dwg数据时，输出数据后出现图形样式丢失问题
使用FME进行dwg数据处理，在输出数据时，需要设置dwg模板文件，才能正确保留图形样式。但是在进行批量处理时，如果没有一个涵盖所有dwg数据样式的模板
网页乱码原因查看
1、浏览器编码检查 以谷歌浏览器为例 不添加插件：F12--控制台输入document.charset 查看网页源码编码方式，看是否同步，不同步需修改浏览器编码&
浏览器兼容模式怎么设置？4个提升网页兼容性秘笈分享！
“不知道怎么回事，我打开浏览器的时候总是显示浏览器不兼容，是什么情况呢？我应该怎么操作才能解决这个问题呀？” 浏览器兼容模式是一种使浏览器能够更好地显示
谷歌浏览器配置(加密与解密笔记)：chrome数据数据设置
谷歌chrome下载地址：https:www.googleintlzh-CNchrome 浏览器的数据处理 1.访问Chrome:Version，得到浏览器的信息如下&#x
html看图识颜色,谷歌浏览器插件Color Picker 网页颜色拾色器 图片颜色识别插件
Cool Color Picker for chrome browser. Extension allows you to quickly pick any color on any website using so-called “eye
使用谷歌浏览器调试手机网页
使用谷歌浏览器调试手机网页 方式1：控制台使用手机模拟器 方式2：这种方法仅供特殊情况下使用，因为重启Chrome将不能恢复正常User-Agent(需要将全部打开的chro
google浏览器chrome用户数据（拓展程序，书签等）丢失问题
一、问题背景 我出现这个情况的问题背景是：因为C盘块满了想清理一部分空间（具体看这：windows -- C盘清理_c盘softwaredistribution-CSDN博客
plsql 删除一直在执行_固态硬盘开启Trim后，删除数据究竟能不能恢复?
固态硬盘其实是闪存存储硬盘系列的一个俗称(SSD)，近些年闪存存储发展迅速，一些企业级的固态硬盘容量能够达到10T以上容量，在速度和存储密度上的优势逐渐盖过传统的机械硬盘。
发表评论