也给我们带来了不少的损失，与此同时我们也认识到在大自然面前人类的渺小。好在在政府的正确且有力的领导下，经过全国人民群众的不懈努力，我们终于将疫情给遏制住了，打赢了这场没有硝烟的战争。
然而就在国内疫情已经明显好转，实现确诊病例零增长的时候，疫情开始在全球蔓延。今天，我用 Python 做了一个全球疫情数据大屏，我们一起来看下整体的效果图。
整个大屏分为全球数据和国内数据两个模块，每个模块总体分为三个部分，左侧是各个地区详细数据，中间是疫情数据地图，右边则是排行榜和最新动态。
项目结构
我们整个项目的结构图如下所示。
爬虫模块负责从腾讯新闻获取数据，之后存入 Redis。Flask 是一个 Web 框架，负责 URL 和后台函数的映射，以及数据的传输。换言之，也就是从 Redis 中获取到原始数据，然后整理成相应的格式之后传递给前端页面，前端页面在拿到数据之后，调用百度的 ECharts 来实现图表的展示即可。
引入项目所需的全部模块。
import requests import json import redis from flask import Flask, render_template import datetime import pandas as pd
数据获取
开始操作之前，需要先梳理下我们都需要什么数据。关于国内，我们需要的是各个省详细数据、全国数据总和、最新动态、以及境外输入人数 TOP 10 的省市。关于国外，我们需要的是各个国家详细数据、国外数据总和、最新动态、以及 24 小时新增人数 TOP 10 的国家。
本次我们的疫情数据是从腾讯新闻获取的，打开该网址
（https://news.qq.com/zt2020/page/feiyan.htm#/?nojump=1）按 F12 将开发者工具调出来，然后切换到 Network 选项页，逐个接口分析之后，发现所有我们想要的数据都是接口返回的。各个数据接口如下：
- 国内统计数据（数据总和以及各省份详细数据）：
https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5 - 国外各国家详细数据：
https://api.inews.qq.com/newsqa/v1/automation/foreign/country/ranklist - 国外数据总和：
https://api.inews.qq.com/newsqa/v1/automation/modules/list?modules=FAutoGlobalStatis - 最新动态数据：
https://api.inews.qq.com/newsqa/v1/automation/modules/list?modules=FAutoNewsArticleList
找到了接口之后，接下来就很简单了，直接调用接口将数据爬取下来即可。其中国内统计数据接口接口返回的 data 不是标准的 JSON 串，而是一个字符串，所以我们需要做下简单的转化。
为了方便h后续操作，我们将调用 request 库爬取数据的操作封装起来，方便调用。
def pull_data_from_web(url): response = requests.get(url, headers=header) return json.loads(response.text) if response.status_code == 200 else None
最新动态数据我们只取发布时间，标题以及链接地址。
# 获取最新动态数据 # 获取最新动态数据 def get_article_data(): data = pull_data_from_web('https://api.inews.qq.com/newsqa/v1/automation/modules/list?modules=FAutoNewsArticleList') if data is None: return '' return [[item['publish_time'], item['url'], item['title']] for item in data['data']['FAutoNewsArticleList']]
国内数据我们需要获取数据总和以及各省份详细数据。
# 获取国内统计数据【现有确诊 确诊 治愈 死亡 境外输入 & 各省份详细数据（现有确诊 确诊 治愈 死亡 境外输入）】 def get_china_data(): data = pull_data_from_web('https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5') if data is None: return '' dict = json.loads(data['data']) province_res = [] for province in dict['areaTree'][0]['children']: name = province['name'] now_confirm = province['total']['nowConfirm'] confirm = province['total']['confirm'] heal = province['total']['heal'] dead = province['total']['dead'] import_abroad = 0 for item in province['children']: if item['name'] == '境外输入': import_abroad = item['total']['confirm'] break province_res.append([name, import_abroad, now_confirm, confirm, heal, dead]) return {'chinaTotal': dict['chinaTotal'], 'chinaAdd': dict['chinaAdd'], 'province': province_res}
获取国外各个国家及地区详细数据。
# 获取各个国家当前【新增、确诊、治愈、死亡】数据 def get_rank_data(): data = pull_data_from_web('https://api.inews.qq.com/newsqa/v1/automation/foreign/country/ranklist') if data is None: return '' return [[item['name'], item['confirmAdd'], item['confirm'], item['heal'], item['dead']] for item in data['data']]
国外数据总和。
# 获取国外统计数据【现有确诊 确诊 治愈 死亡】 def get_foreign_data(): data = pull_data_from_web('https://api.inews.qq.com/newsqa/v1/automation/modules/list?modules=FAutoGlobalStatis') if data is None: return '' return data['data']['FAutoGlobalStatis']
将数据存入 Redis 后就这一步就大功告成了。
article_data = get_article_data() r.set('article_data', json.dumps(article_data)) rank_data = get_rank_data() r.set('rank_data', json.dumps(rank_data)) china_data = get_china_data() r.set('china_data', json.dumps(china_data)) foreign_data = get_foreign_data() r.set('foreign_data', json.dumps(foreign_data))
数据处理
获取到源数据之后，需要对数据做一下整理，以符合前端页面的展示要求。
整理数据时我们用的是 pandas 这个库，在我们 100 天系列的文章中有做过介绍，忘记的小伙伴们可以翻翻历史文章复习下。
最新动态的数据是比较规整的，不需要做太多处理，直接拿来用即可。
再看国内的统计数据以及各省份详细数据。
可回看出当前国内的数据总和是在 chinaTotal 中，当日新增在 chinaAdd 中，各省市详细数据在 province 中，其中各省市详细数据中是按照境外输入、当前确诊、累计确诊、治愈、死亡来存放的。
对于各个省市详细数据，我们以当前确诊人数倒序排序。
可以看的，现在湖北的确诊人数已经非常少了，而鸡头黑龙江则稳居第一，成为国内确诊人数 TOP 1 的省份。
最后来看国外数据，统计数据比较规整，各个国家详细数据我们按照累计确诊人数倒序排序。
最后，我们还需要处理下「境外输入省市 TOP 10」和「24小时新增国家 TOP 10」的数据。直接从省市详细数据和各国家详细数据中获取即可。
图表展示
我们先来简单看下 ECharts 的使用方法，首先要引入相应的 js 文件，然后写一个容纳图表的 div 标签。
<script type="text/javascript" src="https://assets.pyecharts.org/assets/echarts.min.js"></script> <div id="top10" style="width: 300px;height:300px"></div>
最后编写图表的 js 代码即可。
<script type="text/javascript"> var top10 = echarts.init(document.getElementById('top10')); // 指定图表的配置项和数据 var option = { title: { text: '测试图表', }, grid: { left: '3%', right: '4%', bottom: '3%', containLabel: true }, xAxis: { show: true, }, yAxis: { type: 'category', data: ['苹果', '橘子', '香蕉', '石榴'], }, series: [ { name: '', type: 'bar', barWidth: 10, data: [66, 88, 90, 20] } ] }; top10.setOption(option); </script>
但这里的数据是固定的，而我们的大屏展示数据都是动态变换的，怎么办呢，前端通过 Ajax 技术从后台接口获取即可，类似下面这样子。
var top10_result = $.ajax({type : "GET", url : 'http://127.0.0.1:5200/china_top10', data : null, async : false}); top10_result = JSON.parse(top10_result.responseText); // 设置数据 yAxis: { type: 'category', data: top10_result.country, },
现在我们已经完成了一个简单的图表，并且已经可以动态设置数据了。现在缺少的就是把大屏的各个图表拼接起来，并且将我们之前准备好的数据设置进去即可
。
首先我们初始化 Flask 并设置路由映射关系，然后将前端页面所需的统计数据一并返回。
app = Flask(__name__) @app.route('/global') def global_index(): context = { 'date': get_date(), 'statistics_data': json.loads(r.get('foreign_data')), 'country_data': get_rank_data(), 'article_data': json.loads(r.get('article_data')) } return render_template('global.html', **context)
其中地图数据以及 TOP 10 的数据需要以接口的方式提供出去，前端页面直接通过 Ajax 技术调用。
@app.route('/global_top10') def get_global_top10(): df = pd.DataFrame(json.loads(r.get('rank_data')), columns=['name', 'confirmAdd', 'confirm', 'heal', 'dead']) top10 = df.sort_values('confirmAdd', ascending=True).tail(10) result = {'country': top10['name'].values.tolist(), 'data': top10['confirmAdd'].values.tolist()} return json.dumps(result) @app.route('/global_map') def get_global_map(): df = pd.DataFrame(json.loads(r.get('rank_data')), columns=['name', 'confirmAdd', 'confirm', 'heal', 'dead']) records = df.to_dict(orient="records") china_data = json.loads(r.get('china_data')) result = { 'confirmAdd': [{'name': '中国', 'value': china_data['chinaAdd']['confirm']}], 'confirm': [{'name': '中国', 'value': china_data['chinaTotal']['confirm']}], 'heal': [{'name': '中国', 'value': china_data['chinaTotal']['heal']}], 'dead': [{'name': '中国', 'value': china_data['chinaTotal']['dead']}] } for item in records: result['confirmAdd'].append({'name': item['name'], 'value': item['confirmAdd']}) result['confirm'].append({'name': item['name'], 'value': item['confirm']}) result['heal'].append({'name': item['name'], 'value': item['heal']}) result['dead'].append({'name': item['name'], 'value': item['dead']}) return json.dumps(result)
至此，我们完成了从获取数据，到整理数据，再到前端页面展示的整一个过程，还是需要很多知识的。
总结
今天我们完成了一个全球疫情数据大屏可视化程序，步骤清晰，难度不大，只是页面上各个图表组件的位置以及样式调试起来比较繁琐些，但这不是本文重点。
你需要着重理解的是前端页面的 URL 是如何和后台函数做路由映射的，数据又是如何传递和绑定的，以及后台逻辑和数据的处理过程这才是 Web 开发的精髓。
最后，你可以从公众号获取源码后，修改程序使之支持定时从数据源获取数据，更新前端图表，而无需手动操作。
