observablehq 美国 COVID-19 确诊数曲线

简介:

本线状图用于显示每天美国 COVID-19 的总计感染用户曲线。我们使用的是在线 JSON 数据,数据是通过 AWS 进行读取的。

你可以直接访问下面的链接来获得我们处理上传的数据。

https://cdn.ossez.com/dataset/json/covid19/covid19-confirmed-daily-us.json

虽然我们每天都会自动上传一些数据,但是你可能的更新数据每次都不一样。

我们主要也是希望通过这个平台来学习 D3 图表的使用。

你可以直接访问下面的链接: https://observablehq.com/@yuchenghu/untitled?collection=@yuchenghu/covid-19

对代码修改后进行编译,需要注意的是我们数据是上传到 AWS 的 JSON 数据,数据的来源是从 https://covidtracking.com/api  下载后处理的。

下载的方式是通过 Spring Batch 构建一个批量处理程序,每天定时获得最新数据后存储到本地数据库中,然后从本地数据库中导出为 JSON 数据。我也认为这种处理方式过于繁琐,其实在内存中就可以实现了,在获得原数据的 API 后,你可以直接将源数据转换为对象。

然后利用 gson 将对象转换为需要的字符串后输出成 JSON 就可以了。

如果你对 AWS  API 比较了解和熟悉的话,你可以利用 AWS 的API 直接将生成的 json 数据上传到 S3 上存储。

2020_05_12_11_53_01

做这个小项目的主要是为了熟悉 Spring Batch 的使用,D3 数据图表的配置,AWS API 的存储和使用。

麻雀虽小,五脏俱全,能够帮助你很好的了解微服务,云平台,数据结构等很多知识。

项目的源代码,我们已经发布到 GitHub 上了。https://github.com/ossez-com/covid-19 如果你有兴趣的话也可以参考。

https://www.cwiki.us/pages/viewpage.action?pageId=62619834

目录
相关文章
|
10天前
|
数据可视化 算法 数据挖掘
KMEANS均值聚类和层次聚类:亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数
KMEANS均值聚类和层次聚类:亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数
27 0
|
2月前
|
编解码 人工智能 定位技术
美国季节性干旱数据集
美国季节性干旱数据集
23 0
|
2月前
|
编解码 人工智能 数据挖掘
基于加拿大降水分析 (CaPA) 系统的北美区域确定性降水数据集
基于加拿大降水分析 (CaPA) 系统的北美区域确定性降水数据集
20 0
|
8月前
|
算法 Python
2022-10-26-线性回归分析GDP与公交车数量的关系
2022-10-26-线性回归分析GDP与公交车数量的关系
126 0
|
8月前
|
机器学习/深度学习
2022-10-27-梯度下降法结合线性回归预测公交车数量和GDP关系
2022-10-27-梯度下降法结合线性回归预测公交车数量和GDP关系
53 0
|
BI 定位技术
全国夜间灯光指数数据、GDP密度分布、人口密度分布、土地利用数据、降雨量数据
全国夜间灯光指数数据、GDP密度分布、人口密度分布、土地利用数据、降雨量数据
全国夜间灯光指数数据、GDP密度分布、人口密度分布、土地利用数据、降雨量数据
|
编解码 BI 定位技术
中国GDP空间分布数据集、中国人口空间分布数据集、GDP密度分布、人口密度分布数据、夜间灯光分布数据、土地利用数据、道路网分布数据、乡镇边界分布
中国GDP空间分布数据集、中国人口空间分布数据集、GDP密度分布、人口密度分布数据、夜间灯光分布数据、土地利用数据、道路网分布数据、乡镇边界分布
中国GDP空间分布数据集、中国人口空间分布数据集、GDP密度分布、人口密度分布数据、夜间灯光分布数据、土地利用数据、道路网分布数据、乡镇边界分布
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的淤泥含量数据,预测平均值和标准偏差
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的淤泥含量数据,预测平均值和标准偏差
93 0
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的淤泥含量数据,预测平均值和标准偏差
Google Earth Engine——WorldClim Climatology V1数据集有最低、平均和最高温度以及降水的每月平均全球气候数据
Google Earth Engine——WorldClim Climatology V1数据集有最低、平均和最高温度以及降水的每月平均全球气候数据
267 0
Google Earth Engine——WorldClim Climatology V1数据集有最低、平均和最高温度以及降水的每月平均全球气候数据
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤在土壤深度 0-20 厘米和 20-50 厘米的可提取锌,预测平均值和标准偏差数据
Google Earth Engine ——2001-2017年非洲土壤在土壤深度 0-20 厘米和 20-50 厘米的可提取锌,预测平均值和标准偏差数据
78 0
Google Earth Engine ——2001-2017年非洲土壤在土壤深度 0-20 厘米和 20-50 厘米的可提取锌,预测平均值和标准偏差数据