Python全栈疫情分析项目

本文利用数据挖掘、自然语言处理等技术挖掘疫情相关的数据，为疫情防控提供更多有效可靠信息，采用可视化工具使对疫情数据有一个更加直观了解分析，为相关决策的制定与实施提供科学的参考依据。

选择腾讯实时疫情网站爬取数据，通过Python爬虫技术，根据各个含有海内外疫情数据的URL内的数据资源格式爬取疫情数据，处理并保存数据。

采用Pyecharts库将数据可视化，以图像形式、地图类型将疫情数据展示出来，分析疫情变化趋势。

前端页面的部署上利用了JQuery、Layui、EasyUI中现有的页面布局样式对前端页面进行美化。

关键字：自然语言、Python数据分析、Python网络爬虫、Python数据可视化

利用Python爬取网站疫情数据，掌握当前疫情状况。查看腾讯实时疫情网页源代码找到腾讯实时疫情网页的有关疫情数据的各个Request URL，分析这些疫情数据的资源结构，通过读取这些URL网页源代码获取所需要的数据，调用json.loads()将JSON格式数据转为字典类型，并将处理好的数据存储。

以“中国每日新增信息”为例，从“中国每日新增确诊图” 可看出在2月12日，中国新增确诊人数(confirm)高达一万五千以上，之所以有这么大的差距，是因为检测新冠肺炎的方式发生了变化以及对新冠肺炎确诊的排查范围进行了扩大。

从“中国每日新增境外输入图”可以看出从3月4日起，我国的新增境外输入确诊患者人数持续增加，这其中伴随着的原因是国外疫情严峻形势的不断加剧，除了对国内疫情进行防控外，还需要加强对境外输入的严控。

从“中国每日治愈、死亡率图”可以看出，随着国家和人们的重视，新冠肺炎的治愈率有所提高，从2月24日之前，中国的治愈人数不断增多，意味着疫情防控的不断加强，而之后治愈人数的减少也反映出了对疫情的防控是稳定且有效的。

海外对于疫情防控形势非常严峻，因此，我们也对海外各国各地区的疫情信息运用折线图进行可视化，下面我们以美国历史疫情情况为例，进行分析。

从“各国历史疫情信息图（美国）”我们可以看出，由于美国前期不重视疫情的防控，出现大规模的爆发，集体传染，导致一发不可收拾。现在美国的确诊人数已经达到一百五十多万，而且每天还以巨大的数量上升，这也说明对待疫情我们不能有任何的轻视心态。

根据爬取的数据绘制了随时间推移的“世界累计确诊情况图”，从这个动态图中，可以看出，随着时间变化，疫情是以中国为中心向周围扩散，逐渐扩散至全球，几乎无一幸免；随着时间的推移，各国累计确诊人数也越来越多，疫情正以一种无法阻挡的趋势侵略全球。

在这个页面上，我们将疫情的实时数据以表格的形式呈现给了用户，用户能够直观地得知中国各个省市所对应地现有确诊、累计确诊等各种具体人数。用户还可以通过副导航栏进行选择，从而了解到广东省下属各个城市的实时疫情数据、世界各国总体的疫情信息以及目前累计确诊病例数最多的国家——美国其国内各个城市的疫情信息。

有数据，代码，报告和PPT