4-中國疫情示意圖

上篇是使用pyecharts繪制的中國疫情圖，今天采用大家都熟知的常用工具matplotlib工具來專心繪制此圖。到時候中國戰’疫’結束后，再來此博客查看，表達喜悅。

肯定會有那么一天，并且已經不會太久！！

導包

import time
import json
import requests
from datetime import datetime
import numpy as np
import matplotlib
import matplotlib.figure
from matplotlib.font_manager import FontProperties
from matplotlib.backends.backend_agg import FigureCanvasAgg
from matplotlib.patches import Polygon
from matplotlib.collections import PatchCollection
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

plt.rcParams['font.sans-serif'] = ['FangSong']  # 設置默認字體
plt.rcParams['axes.unicode_minus'] = False  # 解決保存圖像時'-'顯示為方塊的問題

def catch_daily():
    """抓取每日確診和死亡數據"""
    
    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts&callback=&_=%d'%int(time.time()*1000)
    data = json.loads(requests.get(url=url).json()['data'])
    data.sort(key=lambda x:x['date'])
    
    date_list = list() # 日期
    confirm_list = list() # 確診
    suspect_list = list() # 疑似
    dead_list = list() # 死亡
    heal_list = list() # 治愈
    for item in data:
        month, day = item['date'].split('/')
        date_list.append(datetime.strptime('2020-%s-%s'%(month, day), '%Y-%m-%d'))
        confirm_list.append(int(item['confirm']))
        suspect_list.append(int(item['suspect']))
        dead_list.append(int(item['dead']))
        heal_list.append(int(item['heal']))
    
    return date_list, confirm_list, suspect_list, dead_list, heal_list

def catch_distribution():
    """抓取行政區域確診分布數據"""
    
    data = {}
    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
    for item in json.loads(requests.get(url=url).json()['data'])['areaTree'][0]['children']:
        if item['name'] not in data:
            data.update({item['name']:0})
        for city_data in item['children']:
            data[item['name']] += int(city_data['total']['confirm'])
    
    return data

def plot_daily():
    """繪制每日確診和死亡數據"""
    
    date_list, confirm_list, suspect_list, dead_list, heal_list = catch_daily() # 獲取數據
    
    plt.figure('2019-nCoV疫情統計圖表', facecolor='#f4f4f4', figsize=(10, 8))
    plt.title('2019-nCoV疫情曲線', fontsize=20)
    
    plt.plot(date_list, confirm_list, label='確診')
    plt.plot(date_list, suspect_list, label='疑似')
    plt.plot(date_list, dead_list, label='死亡')
    plt.plot(date_list, heal_list, label='治愈')
    
    plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m-%d')) # 格式化時間軸標注
    plt.gcf().autofmt_xdate() # 優化標注（自動傾斜）
    plt.grid(linestyle=':') # 顯示網格
    plt.legend(loc='best') # 顯示圖例
    plt.savefig('2019-nCoV疫情曲線.png') # 保存為文件
    #plt.show()

def plot_distribution():
    """繪制行政區域確診分布數據"""
    
    data = catch_distribution()
    
    width = 1600
    height = 800
    rect = [0.1, 0.12, 0.8, 0.8]
    lat_min = 0
    lat_max = 60
    lon_min = 77
    lon_max = 140
    
    '''全球等經緯投影模式使用以下設置，否則使用上面的對應設置
    width = 3000
    height = 1500
    rect = [0, 0, 1, 1]
    lat_min = -90
    lat_max = 90
    lon_min = 0
    lon_max = 360
    '''
    
    handles = [
            matplotlib.patches.Patch(color='#ffaa85', alpha=1, linewidth=0),
            matplotlib.patches.Patch(color='#ff7b69', alpha=1, linewidth=0),
            matplotlib.patches.Patch(color='#bf2121', alpha=1, linewidth=0),
            matplotlib.patches.Patch(color='#7f1818', alpha=1, linewidth=0),
]
    labels = [ '1-9人', '10-99人', '100-999人', '>1000人']
    
    provincePos = {
        "遼寧省":[121.7,40.9],
        "吉林省":[124.5,43.5],
        "黑龍江省":[125.6,46.5],
        "北京市":[116.0,39.9],
        "天津市":[117.0,38.7],
        "內蒙古自治區":[110.0,41.5],
        "寧夏回族自治區":[105.2,37.0],
        "山西省":[111.0,37.0],
        "河北省":[114.0,37.8],
        "山東省":[116.5,36.0],
        "河南省":[111.8,33.5],
        "陜西省":[107.5,33.5],
        "湖北省":[111.0,30.5],
        "江蘇省":[119.2,32.5],
        "安徽省":[115.5,31.8],
        "上海市":[121.0,31.0],
        "湖南省":[110.3,27.0],
        "江西省":[114.0,27.0],
        "浙江省":[118.8,28.5],
        "福建省":[116.2,25.5],
        "廣東省":[113.2,23.1],
        "臺灣省":[120.5,23.5],
        "海南省":[108.0,19.0],
        "廣西壯族自治區":[107.3,23.0],
        "重慶市":[106.5,29.5],
        "云南省":[101.0,24.0],
        "貴州省":[106.0,26.5],
        "四川省":[102.0,30.5],
        "甘肅省":[103.0,35.0],
        "青海省":[95.0,35.0],
        "新疆維吾爾自治區":[85.5,42.5],
        "西藏自治區":[85.0,31.5],
        "香港特別行政區":[115.1,21.2],
        "澳門特別行政區":[112.5,21.2]
    }
    
    fig = matplotlib.figure.Figure()
    fig.set_size_inches(width/100, height/100) # 設置繪圖板尺寸
    axes = fig.add_axes(rect)
    
    # 蘭博托投影模式，局部
#     m = Basemap(projection='lcc', llcrnrlon=77, llcrnrlat=14, urcrnrlon=140, urcrnrlat=51, lat_1=33, lat_2=45, lon_0=100, ax=axes)
    
    # 蘭博托投影模式，全圖
    #m = Basemap(projection='lcc', llcrnrlon=80, llcrnrlat=0, urcrnrlon=140, urcrnrlat=51, lat_1=33, lat_2=45, lon_0=100, ax=axes)
    
    # 圓柱投影模式，局部
    #m = Basemap(llcrnrlon=lon_min, urcrnrlon=lon_max, llcrnrlat=lat_min, urcrnrlat=lat_max, resolution='l', ax=axes)
    
    # 正射投影模式
#     m = Basemap(projection='ortho', lat_0=36, lon_0=102, resolution='l', ax=axes)
	
	# 全球等經緯投影模式，
    m = Basemap(llcrnrlon=lon_min, urcrnrlon=lon_max, llcrnrlat=lat_min, urcrnrlat=lat_max, resolution='l', ax=axes)
    m.etopo()
    
    m.readshapefile('./china-shapefiles-master/china-shapefiles-master/china', 'province', drawbounds=True)
    m.readshapefile('./china-shapefiles-master/china-shapefiles-master/china_nine_dotted_line', 'section', drawbounds=True)
    m.drawcoastlines(color='black') # 洲際線
    m.drawcountries(color='black')  # 國界線
    m.drawparallels(np.arange(lat_min,lat_max,10), labels=[1,0,0,0]) #畫經度線
    m.drawmeridians(np.arange(lon_min,lon_max,10), labels=[0,0,0,1]) #畫緯度線
    
    pset = set()
    for info, shape in zip(m.province_info, m.province):
        pname = info['OWNER'].strip('\x00')
        fcname = info['FCNAME'].strip('\x00')
        if pname != fcname: # 不繪制海島
            continue
        
        for key in data.keys():
            if key in pname:
                if data[key] == 0:
                    color = '#f0f0f0'
                elif data[key] < 10:
                    color = '#ffaa85'
                elif data[key] <100:
                    color = '#ff7b69'
                elif  data[key] < 1000:
                    color = '#bf2121'
                else:
                    color = '#7f1818'
                break
        
        poly = Polygon(shape, facecolor=color, edgecolor=color)
        axes.add_patch(poly)
        
        pos = provincePos[pname]
        text = pname.replace("自治區", "").replace("特別行政區", "").replace("壯族", "").replace("維吾爾", "").replace("回族", "").replace("省", "").replace("市", "")
        if text not in pset:
            x,  y = m(pos[0], pos[1])
            axes.text(x,  y, text, fontsize=11, color='#00FFFF')
            pset.add(text)
    
    axes.legend(handles, labels, bbox_to_anchor=(0.5, -0.11), loc='lower center', ncol=4, prop=font_14)
    axes.set_title("2019-nCoV疫情地圖", fontsize=14)
    FigureCanvasAgg(fig)
    fig.savefig('2019-nCoV疫情地圖2.png')

if __name__ == '__main__':
    plot_distribution()

最終繪制圖例如下：
在這里插入圖片描述

在這里插入圖片描述

中國加油，武漢加油！！！

本文鏈接：https://blog.csdn.net/qq_42166308/article/details/104315327

智能推薦

Matplotlib繪制機器學習中的判別分析示意圖

判別分析簡介判別分析就是依據訓練樣本建立判別函數，借助判別函數對給定的新樣本數據做出類別歸屬的分類預測方法，是機器學習中的分類預測方法。同樣，我們會通過判別函數對給定的一組新樣本做出分類歸屬的決策。因此，將分類歸屬結果以可視化形式進行展示就顯得特別有意義，很重要哇。 Matplotlib編程實現成品圖...

文獻插圖：在Unity中畫出360°全景視頻觀看示意圖

文獻插圖：在Unity中畫出全景視頻觀看示意圖插圖說明實現思路操作步驟創建場景相機視錐體可視化設置圖像顯示層級實現效果工程下載插圖說明在論文中需要畫出插圖，以說明全景視頻在觀看時的示意圖，類似于如下效果：實現思路創建兩個Sphere，設置其中一個球顯示效果為“透視”，另一個為“不透視”。“透視”球顯示全...

Python基礎03-對象的內存示意圖

前面我們了解了對象的基本組成，對"對象"有了一定的了解后，我們再深入探討------對象的內存 ################################################################################# 我們還是以昨天的例子為例：定義兩個變量，一個變量名為a，一個變量名為b。那么a和b的作用是不是也存放在了對象的里面呢...

. . 數語記吾學，以備不時之需，若遇同仁愿得賜教。 . . GMT繪制青藏高原某湖泊，GMT中文手冊104頁已有詳細介紹，僅做部分修改。 inset begin 定義了小圖的位置位于大圖左下角（-DjBL），小圖區域的寬度為 3 厘米，高度為 3.6 厘米（+w3c/3.6c），并且相對大圖左下角偏移 0.1 厘米（+o0.1c）。同時還設置了小圖區域的背景色為白色（+gwhite），并繪制了...