Python 大数据分析疫情:如何实现实时数据爬取及 Matplotlib 可视化?

2020 年 2 月 20 日 CSDN

作者 | 杨秀璋

来源 | CSDN博客专家Eastmount

责编 | 夕颜


思来想去,虽然很忙,但还是挤时间针对这次肺炎疫情写个Python大数据分析系列博客,包括网络爬虫、可视化分析、GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。希望该系列线上远程教学对您有所帮助,也希望早点战胜病毒,武汉加油、湖北加油、全国加油。待到疫情结束樱花盛开,这座英雄的城市等你们来。


第一篇文章将分享腾讯疫情实时数据抓取,获取全国各地和贵州省各地区的实时数据,并将数据存储至本地,最后调用Maplotlib和Seaborn绘制中国各地区、贵州省各城市、新增人数的图形。希望这篇可视化分析文章对您有所帮助,也非常感谢参考文献中老师的分享,一起加油,战胜疫情!如果您有想学习的知识或建议,可以给作者留言~


代码下载地址:https://github.com/eastmountyxz/Wuhan-data-analysis


Python实时数据爬取


我们的目标网站是腾讯新闻网实时数据,其原理主要是通过Requests获取JSON请求,从而得到各省、各市的疫情数据,这里推荐三篇原理文章,也强烈推荐大家阅读许老师(天元浪子)的博客。


爬虫目标网站:

  • https://news.qq.com/zt2020/page/feiyan.htm


第一步 分析网站


通过浏览器“审查元素”查看源代码及“网络”反馈的消息,如下图所示:



对应的响应信息如下所示:



第二步 发送请求并获取Json数据


通过分析url地址、请求方法、参数及响应格式,可以获取Json数据,注意url需要增加一个时间戳。下面代码展示了获取数据的键值及34个省份。


 1# -*- coding: utf-8 -*-
2
3#------------------------------------------------------------------------------
4# 第一步:抓取数据
5# 参考文章:许老师博客 https://blog.csdn.net/xufive/article/details/104093197
6#------------------------------------------------------------------------------
7import time, json, requests
8# 抓取腾讯疫情实时json数据
9url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
10data = json.loads(requests.get(url=url).json()['data'])
11print(data)
12print(data.keys())
13
14# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
15num = data['areaTree'][0]['children']
16print(len(num))
17for item in num:
18    print(item['name'],end=" ")   # 不换行
19else:
20    print("\n")                     # 换行


输出结果如下图所示,其顺序按照确诊人数排序。



第三步 获取湖北省疫情数据


接着通过 num[0][‘children’] 获取湖北省的疫情数据,代码如下:


 1# -*- coding: utf-8 -*-
2
3#------------------------------------------------------------------------------
4# 第一步:抓取数据
5# 参考文章:许老师博客 https://blog.csdn.net/xufive/article/details/104093197
6#------------------------------------------------------------------------------
7import time, json, requests
8# 抓取腾讯疫情实时json数据
9url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
10data = json.loads(requests.get(url=url).json()['data'])
11print(data)
12print(data.keys())
13
14# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
15num = data['areaTree'][0]['children']
16print(len(num))
17for item in num:
18    print(item['name'],end=" ")   # 不换行
19else:
20    print("\n")                     # 换行
21
22# 显示湖北省数据
23hubei = num[0]['children']
24for data in hubei:
25    print(data)


同样的方法可以获取各省份的数据,比如 num[1][‘children’] 表示广东省疫情数据,我们设置循环就能获取所有数据。其数据包括当日数据(today)和累计数据(total),confirm表示确诊、suspect表示疑似、dead表示死亡、heal表示治愈。



我们将所抓取的数据和真实的数据进行对比,武汉截止2月13日下午4点,新增确诊人数13436、累计确诊32994,发现是完全一致的。



1{'name''武汉'
2'today': {'confirm'13436'suspect'0'dead'0'heal'0'isUpdated'True}, 
3'total': {'confirm'32994'suspect'0'dead'1036'heal'1915'showRate'False
4          'showHeal'False'deadRate'3.14'healRate'5.8}}


第四步 获取各省确诊人数


注意,初始化每个省份人数为0,然后循环累加该省所有城市的确诊人数,调用 city_data[‘total’][‘confirm’] 获取各城市的确诊数据。



 1# -*- coding: utf-8 -*-
2
3#------------------------------------------------------------------------------
4# 第一步:抓取数据
5# 参考文章:许老师博客 https://blog.csdn.net/xufive/article/details/104093197
6#------------------------------------------------------------------------------
7import time, json, requests
8# 抓取腾讯疫情实时json数据
9url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
10data = json.loads(requests.get(url=url).json()['data'])
11print(data)
12print(data.keys())
13
14# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
15num = data['areaTree'][0]['children']
16print(len(num))
17for item in num:
18    print(item['name'],end=" ")   # 不换行
19else:
20    print("\n")                     # 换行
21
22# 显示湖北省数据
23hubei = num[0]['children']
24for item in hubei:
25    print(item)
26else:
27    print("\n")
28
29# 解析数据(确诊 疑似 死亡 治愈)
30total_data = {}
31for item in num:
32    if item['name'] not in total_data:
33        total_data.update({item['name']:0})
34    for city_data in item['children']:
35        total_data[item['name']] +=int(city_data['total']['confirm'])    
36print(total_data)
37# {'湖北'48206'广东'1241'河南'1169'浙江'1145'湖南'968, ...,  '澳门'10'西藏'1}


输出结果如下图所示:



接下来我们分享可视化画图。


Matplotlib绘制全国各地区柱状图


首先,我们调用Matplotlib绘制全国各地区的确诊人数柱状图,帮助大家回忆其基本用法。total_data为字典变量键值对,比如{‘湖北’: 48206, ‘广东’: 1241,…}


 1# -*- coding: utf-8 -*-
2
3#------------------------------------------------------------------------------
4# 第一步:抓取数据
5#------------------------------------------------------------------------------
6import time, json, requests
7# 抓取腾讯疫情实时json数据
8url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
9data = json.loads(requests.get(url=url).json()['data'])
10print(data)
11print(data.keys())
12
13# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
14num = data['areaTree'][0]['children']
15print(len(num))
16for item in num:
17    print(item['name'],end=" ")   # 不换行
18else:
19    print("\n")                     # 换行
20
21# 显示湖北省数据
22hubei = num[0]['children']
23for item in hubei:
24    print(item)
25else:
26    print("\n")
27
28# 解析数据(确诊 疑似 死亡 治愈)
29total_data = {}
30for item in num:
31    if item['name'not in total_data:
32        total_data.update({item['name']:0})
33    for city_data in item['children']:
34        total_data[item['name']] +=int(city_data['total']['confirm'])    
35print(total_data)
36# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
37
38#------------------------------------------------------------------------------
39# 第二步:绘制柱状图
40#------------------------------------------------------------------------------
41import matplotlib.pyplot as plt 
42import numpy as np
43
44plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
45plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
46
47#获取数据
48names = total_data.keys()
49nums = total_data.values()
50print(names)
51print(nums)
52
53# 绘图
54plt.figure(figsize=[10,6])
55plt.bar(names, nums, width=0.3, color='green')
56
57# 设置标题
58plt.xlabel("地区", fontproperties='SimHei', size=12)
59plt.ylabel("人数", fontproperties='SimHei', rotation=90, size=12)
60plt.title("全国疫情确诊数对比图", fontproperties='SimHei', size=16)
61plt.xticks(list(names), fontproperties='SimHei', rotation=-45, size=10)
62# 显示数字
63for a, b in zip(list(names), list(nums)):
64    plt.text(a, b, b, ha='center', va='bottom', size=6)
65plt.show()


输出结果如下图所示:



那么,如果我想获取累计确诊人数、新增确诊人数、死亡人数和治愈人数,并进行可视化展示,怎么办呢?只需要简单替换参数即可。


  • city_data[‘total’][‘confirm’] 确诊人数

  • city_data[‘total’][‘suspect’] 疑似人数

  • city_data[‘total’][‘dead’] 死亡人数

  • city_data[‘total’][‘heal’] 治愈人数

  • city_data[‘today’][‘confirm’] 新增确诊人数

  1# -*- coding: utf-8 -*-
2
3#------------------------------------------------------------------------------
4# 第一步:抓取数据
5#------------------------------------------------------------------------------
6import time, json, requests
7# 抓取腾讯疫情实时json数据
8url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
9data = json.loads(requests.get(url=url).json()['data'])
10print(data)
11print(data.keys())
12
13# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
14num = data['areaTree'][0]['children']
15print(len(num))
16for item in num:
17    print(item['name'],end=" ")   # 不换行
18else:
19    print("\n")                     # 换行
20
21# 显示湖北省数据
22hubei = num[0]['children']
23for item in hubei:
24    print(item)
25else:
26    print("\n")
27
28# 解析确诊数据
29total_data = {}
30for item in num:
31    if item['name'not in total_data:
32        total_data.update({item['name']:0})
33    for city_data in item['children']:
34        total_data[item['name']] +=int(city_data['total']['confirm'])    
35print(total_data)
36# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
37
38# 解析疑似数据
39total_suspect_data = {}
40for item in num:
41    if item['name'not in total_suspect_data:
42        total_suspect_data.update({item['name']:0})
43    for city_data in item['children']:
44        total_suspect_data[item['name']] +=int(city_data['total']['suspect'])    
45print(total_suspect_data)
46
47# 解析死亡数据
48total_dead_data = {}
49for item in num:
50    if item['name'not in total_dead_data:
51        total_dead_data.update({item['name']:0})
52    for city_data in item['children']:
53        total_dead_data[item['name']] +=int(city_data['total']['dead'])    
54print(total_dead_data)
55
56# 解析治愈数据
57total_heal_data = {}
58for item in num:
59    if item['name'not in total_heal_data:
60        total_heal_data.update({item['name']:0})
61    for city_data in item['children']:
62        total_heal_data[item['name']] +=int(city_data['total']['heal'])    
63print(total_heal_data)
64
65# 解析新增确诊数据
66total_new_data = {}
67for item in num:
68    if item['name'not in total_new_data:
69        total_new_data.update({item['name']:0})
70    for city_data in item['children']:
71        total_new_data[item['name']] +=int(city_data['today']['confirm']) # today    
72print(total_new_data)
73
74#------------------------------------------------------------------------------
75# 第二步:绘制柱状图
76#------------------------------------------------------------------------------
77import matplotlib.pyplot as plt 
78import numpy as np
79
80plt.figure(figsize=[10,6])
81plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
82plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
83
84#-----------------------------1.绘制确诊数据-----------------------------------
85p1 = plt.subplot(221)
86
87# 获取数据
88names = total_data.keys()
89nums = total_data.values()
90print(names)
91print(nums)
92print(total_data)
93plt.bar(names, nums, width=0.3, color='green')
94
95# 设置标题
96plt.ylabel("确诊人数", rotation=90)
97plt.xticks(list(names), rotation=-60, size=8)
98# 显示数字
99for a, b in zip(list(names), list(nums)):
100    plt.text(a, b, b, ha='center', va='bottom', size=6)
101plt.sca(p1)
102
103#-----------------------------2.绘制新增确诊数据-----------------------------------
104p2 = plt.subplot(222)
105names = total_new_data.keys()
106nums = total_new_data.values()
107print(names)
108print(nums)
109plt.bar(names, nums, width=0.3, color='yellow')
110plt.ylabel("新增确诊人数", rotation=90)
111plt.xticks(list(names), rotation=-60, size=8)
112# 显示数字
113for a, b in zip(list(names), list(nums)):
114    plt.text(a, b, b, ha='center', va='bottom', size=6)
115plt.sca(p2)
116
117#-----------------------------3.绘制死亡数据-----------------------------------
118p3 = plt.subplot(223)
119names = total_dead_data.keys()
120nums = total_dead_data.values()
121print(names)
122print(nums)
123plt.bar(names, nums, width=0.3, color='blue')
124plt.xlabel("地区")
125plt.ylabel("死亡人数", rotation=90)
126plt.xticks(list(names), rotation=-60, size=8)
127for a, b in zip(list(names), list(nums)):
128    plt.text(a, b, b, ha='center', va='bottom', size=6)
129plt.sca(p3)
130
131#-----------------------------4.绘制治愈数据-----------------------------------
132p4 = plt.subplot(224)
133names = total_heal_data.keys()
134nums = total_heal_data.values()
135print(names)
136print(nums)
137plt.bar(names, nums, width=0.3, color='red')
138plt.xlabel("地区")
139plt.ylabel("治愈人数", rotation=90)
140plt.xticks(list(names), rotation=-60, size=8)
141for a, b in zip(list(names), list(nums)):
142    plt.text(a, b, b, ha='center', va='bottom', size=6)
143plt.sca(p4)
144plt.show()


输出如下图所示,但是Matplotlib画图不太美观,接下来分享Seaborn可视化。



数据存储及Seaborn绘制全国各地区柱状图


Seaborn是在Matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,在大多数情况下使用seaborn能做出很具有吸引力的图,而使用matplotlib就能制作具有更多特色的图。


  • 安装:pip install seaborn



1.文件写入


 1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第一步:抓取数据
4#------------------------------------------------------------------------------
5import time, json, requests
6# 抓取腾讯疫情实时json数据
7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
8data = json.loads(requests.get(url=url).json()['data'])
9print(data)
10print(data.keys())
11
12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
13num = data['areaTree'][0]['children']
14print(len(num))
15for item in num:
16    print(item['name'],end=" ")   # 不换行
17else:
18    print("\n")                     # 换行
19
20# 显示湖北省数据
21hubei = num[0]['children']
22for item in hubei:
23    print(item)
24else:
25    print("\n")
26
27# 解析确诊数据
28total_data = {}
29for item in num:
30    if item['name'not in total_data:
31        total_data.update({item['name']:0})
32    for city_data in item['children']:
33        total_data[item['name']] +=int(city_data['total']['confirm'])    
34print(total_data)
35# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
36
37# 解析疑似数据
38total_suspect_data = {}
39for item in num:
40    if item['name'not in total_suspect_data:
41        total_suspect_data.update({item['name']:0})
42    for city_data in item['children']:
43        total_suspect_data[item['name']] +=int(city_data['total']['suspect'])    
44print(total_suspect_data)
45
46# 解析死亡数据
47total_dead_data = {}
48for item in num:
49    if item['name'not in total_dead_data:
50        total_dead_data.update({item['name']:0})
51    for city_data in item['children']:
52        total_dead_data[item['name']] +=int(city_data['total']['dead'])    
53print(total_dead_data)
54
55# 解析治愈数据
56total_heal_data = {}
57for item in num:
58    if item['name'not in total_heal_data:
59        total_heal_data.update({item['name']:0})
60    for city_data in item['children']:
61        total_heal_data[item['name']] +=int(city_data['total']['heal'])    
62print(total_heal_data)
63
64# 解析新增确诊数据
65total_new_data = {}
66for item in num:
67    if item['name'not in total_new_data:
68        total_new_data.update({item['name']:0})
69    for city_data in item['children']:
70        total_new_data[item['name']] +=int(city_data['today']['confirm']) # today    
71print(total_new_data)
72
73#------------------------------------------------------------------------------
74# 第二步:存储数据至CSV文件
75#------------------------------------------------------------------------------
76names = list(total_data.keys())          # 省份名称
77num1 = list(total_data.values())         # 确诊数据
78num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
79num3 = list(total_dead_data.values())    # 死亡数据
80num4 = list(total_heal_data.values())    # 治愈数据
81num5 = list(total_new_data.values())     # 新增确诊病例
82print(names)
83print(num1)
84print(num2)
85print(num3)
86print(num4)
87print(num5)
88
89# 获取当前日期命名(2020-02-13-all.csv)
90n = time.strftime("%Y-%m-%d") + "-all.csv"
91fw = open(n, 'w', encoding='utf-8')
92fw.write('province,confirm,dead,heal,new_confirm\n')
93i = 0
94while i<len(names):
95    fw.write(names[i]+','+str(num1[i])+','+str(num3[i])+','+str(num4[i])+','+str(num5[i])+'\n')
96    i = i + 1
97else:
98    print("Over write file!")
99    fw.close()


存储成功之后,如下图所示。



对应腾讯的数据,如下图所示:



2.Seaborn绘制柱状图


 1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第三步:调用Seaborn绘制柱状图
4#------------------------------------------------------------------------------
5import time
6import matplotlib
7import numpy as np
8import seaborn as sns
9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13n = time.strftime("%Y-%m-%d") + "-all.csv"
14data = pd.read_csv(n)
15
16# 设置窗口
17fig, ax = plt.subplots(1,1)
18print(data['province'])
19
20# 设置绘图风格及字体
21sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
22
23# 绘制柱状图
24g = sns.barplot(x="province", y="confirm", data=data, ax=ax,
25            palette=sns.color_palette("hls"8))
26
27# 在柱状图上显示数字
28i = 0
29for index, b in zip(list(data['province']), list(data['confirm'])):
30    g.text(i+0.05, b+0.05, b, color="black", ha="center", va='bottom', size=6)
31    i = i + 1
32
33# 设置Axes的标题
34ax.set_title('全国疫情最新情况')
35
36# 设置坐标轴文字方向 
37ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
38
39# 设置坐标轴刻度的字体大小
40ax.tick_params(axis='x',labelsize=8)
41ax.tick_params(axis='y',labelsize=8)
42
43plt.show()


显示结果如下图所示:



Seaborn绘制全国各地区对比柱状图


如果需要显示多个数据对比,则需要使用下面的代码。由于Seaborn能够进行按类别分组绘图,我们需要将抓取的数据存储为如下图所示的文件,才能将数据绘制在同一张图中。



  1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第一步:抓取数据
4#------------------------------------------------------------------------------
5import time, json, requests
6# 抓取腾讯疫情实时json数据
7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
8data = json.loads(requests.get(url=url).json()['data'])
9print(data)
10print(data.keys())
11
12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
13num = data['areaTree'][0]['children']
14print(len(num))
15for item in num:
16    print(item['name'],end=" ")   # 不换行
17else:
18    print("\n")                     # 换行
19
20# 显示湖北省数据
21hubei = num[0]['children']
22for item in hubei:
23    print(item)
24else:
25    print("\n")
26
27# 解析确诊数据
28total_data = {}
29for item in num:
30    if item['name'not in total_data:
31        total_data.update({item['name']:0})
32    for city_data in item['children']:
33        total_data[item['name']] +=int(city_data['total']['confirm'])    
34print(total_data)
35# {'湖北': 48206, '广东': 1241, '河南': 1169, '浙江': 1145, '湖南': 968, ...,  '澳门': 10, '西藏': 1}
36
37# 解析疑似数据
38total_suspect_data = {}
39for item in num:
40    if item['name'not in total_suspect_data:
41        total_suspect_data.update({item['name']:0})
42    for city_data in item['children']:
43        total_suspect_data[item['name']] +=int(city_data['total']['suspect'])    
44print(total_suspect_data)
45
46# 解析死亡数据
47total_dead_data = {}
48for item in num:
49    if item['name'not in total_dead_data:
50        total_dead_data.update({item['name']:0})
51    for city_data in item['children']:
52        total_dead_data[item['name']] +=int(city_data['total']['dead'])    
53print(total_dead_data)
54
55# 解析治愈数据
56total_heal_data = {}
57for item in num:
58    if item['name'not in total_heal_data:
59        total_heal_data.update({item['name']:0})
60    for city_data in item['children']:
61        total_heal_data[item['name']] +=int(city_data['total']['heal'])    
62print(total_heal_data)
63
64# 解析新增确诊数据
65total_new_data = {}
66for item in num:
67    if item['name'not in total_new_data:
68        total_new_data.update({item['name']:0})
69    for city_data in item['children']:
70        total_new_data[item['name']] +=int(city_data['today']['confirm']) # today    
71print(total_new_data)
72
73#------------------------------------------------------------------------------
74# 第二步:存储数据至CSV文件
75#------------------------------------------------------------------------------
76names = list(total_data.keys())          # 省份名称
77num1 = list(total_data.values())         # 确诊数据
78num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
79num3 = list(total_dead_data.values())    # 死亡数据
80num4 = list(total_heal_data.values())    # 治愈数据
81num5 = list(total_new_data.values())     # 新增确诊病例
82print(names)
83print(num1)
84print(num2)
85print(num3)
86print(num4)
87print(num5)
88
89# 获取当前日期命名(2020-02-13-all.csv)
90n = time.strftime("%Y-%m-%d") + "-all-4db.csv"
91fw = open(n, 'w', encoding='utf-8')
92fw.write('province,tpye,data\n')
93i = 0
94while i<len(names):
95    fw.write(names[i]+',confirm,'+str(num1[i])+'\n')
96    fw.write(names[i]+',dead,'+str(num3[i])+'\n')
97    fw.write(names[i]+',heal,'+str(num4[i])+'\n')
98    fw.write(names[i]+',new_confirm,'+str(num5[i])+'\n')
99    i = i + 1
100else:
101    print("Over write file!")
102    fw.close()
103
104#------------------------------------------------------------------------------
105# 第三步:调用Seaborn绘制柱状图
106#------------------------------------------------------------------------------
107import time
108import matplotlib
109import numpy as np
110import seaborn as sns
111import pandas as pd
112import matplotlib.pyplot as plt 
113
114# 读取数据
115n = time.strftime("%Y-%m-%d") + "-all-4db.csv"
116data = pd.read_csv(n)
117
118# 设置窗口
119fig, ax = plt.subplots(1,1)
120print(data['province'])
121
122# 设置绘图风格及字体
123sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
124
125# 绘制柱状图
126g = sns.barplot(x="province", y="data", hue="tpye", data=data, ax=ax,
127            palette=sns.color_palette("hls"8))
128
129# 设置Axes的标题
130ax.set_title('全国疫情最新情况')
131
132# 设置坐标轴文字方向 
133ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
134
135# 设置坐标轴刻度的字体大小
136ax.tick_params(axis='x',labelsize=8)
137ax.tick_params(axis='y',labelsize=8)
138
139plt.show()


此时绘制如下图所示:



但是当数据很小时,其柱状图无法很好地显示,建议采用以下方法处理:


  • 归一化处理

  • 湖北省外和湖北省内对比

 1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第三步:调用Seaborn绘制柱状图
4#------------------------------------------------------------------------------
5import time
6import matplotlib
7import numpy as np
8import seaborn as sns
9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13n = time.strftime("%Y-%m-%d") + "-all-4db-2no.csv"
14data = pd.read_csv(n)
15
16# 设置窗口
17fig, ax = plt.subplots(1,1)
18print(data['province'])
19
20# 设置绘图风格及字体
21sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
22
23# 绘制柱状图
24g = sns.barplot(x="province", y="data", hue="tpye", data=data, ax=ax,
25            palette=sns.color_palette("hls"8))
26
27# 设置Axes的标题
28ax.set_title('全国疫情最新情况')
29
30# 设置坐标轴文字方向 
31ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
32
33# 设置坐标轴刻度的字体大小
34ax.tick_params(axis='x',labelsize=8)
35ax.tick_params(axis='y',labelsize=8)
36
37plt.show()


替换成新增确诊病例的对比图如下所示。



Seaborn绘制疫情趋势图及湖北省内外对比图


1.湖北省内外对比图


在做数据分析过程中,我们通常需要对数据进行预处理或加工,下面将数据划分为湖北省内和湖北省外,再绘制对应的对比图。



 1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第三步:调用Seaborn绘制柱状图
4#------------------------------------------------------------------------------
5import time
6import matplotlib
7import numpy as np
8import seaborn as sns
9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13data = pd.read_csv("2020-02-13-all-4db-2no.csv")
14
15# 设置窗口
16fig, ax = plt.subplots(1,1)
17print(data['province'])
18
19# 设置绘图风格及字体
20sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
21
22# 绘制柱状图
23g = sns.barplot(x="province", y="data", hue="tpye", data=data, ax=ax,
24            palette=sns.color_palette("hls"8))
25
26# 设置Axes的标题
27ax.set_title('全国疫情最新情况')
28
29# 设置坐标轴文字方向 
30ax.set_xticklabels(ax.get_xticklabels())
31
32# 设置坐标轴刻度的字体大小
33ax.tick_params(axis='x',labelsize=8)
34ax.tick_params(axis='y',labelsize=8)
35
36plt.show()


输出结果如下图所示:



2.疫情趋势图


该部分代码是在许老师的文章基础上修改。


 1# -*- coding: utf-8 -*-
2# 参考文章:许老师博客 https://blog.csdn.net/xufive/article/details/104093197
3import time, json, requests
4from datetime import datetime
5import matplotlib.pyplot as plt
6import matplotlib.dates as mdates
7
8# 抓取腾讯疫情实时json数据
9def catch_daily():
10    url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts&callback=&_=%d'%int(time.time()*1000)
11    data = json.loads(requests.get(url=url).json()['data'])
12    data.sort(key=lambda x:x['date'])
13
14    date_list = list() # 日期
15    confirm_list = list() # 确诊
16    suspect_list = list() # 疑似
17    dead_list = list() # 死亡
18    heal_list = list() # 治愈
19    for item in data:
20        month, day = item['date'].split('/')
21        date_list.append(datetime.strptime('2020-%s-%s'%(month, day), '%Y-%m-%d'))
22        confirm_list.append(int(item['confirm']))
23        suspect_list.append(int(item['suspect']))
24        dead_list.append(int(item['dead']))
25        heal_list.append(int(item['heal']))
26    return date_list, confirm_list, suspect_list, dead_list, heal_list
27
28# 绘制每日确诊和死亡数据
29def plot_daily():
30
31
32    date_list, confirm_list, suspect_list, dead_list, heal_list = catch_daily() # 获取数据
33
34    plt.figure('2019-nCoV疫情统计图表', facecolor='#f4f4f4', figsize=(108))
35    plt.title('2019-nCoV疫情曲线', fontsize=20)
36
37    plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
38    plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
39
40    plt.plot(date_list, confirm_list, 'r-', label='确诊')
41    plt.plot(date_list, confirm_list, 'rs')
42    plt.plot(date_list, suspect_list, 'b-',label='疑似')
43    plt.plot(date_list, suspect_list, 'b*')
44    plt.plot(date_list, dead_list, 'y-', label='死亡')
45    plt.plot(date_list, dead_list, 'y+')
46    plt.plot(date_list, heal_list, 'g-', label='治愈')
47    plt.plot(date_list, heal_list, 'gd')
48
49    plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m-%d')) # 格式化时间轴标注
50    plt.gcf().autofmt_xdate() # 优化标注(自动倾斜)
51    plt.grid(linestyle=':'# 显示网格
52    plt.legend(loc='best'# 显示图例
53    plt.savefig('2019-nCoV疫情曲线.png'# 保存为文件
54    plt.show()
55
56if __name__ == '__main__':
57    plot_daily()


输出结果如下图所示,疑似人数开始下降。武汉加油,中国必胜!


Seaborn绘制其他图形及分析


作者这里仅补充绘图语法,更多分析结果(死亡数-治愈数)请读者进行。同时,读者可以增加数据量,全国所有城市的数据,可能绘制的图形更为丰满。


KDE图



 1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第四步:调用Seaborn绘制其他图形
4#------------------------------------------------------------------------------
5import time
6import matplotlib
7import numpy as np
8import seaborn as sns
9import pandas as pd
10import matplotlib.pyplot as plt 
11
12# 读取数据
13data = pd.read_csv('2020-02-13-all.csv')
14
15plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
16plt.rcParams['axes.unicode_minus'] = False    #用来正常显示负号
17
18# 设置窗口
19fig, ax = plt.subplots(1,1)
20print(data['province'])
21
22# 设置Axes的标题
23ax.set_title('全国疫情最新情况')
24
25# 设置坐标轴刻度的字体大小
26ax.tick_params(axis='x',labelsize=8)
27ax.tick_params(axis='y',labelsize=8)
28
29# 设置绘图风格及字体
30sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
31
32# 六角形
33#sns.jointplot(x="dead", y="heal", data=data, color="b", kind='hex')
34
35# KDE 图
36sns.jointplot(x="dead", y="heal", data=data, kind="kde", space=0, color="#6AB27B")
37
38# 散点图+KDE 图
39# g = (sns.jointplot(x="dead", y="heal", data=data, color="k").plot_joint(sns.kdeplot, zorder=0, n_levels=6))
40
41plt.show()


显示如下图所示:


六角形


sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, kind=‘hex’)



散点图


sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, s=50, kind=‘scatter’, space = 0.1, size = 8, ratio = 5)



回归图


sns.jointplot(x=“dead”, y=“heal”, data=data, color=“b”, kind=‘reg’)


散点图+KDE 图


g = (sns.jointplot(x=“dead”, y=“heal”, data=data, color=“k”).plot_joint(sns.kdeplot, zorder=0, n_levels=6))



贵州省可视化分析


接着我们抓取某一个省的数据,比如贵州省。



 1 -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第一步:抓取数据
4#------------------------------------------------------------------------------
5import time, json, requests
6# 抓取腾讯疫情实时json数据
7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
8data = json.loads(requests.get(url=url).json()['data'])
9print(data)
10print(data.keys())
11
12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
13num = data['areaTree'][0]['children']
14print(len(num))
15
16# 获取贵州下标
17k = 0
18for item in num:
19    print(item['name'],end=" ")   # 不换行
20    if item['name'in "贵州":
21        print("")
22        print(item['name'], k)
23        break
24    k = k + 1
25print(""# 换行
26
27# 显示贵州省数据
28gz = num[k]['children']
29for item in gz:
30    print(item)
31else:
32    print("\n")


输出结果如下图所示:



添加解析数据和存储文件,完整代码如下:



  1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第一步:抓取数据
4#------------------------------------------------------------------------------
5import time, json, requests
6# 抓取腾讯疫情实时json数据
7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
8data = json.loads(requests.get(url=url).json()['data'])
9print(data)
10print(data.keys())
11
12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
13num = data['areaTree'][0]['children']
14print(len(num))
15
16# 获取贵州下标
17k = 0
18for item in num:
19    print(item['name'],end=" ")   # 不换行
20    if item['name'] in "贵州":
21        print("")
22        print(item['name'], k)
23        break
24    k = k + 1
25print("") # 换行
26
27# 显示贵州省数据
28gz = num[k]['children']
29for item in gz:
30    print(item)
31else:
32    print("\n")
33
34#------------------------------------------------------------------------------
35# 第二步:解析数据
36#------------------------------------------------------------------------------
37# 解析确诊数据
38total_data = {}
39for item in gz:
40    if item['name'] not in total_data:
41        total_data.update({item['name']:0})
42    total_data[item['name']] = item['total']['confirm']
43print('确诊人数')
44print(total_data)
45# {'贵阳': 33, '遵义': 25, '毕节': 22, '黔南州': 17, '六盘水': 10, '铜仁': 10, '黔东南州': 10, '黔西南州': 4, '安顺': 4}
46
47# 解析疑似数据
48total_suspect_data = {}
49for item in gz:
50    if item['name'] not in total_suspect_data:
51        total_suspect_data.update({item['name']:0})
52    total_suspect_data[item['name']] = item['total']['suspect']    
53print('疑似人数')
54print(total_suspect_data)
55
56# 解析死亡数据
57total_dead_data = {}
58for item in gz:
59    if item['name'] not in total_dead_data:
60        total_dead_data.update({item['name']:0})
61    total_dead_data[item['name']] = item['total']['dead']  
62print('死亡人数')
63print(total_dead_data)
64
65# 解析治愈数据
66total_heal_data = {}
67for item in gz:
68    if item['name'] not in total_heal_data:
69        total_heal_data.update({item['name']:0})
70    total_heal_data[item['name']] = item['total']['heal']
71print('治愈人数')
72print(total_heal_data)
73
74# 解析新增确诊数据
75total_new_data = {}
76for item in gz:
77    if item['name'] not in total_new_data:
78        total_new_data.update({item['name']:0})
79    total_new_data[item['name']] = item['today']['confirm'] # today    
80print('新增确诊人数')
81print(total_new_data)
82
83#------------------------------------------------------------------------------
84# 第三步:存储数据至CSV文件
85#------------------------------------------------------------------------------
86names = list(total_data.keys())          # 省份名称
87num1 = list(total_data.values())         # 确诊数据
88num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
89num3 = list(total_dead_data.values())    # 死亡数据
90num4 = list(total_heal_data.values())    # 治愈数据
91num5 = list(total_new_data.values())     # 新增确诊病例
92print(names)
93print(num1)
94print(num2)
95print(num3)
96print(num4)
97print(num5)
98
99# 获取当前日期命名(2020-02-13-gz.csv)
100n = time.strftime("%Y-%m-%d") + "-gz.csv"
101fw = open(n, 'w', encoding='utf-8')
102fw.write('province,confirm,dead,heal,new_confirm\n')
103i = 0
104while i<len(names):
105    fw.write(names[i]+','+str(num1[i])+','+str(num3[i])+','+str(num4[i])+','+str(num5[i])+'\n')
106    i = i + 1
107else:
108    print("Over write file!")
109    fw.close()


完整输出内容如下所示:




 1dict_keys(['lastUpdateTime''chinaTotal''chinaAdd''isShowAdd''chinaDayList''chinaDayAddList''dailyNewAddHistory''dailyDeadRateHistory''confirmAddRank''areaTree''articleList'])
234
3湖北 广东 河南 浙江 湖南 安徽 江西 江苏 重庆 山东 四川 黑龙江 北京 上海 福建 河北 陕西 广西 海南 云南 贵州 
4贵州 20
5
6{'name''贵阳''today': {'confirm'4'suspect'0'dead'0'heal'0'isUpdated'True}, 'total': {'confirm'33'suspect'0'dead'0'heal'4'showRate'False'showHeal'True'deadRate'0'healRate'12.12}}
7{'name''遵义''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'False}, 'total': {'confirm'25'suspect'0'dead'0'heal'1'showRate'False'showHeal'True'deadRate'0'healRate'4}}
8{'name''毕节''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'True}, 'total': {'confirm'22'suspect'0'dead'0'heal'4'showRate'False'showHeal'True'deadRate'0'healRate'18.18}}
9{'name''黔南州''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'True}, 'total': {'confirm'17'suspect'0'dead'0'heal'5'showRate'False'showHeal'True'deadRate'0'healRate'29.41}}
10{'name''六盘水''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'True}, 'total': {'confirm'10'suspect'0'dead'1'heal'3'showRate'False'showHeal'True'deadRate'10'healRate'30}}
11{'name''铜仁''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'False}, 'total': {'confirm'10'suspect'0'dead'0'heal'5'showRate'False'showHeal'True'deadRate'0'healRate'50}}
12{'name''黔东南州''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'False}, 'total': {'confirm'10'suspect'0'dead'0'heal'2'showRate'False'showHeal'True'deadRate'0'healRate'20}}
13{'name''黔西南州''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'True}, 'total': {'confirm'4'suspect'0'dead'0'heal'3'showRate'False'showHeal'True'deadRate'0'healRate'75}}
14{'name''安顺''today': {'confirm'0'suspect'0'dead'0'heal'0'isUpdated'False}, 'total': {'confirm'4'suspect'0'dead'0'heal'0'showRate'False'showHeal'True'deadRate'0'healRate'0}}
15
16
17确诊人数
18{'贵阳'33'遵义'25'毕节'22'黔南州'17'六盘水'10'铜仁'10'黔东南州'10'黔西南州'4'安顺'4}
19疑似人数
20{'贵阳'0'遵义'0'毕节'0'黔南州'0'六盘水'0'铜仁'0'黔东南州'0'黔西南州'0'安顺'0}
21死亡人数
22{'贵阳'0'遵义'0'毕节'0'黔南州'0'六盘水'1'铜仁'0'黔东南州'0'黔西南州'0'安顺'0}
23治愈人数
24{'贵阳'4'遵义'1'毕节'4'黔南州'5'六盘水'3'铜仁'5'黔东南州'2'黔西南州'3'安顺'0}
25新增确诊人数
26{'贵阳'4'遵义'0'毕节'0'黔南州'0'六盘水'0'铜仁'0'黔东南州'0'黔西南州'0'安顺'0}


最后采用Seaborn绘制图形如下所示:


  1# -*- coding: utf-8 -*-
2#------------------------------------------------------------------------------
3# 第一步:抓取数据
4#------------------------------------------------------------------------------
5import time, json, requests
6# 抓取腾讯疫情实时json数据
7url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5&callback=&_=%d'%int(time.time()*1000)
8data = json.loads(requests.get(url=url).json()['data'])
9print(data)
10print(data.keys())
11
12# 统计省份信息(34个省份 湖北 广东 河南 浙江 湖南 安徽....)
13num = data['areaTree'][0]['children']
14print(len(num))
15
16# 获取贵州下标
17k = 0
18for item in num:
19    print(item['name'],end=" ")   # 不换行
20    if item['name'in "贵州":
21        print("")
22        print(item['name'], k)
23        break
24    k = k + 1
25print(""# 换行
26
27# 显示贵州省数据
28gz = num[k]['children']
29for item in gz:
30    print(item)
31else:
32    print("\n")
33
34#------------------------------------------------------------------------------
35# 第二步:解析数据
36#------------------------------------------------------------------------------
37# 解析确诊数据
38total_data = {}
39for item in gz:
40    if item['name'not in total_data:
41        total_data.update({item['name']:0})
42    total_data[item['name']] = item['total']['confirm']
43print('确诊人数')
44print(total_data)
45# {'贵阳': 33, '遵义': 25, '毕节': 22, '黔南州': 17, '六盘水': 10, '铜仁': 10, '黔东南州': 10, '黔西南州': 4, '安顺': 4}
46
47# 解析疑似数据
48total_suspect_data = {}
49for item in gz:
50    if item['name'not in total_suspect_data:
51        total_suspect_data.update({item['name']:0})
52    total_suspect_data[item['name']] = item['total']['suspect']    
53print('疑似人数')
54print(total_suspect_data)
55
56# 解析死亡数据
57total_dead_data = {}
58for item in gz:
59    if item['name'not in total_dead_data:
60        total_dead_data.update({item['name']:0})
61    total_dead_data[item['name']] = item['total']['dead']  
62print('死亡人数')
63print(total_dead_data)
64
65# 解析治愈数据
66total_heal_data = {}
67for item in gz:
68    if item['name'not in total_heal_data:
69        total_heal_data.update({item['name']:0})
70    total_heal_data[item['name']] = item['total']['heal']
71print('治愈人数')
72print(total_heal_data)
73
74# 解析新增确诊数据
75total_new_data = {}
76for item in gz:
77    if item['name'not in total_new_data:
78        total_new_data.update({item['name']:0})
79    total_new_data[item['name']] = item['today']['confirm'# today    
80print('新增确诊人数')
81print(total_new_data)
82
83#------------------------------------------------------------------------------
84# 第三步:存储数据至CSV文件
85#------------------------------------------------------------------------------
86names = list(total_data.keys())          # 省份名称
87num1 = list(total_data.values())         # 确诊数据
88num2 = list(total_suspect_data.values()) # 疑似数据(全为0)
89num3 = list(total_dead_data.values())    # 死亡数据
90num4 = list(total_heal_data.values())    # 治愈数据
91num5 = list(total_new_data.values())     # 新增确诊病例
92print(names)
93print(num1)
94print(num2)
95print(num3)
96print(num4)
97print(num5)
98
99# 获取当前日期命名(2020-02-13-gz.csv)
100n = time.strftime("%Y-%m-%d") + "-gz-4db.csv"
101fw = open(n, 'w', encoding='utf-8')
102fw.write('province,type,data\n')
103i = 0
104while i<len(names):
105    fw.write(names[i]+',confirm,'+str(num1[i])+'\n')
106    fw.write(names[i]+',dead,'+str(num3[i])+'\n')
107    fw.write(names[i]+',heal,'+str(num4[i])+'\n')
108    fw.write(names[i]+',new_confirm,'+str(num5[i])+'\n')
109    i = i + 1
110else:
111    print("Over write file!")
112    fw.close()
113
114#------------------------------------------------------------------------------
115# 第四步:调用Seaborn绘制柱状图
116#------------------------------------------------------------------------------
117import time
118import matplotlib
119import numpy as np
120import seaborn as sns
121import pandas as pd
122import matplotlib.pyplot as plt 
123
124# 读取数据
125n = time.strftime("%Y-%m-%d") + "-gz-4db.csv"
126data = pd.read_csv(n)
127
128# 设置窗口
129fig, ax = plt.subplots(1,1)
130print(data['province'])
131
132# 设置绘图风格及字体
133sns.set_style("whitegrid",{'font.sans-serif':['simhei','Arial']})
134
135# 绘制柱状图
136g = sns.barplot(x="province", y="data", hue="type", data=data, ax=ax,
137            palette=sns.color_palette("hls"8))
138
139# 设置Axes的标题
140ax.set_title('贵州2月13日疫情最新情况')
141
142# 设置坐标轴文字方向 
143ax.set_xticklabels(ax.get_xticklabels(), rotation=-60)
144
145# 设置坐标轴刻度的字体大小
146ax.tick_params(axis='x',labelsize=8)
147ax.tick_params(axis='y',labelsize=8)
148
149plt.show()


贵州省2月13日疫情显示结果如下所示:




总结


写到这里,第一篇疫情分析的文章就讲解完毕,希望对您有所帮助。主要包括两部分内容:


  • 实时数据爬取

  • 可视化分析


后续还会分享GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。如果文章对您有所帮助,将是我写作的最大动力。


同时,向钟院士致敬,向一线工作者致敬。侠之大者,为国为民。咱们中国人一生的最高追求,为天地立心,为生民立命,为往圣继绝学,为万世开太平。以一人之力系万民康乐,以一身犯险保大业安全。他们真是做到了,武汉加油,中国加油!


(By:Eastmount 2020-02-17 晚上9点夜于贵阳 http://blog.csdn.net/eastmount/)


原文链接:

https://blog.csdn.net/Eastmount/article/details/104298388


本文为CSDN博客专家文章,转载请注明出处。
【End】

技术战“疫”,贾扬清、李飞飞给程序员直播讲AI技术

2月18日、2月20日,阿里云CIO学院攻“疫”技术课程正式开启。您将获得与达摩院数据库首席科学家 、阿里巴巴集团副总裁、ACM 杰出科学家李飞飞,Caffe之父、ONNX创始人、阿里巴巴集团副总裁贾扬清,阿里巴巴集团副总裁、阿里 CIO 学院院长胡臣杰等顶级技术专家直播互动的机会。

推荐阅读 
iPhone 9或于4月3日发布;复制粘贴之父Larry Tesler去世;Android 11开发者预览版来了!| 极客头条
10 万阿里人都爱用的网红工具,语雀如何“用保护钱包的技术在保护文档安全”?
超赞的PyTorch资源大列表,GitHub标星9k+,中文版也上线了
“删库跑路”这件事情真的发生了 ,还是技术总监干的!
别再用那些已经淘汰的技术了!2020 年 9 大顶级 Java 框架出炉!!
31岁年薪50万:“复工第一天,谢谢裁掉我!” 有底气的人生无需解释!
你点的每一个在看,我认真当成了喜欢
猛戳“ 阅读原文 ”,立即加入!
登录查看更多
0

相关内容

JSON( Java Script Object Notation)是一种轻量级的资料交换语言,以文字为基础,且易于让人阅读。尽管 JSON 是在 JavaScript 的一個子集,但 JSON 是独立于语言的文本格式,並且采用了类似于 C 语言家族的一些习惯。
【2020新书】实战R语言4,323页pdf
专知会员服务
102+阅读 · 2020年7月1日
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
198+阅读 · 2020年6月29日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
164+阅读 · 2020年5月14日
【资源】100+本免费数据科学书
专知会员服务
108+阅读 · 2020年3月17日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
195+阅读 · 2020年3月12日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
182+阅读 · 2020年1月1日
【干货】用BRET进行多标签文本分类(附代码)
专知会员服务
85+阅读 · 2019年12月27日
一文看懂怎么用 Python 做数据分析
大数据技术
24+阅读 · 2019年5月5日
文本分析与可视化
Python程序员
9+阅读 · 2019年2月28日
Python 爬虫实践:《战狼2》豆瓣影评分析
数据库开发
5+阅读 · 2018年3月19日
教你用Python来玩跳一跳
七月在线实验室
6+阅读 · 2018年1月2日
Python3爬虫之入门和正则表达式
全球人工智能
7+阅读 · 2017年10月9日
【宁波站】网络爬虫与文本挖掘
数萃大数据
5+阅读 · 2017年7月19日
Arxiv
3+阅读 · 2019年3月1日
q-Space Novelty Detection with Variational Autoencoders
Feature Selection Library (MATLAB Toolbox)
Arxiv
7+阅读 · 2018年8月6日
Arxiv
11+阅读 · 2017年11月22日
VIP会员
相关VIP内容
【2020新书】实战R语言4,323页pdf
专知会员服务
102+阅读 · 2020年7月1日
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
198+阅读 · 2020年6月29日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
164+阅读 · 2020年5月14日
【资源】100+本免费数据科学书
专知会员服务
108+阅读 · 2020年3月17日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
195+阅读 · 2020年3月12日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
182+阅读 · 2020年1月1日
【干货】用BRET进行多标签文本分类(附代码)
专知会员服务
85+阅读 · 2019年12月27日
相关资讯
一文看懂怎么用 Python 做数据分析
大数据技术
24+阅读 · 2019年5月5日
文本分析与可视化
Python程序员
9+阅读 · 2019年2月28日
Python 爬虫实践:《战狼2》豆瓣影评分析
数据库开发
5+阅读 · 2018年3月19日
教你用Python来玩跳一跳
七月在线实验室
6+阅读 · 2018年1月2日
Python3爬虫之入门和正则表达式
全球人工智能
7+阅读 · 2017年10月9日
【宁波站】网络爬虫与文本挖掘
数萃大数据
5+阅读 · 2017年7月19日
Top
微信扫码咨询专知VIP会员