Python制作可视化大屏（东京奥运会）

1047521767

目录
' O. B6 \3 K+ s: ^& m% `
文章目录
9 [# U3 U0 P5 S3 n+ `6 S6 e! I* `
前言

- E( f# k+ a  y一、数据爬取
" y% L5 H0 p: c& ~% @+ f2 E' I
二、数据预处理

​前言
本文基于requests库爬取的奥运会相关数据，利用pandas库对数据进行处理之后，最后介绍了如何利用pyecharts库制作可视化大屏。
, A  g0 C6 J5 l

! [7 {7 y3 r/ k0 \' g一、数据爬取
import requests
import pandas as pd
from pprint import pprint
# p6 \6 y- f5 A/ e5 `导入相关库

requests库用于发起网页请求，获取网页中的源代码；
, `# S- v/ ]$ m7 B. {: b
pandas库用于存储和读取获取到的信息；
% b  _. G7 f5 N) l6 e" n
) G+ Q* o2 [* U, D7 Jpprint库是漂亮的打印，对于json格式的数据，能够很好的展示结构，方便我们解析；

url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'
data1 = requests.get(url).json()
2 i/ D4 {6 F4 L& F$ E# pprint(data1)
" P+ I- {% C  Z! d  V5 C
这里利用三行代码就可以获取到网页的源代码，利用pprint库，可以清晰的展示json结构，对于我们解析数据很有帮助。
df1 = pd.DataFrame()
for info in data1['body']['allMedalData']:
    name = info['countryName']
$ `, g; J! q  ]' b. v# ~  S    name_id = info['countryId']
1 Y9 Q7 F4 ~1 A2 O    rank = info['rank']
    gold = info['goldMedalNum']
    silver = info['silverMedalNum']
    bronze = info['bronzeMedalNum']
    total = info['totalMedalNum']
    # 组织数据
4 i  Q" v# J) h4 ^' W1 I+ V    orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
$ l( c8 _, j- [4 q9 G    # 然后追加df
( D. T8 P7 s. b4 O8 L5 F0 A    df1 = df1.append(orangized_data)
4 P1 I0 x) P$ [5 t* `. |4 ^df1.columns = ['名称', 'ID', '排名', '金牌', '银牌', '铜牌', '奖牌总数']
df1
( r6 o. X: A' p. J; K

) @- h* j; P  F! ^这里利用pandas库对爬取的数据进行处理，转变成结构更清楚的数据框结构。
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'
data2 = requests.get(url).json()
#pprint(data2)

+ u9 P. v2 r# @: R( ldf2 = pd.DataFrame()
for info in data2['body']['medalTableDetail']:
" [2 K5 y( f" |7 j, V& \    english_name = info['countryName']
    name_id = info['countryId']
- v, n/ I( C9 @$ Q6 m$ m7 x+ _( S    award_time = info['awardTime']
    item_name = info['bigItemName']
    sports_name = info['sportsName']
3 R# w- {4 ]5 T4 t    medal_type = info['medalType']
1 \5 m1 y- x+ {. W0 M/ f8 e    # 组织数据
) l' A9 s0 G5 d5 n2 [/ z3 M    orangized_data = [[english_name,name_id,award_time,item_name,sports_name,medal_type]]
    # 然后追加df
    df2 = df2.append(orangized_data)
df2.columns = ['英文缩写', 'ID', '获奖时间', '项目名', '运动员', '金牌类型']
/ t& R! e/ V/ i3 n5 xdf2
; g* ~& Y' R( L/ I" }3 `
6 v( o" y5 J% V; [5 `8 ?对于另外一个网页，我们采取同样的方式对数据进行爬取和处理。

) X/ S  _$ O6 s
二、数据预处理
由于使用pyecharts绘制世界地图时，名称必须是英文的，所以我们需要将这里的中文名称映射为英文名称。 我们要做的就是将它与表格中的数据，做个映射转换。先把它转换为一个Excel文件，方便我们以后直接使用。

) C% U8 D) Y. F& Z9 S: U7 ~with open("D:/和鲸数据/数据可视化大屏！绘制全流程！/国家名中英文对照表.txt","r",encoding="utf-8") as f:
" F) b' {7 s0 w% B, z6 `3 b4 L, N    x = f.read()
( o/ y4 P: F) y* l5 _0 ^# O
df3 = pd.DataFrame()
for i in x.split("\n"):
' I) X# X, R; x& m2 D    x = i.split("：")[0].strip()
0 l6 E0 I$ t; v+ ]    y = i.split("：")[1].strip()
6 ^, ~1 ]( T: R7 o5 m    orangined_data = [[x,y]]
+ a4 W) a7 ?. Q' j    df3 = df3.append(orangined_data)
df3.columns = ["名称","英文名称"]
df3.to_excel("D:/和鲸数据/数据可视化大屏！绘制全流程！/国家名中英文对照表.xlsx",index=None)
表格df1表示各国奖牌数，表格df3表示国家名中英文对照表，利用上述两张表，我们可以左连接，将英文名称添加到df1表上。
: I, F7 Y: W+ r# M) a! h
& Z, c9 w' u( d3 u: I# r0 Zdf4 = pd.merge(df1,df3,on="名称",how="left")
3 r/ i1 s9 ]. K" Y" x, I0 \  Y# kdf4.head(10)

7 V( T: k& M. r5 I) j3 @; J. D

表格df5表示运动项目获奖详情。

• 
  
  
  

iolia008

  v0 M: P2 O0 |" h4 y% T; A- n2 @