Python制作可视化大屏（东京奥运会）

1047521767

目录
; K5 d# i+ m" r
9 |! _! E3 x3 G, c5 h: A( k* u0 M5 R( G3 F文章目录

2 Q# J% Z* Q- G) y& z; d* ?& U前言

一、数据爬取
- o5 R) R6 H4 V/ f. I2 g# d( f% l* v
) g( s+ X- {* u. B' c二、数据预处理

/ U+ O4 R$ K  M' V) f​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。
+ Q  I1 u7 V. X( I+ k3 T  {" U
( m9 ?4 a. t  _
一、数据爬取
import requests
import pandas as pd
from pprint import pprint
- k  m% B7 o# O* _" }: ^导入相关库
  f& h! }: Z; E/ n
# k9 W  N' N2 Q6 @requests库用于发起网页请求，获取网页中的源代码；
: [4 v' h! `9 c$ L
pandas库用于存储和读取获取到的信息；

; z7 L: F$ g9 z) O- S; ?; e2 y* spprint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()
/ ]5 P- P% z9 z+ ?# pprint(data1)

! B  \0 Z" H" D9 J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']
+ p( D0 U, _2 L, |# S    name_id = info['countryId']
    rank = info['rank']
    gold = info['goldMedalNum']
) [  u* L! n8 {' b    silver = info['silverMedalNum']
    bronze = info['bronzeMedalNum']
+ Y* y' A0 |# c+ T  |    total = info['totalMedalNum']
    # 组织数据
    orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
& H% x; L# N: I    # 然后追加df
    df1 = df1.append(orangized_data)
df1.columns = ['名称', 'ID', '排名', '金牌', '银牌', '铜牌', '奖牌总数']
df1
5 c4 }% I- Z. t4 J0 H

5 H; ]/ ~5 s9 v( J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。
0 U- Z. d; _; _% Z8 g+ S- Yurl = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'
data2 = requests.get(url).json()
/ Z/ _: b6 l0 g% c5 B. Q#pprint(data2)
4 U* @: O4 N% M( I, ]' ]
df2 = pd.DataFrame()
* q  L/ g* i4 W0 V4 M  ufor info in data2['body']['medalTableDetail']:
" f9 R/ D) b: z7 H' B  l1 z2 h    english_name = info['countryName']
    name_id = info['countryId']
    award_time = info['awardTime']
    item_name = info['bigItemName']
    sports_name = info['sportsName']
" @2 r# b7 `; v  Z! u& h8 i    medal_type = info['medalType']
    # 组织数据
    orangized_data = [[english_name,name_id,award_time,item_name,sports_name,medal_type]]
. m/ I! ~8 x9 G! v    # 然后追加df
7 a7 T3 y: Z  U- v    df2 = df2.append(orangized_data)
) A8 k8 k* X9 K) t4 x# bdf2.columns = ['英文缩写', 'ID', '获奖时间', '项目名', '运动员', '金牌类型']
df2

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。
$ @- n" B, e: B( _  u) q

二、数据预处理
/ `( h% S2 N% P4 A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。

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:
    x = f.read()

df3 = pd.DataFrame()
1 |: C& s! E5 r% `5 mfor i in x.split("\n"):
- r1 L4 y% ^2 |# g2 i    x = i.split("：")[0].strip()
    y = i.split("：")[1].strip()
    orangined_data = [[x,y]]
' v2 L7 y6 d8 t  {    df3 = df3.append(orangined_data)
# [. B6 h$ {3 Z' D4 i4 bdf3.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。
2 D4 ^) J8 j- T* L
df4 = pd.merge(df1,df3,on="名称",how="left")
df4.head(10)
8 j; }9 I4 J# ]4 \) t8 Q

表格df5表示运动项目获奖详情。

• 
  
  
  " T- N: D  ]+ d  q* q0 Z7 O, F+ C3 w

$ q! U7 ^, l" Y) |1 b! K4 Z5 ?

iolia008