Python制作可视化大屏（东京奥运会）

1047521767

目录

文章目录
# U6 M  P5 D) l" i- V# Y6 q( U4 _
前言
, U! y1 R9 P. \9 j
! E: V6 r5 ~' `2 F* A一、数据爬取

; j) I" }9 R- ~9 K! j二、数据预处理
8 Z4 e8 c( y# X2 {! J
% \- i# y& ~/ c& |! r8 D​前言
) Y, R1 T+ {! W& A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。

9 O/ P2 P6 q7 h: }# ~" t- f, L
& i; J/ X; Z+ q. F$ W+ ~一、数据爬取
import requests
/ |# d6 S" u; Y! r2 D, N/ Gimport pandas as pd
from pprint import pprint
导入相关库

requests库用于发起网页请求，获取网页中的源代码；
+ _9 W1 K% x# k& s0 s: x
8 Q; _' |/ S' L- Zpandas库用于存储和读取获取到的信息；

pprint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；
& y$ S( S7 D6 G( d4 V; @; h# K
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'
" a% d: s; W2 q5 Sdata1 = requests.get(url).json()
# pprint(data1)

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()
' [, w8 _3 V* u* b$ o" P7 Xfor info in data1['body']['allMedalData']:
* l( R7 W& i+ C+ B9 s* V    name = info['countryName']
- p. o3 S5 L7 }0 c4 Y0 g0 v6 X* |; [- c    name_id = info['countryId']
    rank = info['rank']
5 z# S1 I8 ~& d% j! O    gold = info['goldMedalNum']
2 B; u$ X- u5 X! t7 f    silver = info['silverMedalNum']
    bronze = info['bronzeMedalNum']
    total = info['totalMedalNum']
4 y5 F, Z8 u7 q# {& I0 c2 J    # 组织数据
    orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
    # 然后追加df
7 u$ w( D. D6 n% I    df1 = df1.append(orangized_data)
. t+ X5 ?  V; G0 V/ Idf1.columns = ['名称', 'ID', '排名', '金牌', '银牌', '铜牌', '奖牌总数']
# v( x$ A, C: \0 Ddf1

/ q6 @# a1 {& H0 ]6 @
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。
7 S' T, e8 a0 M7 [4 Curl = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'
data2 = requests.get(url).json()
#pprint(data2)

df2 = pd.DataFrame()
$ m' M9 C; V( j) mfor info in data2['body']['medalTableDetail']:
    english_name = info['countryName']
    name_id = info['countryId']
- T, H8 i- |* J3 k8 _    award_time = info['awardTime']
    item_name = info['bigItemName']
2 t3 w' N- Z+ I" J9 O  d    sports_name = info['sportsName']
    medal_type = info['medalType']
" k" `- a3 @& Y+ x    # 组织数据
    orangized_data = [[english_name,name_id,award_time,item_name,sports_name,medal_type]]
    # 然后追加df
2 b0 f& e, F5 @7 O    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']
2 O+ l; j; q8 M4 t: u) m6 P5 Adf2
1 y" j# f6 f# S8 h
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。
7 m: g* [8 Z5 _

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。

* F3 \/ q: `8 }: v7 [7 h; Owith 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:
9 d% x8 W2 Q. P, N9 }    x = f.read()

df3 = pd.DataFrame()
for i in x.split("\n"):
  V8 H  G& @9 }# o& u3 e: X) p/ R- v    x = i.split("：")[0].strip()
    y = i.split("：")[1].strip()
    orangined_data = [[x,y]]
2 J$ S+ v) r" j- i( e    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。

df4 = pd.merge(df1,df3,on="名称",how="left")
6 C. S2 s2 z5 X7 C# i; ?  ?1 mdf4.head(10)
+ Q- ^- z, v. V0 L! q

表格df5表示运动项目获奖详情。

• 
  
  
  

: r- S7 K- |) U# d

iolia008