Python制作可视化大屏（东京奥运会）

1047521767

目录
+ Y) p" I  Z& Q! Q" P
文章目录

前言

9 i' }$ g4 p1 s, u2 U" B! C' V一、数据爬取

: l! o' j+ a" h1 C! k4 T二、数据预处理
- R( ~0 E* `2 I$ [! ]0 P
​前言
7 C" n' I" P$ o6 G) A8 c3 J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。

4 `3 b& T1 P0 v) a+ d6 I  p+ E
# @( x4 o* V- H: M# J一、数据爬取
1 o5 k5 z1 Z5 z" s5 H  K  `import requests
import pandas as pd
from pprint import pprint
导入相关库
+ u: ^) A, a" J! ?0 ?) J! a& a
  q7 [& E$ h/ A: |requests库用于发起网页请求，获取网页中的源代码；
% `  W0 W( o: h
+ k, W4 {3 a* \; e. dpandas库用于存储和读取获取到的信息；
5 J9 B1 I% w9 D+ p+ T
) K  q' N. v1 A: I( q' @3 |" G# qpprint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；

4 S% @2 o8 u2 x! s' N; Xurl = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'
data1 = requests.get(url).json()
# pprint(data1)
8 e% V- `( O0 @  ^. ]; x: Y0 [3 w' j
! E/ {: `; R. |% v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()
1 \7 U% ^+ k7 J, T) ]/ S5 n* Pfor info in data1['body']['allMedalData']:
- U) b+ a, I; i* b% X0 a! U    name = info['countryName']
. U" s8 A. N$ `0 x    name_id = info['countryId']
$ m) [* F! a$ p  _" u    rank = info['rank']
# y2 @1 K. f, o! d    gold = info['goldMedalNum']
    silver = info['silverMedalNum']
( T- u: H: h2 a% H' t% ~, _    bronze = info['bronzeMedalNum']
4 o4 k( [$ d9 N  a9 y    total = info['totalMedalNum']
    # 组织数据
+ @# l3 j) y2 R7 {* l+ f! ~    orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
# b; G% A4 b5 J+ S$ h, {    # 然后追加df
& ?$ G4 Q2 Y8 @/ P2 p8 z: E" V    df1 = df1.append(orangized_data)
# Y+ J4 T- t  s# B1 P/ Adf1.columns = ['名称', 'ID', '排名', '金牌', '银牌', '铜牌', '奖牌总数']
df1

8 }) [+ I! N) m/ B! ~( l
! G/ L# T+ _" l9 o. 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。
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'
data2 = requests.get(url).json()
#pprint(data2)

df2 = pd.DataFrame()
for info in data2['body']['medalTableDetail']:
    english_name = info['countryName']
    name_id = info['countryId']
    award_time = info['awardTime']
    item_name = info['bigItemName']
    sports_name = info['sportsName']
    medal_type = info['medalType']
    # 组织数据
    orangized_data = [[english_name,name_id,award_time,item_name,sports_name,medal_type]]
    # 然后追加df
    df2 = df2.append(orangized_data)
' Y$ f/ i% N2 Cdf2.columns = ['英文缩写', 'ID', '获奖时间', '项目名', '运动员', '金牌类型']
df2
7 V) J6 S' X# A7 a& v* R0 i
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。
9 e9 |' O+ v1 S
6 N4 i3 _$ b) |2 L- e3 U
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。
! I. h8 S$ c  K- q; r
5 [4 S; R$ u4 M- N  _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:
* K7 ^& F0 m' L/ y, N6 a% l    x = f.read()

5 F# i# P7 A) q+ W" kdf3 = pd.DataFrame()
  b" g1 `5 u. w) Mfor i in x.split("\n"):
1 S: [5 B9 q* d    x = i.split("：")[0].strip()
    y = i.split("：")[1].strip()
    orangined_data = [[x,y]]
( p# L0 ~" `/ \) o! u' Y" `    df3 = df3.append(orangined_data)
df3.columns = ["名称","英文名称"]
- @3 a, I- k; `- v' M2 Kdf3.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。
1 F3 i+ H+ \! M7 g2 M
( L, Z9 ]  ?; Y) y0 w. Fdf4 = pd.merge(df1,df3,on="名称",how="left")
; N) k& _( {- d. r& ^! ]df4.head(10)
7 a. N9 _8 ^% ^$ y
4 s' c' L  q+ y/ q. G/ Q3 A, H9 j0 Y
6 d" v% g9 r) f

表格df5表示运动项目获奖详情。

• 
  5 C& ]" ?/ \, ^) O( i3 z* I
  1 t/ U; r( u1 f7 k
  

4 K; D) F/ Z8 ^: j0 y7 W

iolia008