Python制作可视化大屏（东京奥运会）

1047521767

目录
- W3 Z: v" P6 }; Y) B
文章目录
$ ~) M* E. D6 ]* c" o5 [
前言
' |9 K9 x0 t4 k% {& m- G% z
6 s9 l7 k- p5 U( u! u一、数据爬取

0 a/ }9 W# O1 K  ~二、数据预处理

​前言
1 j" `/ Y- i7 T& {9 D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。

/ s7 H* W9 F3 D# W6 t
! T; A& i- a5 F* f, t* q' w一、数据爬取
import requests
import pandas as pd
from pprint import pprint
# @! k6 H4 }* z4 `( y( {导入相关库

. o$ }" Z4 k; `& q; G+ z- N% rrequests库用于发起网页请求，获取网页中的源代码；

pandas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；
# X/ l& j/ Z  `# }- G0 ~, n, w
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'
data1 = requests.get(url).json()
* t6 a: e" T- a& E( Y1 g( j) E# 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。
6 n# x- s4 q. r1 H+ G1 \df1 = pd.DataFrame()
5 T4 P! g: c1 O" e0 Y- d6 bfor info in data1['body']['allMedalData']:
  w: E4 A# Z7 j9 I- p8 o* S    name = info['countryName']
# d: v, T; u! p' [' w, l9 ~. D+ Z    name_id = info['countryId']
7 S9 u- m& e/ N/ i3 ]8 A' I: b    rank = info['rank']
    gold = info['goldMedalNum']
8 u3 j, H- W- I6 v    silver = info['silverMedalNum']
    bronze = info['bronzeMedalNum']
    total = info['totalMedalNum']
/ p( D" }% M; W# ]2 Q4 f  q) w    # 组织数据
    orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
: y' Z1 w) R5 ^2 O0 e2 Y6 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']
+ \5 ?6 ]% q$ Jdf1

9 t5 D1 }. ^3 F$ i0 C9 M
; F( s+ j, ~4 L3 k' j- t$ 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。
' D( k3 h) w. L# }+ D" S9 Xurl = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'
& A) R! `5 \5 k- \1 V) Hdata2 = requests.get(url).json()
#pprint(data2)
. a2 h. l3 E1 b) H7 W
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']
. t1 g7 z" P2 d& U2 {    sports_name = info['sportsName']
    medal_type = info['medalType']
: b, t3 G' P$ ~  s6 t' A    # 组织数据
! }7 b5 g9 @7 F6 I# R    orangized_data = [[english_name,name_id,award_time,item_name,sports_name,medal_type]]
& s  j2 f6 Y+ Q' r# y    # 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']
  [4 K+ Y" q/ `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。
* ?2 [5 }' I! H3 w1 ?1 P2 ^4 l

6 r- b$ g3 h$ Y9 r2 I: F4 D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。

  \) ?  t# G+ `, gwith 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:
* P! k8 E6 n* U( r; g    x = f.read()
" N9 X/ ]# L5 y$ E& z/ c5 R' {
7 w1 _: r. f" h6 H) Odf3 = pd.DataFrame()
, o* ~, j; w) h" W' }% dfor i in x.split("\n"):
    x = i.split("：")[0].strip()
) ]3 I% Z% e, g    y = i.split("：")[1].strip()
/ u1 }% J; b( A) N; O. ~) m    orangined_data = [[x,y]]
    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。

, \* O% B) J3 h0 kdf4 = pd.merge(df1,df3,on="名称",how="left")
" o, o2 M0 ~: |# Idf4.head(10)
/ @8 i; |& N4 ?* H

表格df5表示运动项目获奖详情。

• 
  
  8 k, ?- [; |3 @* g# i
  # r! C- `. M& H& i

iolia008