Python制作可视化大屏（东京奥运会）

1047521767

目录
8 Q7 p8 o/ Z  }
$ s7 ]2 @1 ?. T) g文章目录

" l3 ^( f! K0 n, K- b前言
+ |- ?0 j0 C# T2 v0 f7 b
一、数据爬取

二、数据预处理

( W( {# y6 G# b  P​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。
0 K4 F0 R+ h$ ]' T+ j, W! c
6 U1 x& U9 J7 a5 h1 d
一、数据爬取
7 d8 S9 A" |! ?2 |0 B* Bimport requests
/ c7 i* M* T; timport pandas as pd
from pprint import pprint
导入相关库
7 S- x! E/ `5 S0 X2 {2 Z
$ G1 e: O4 ^& @$ |, M& c4 G  {requests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；

9 B& W' w$ O, e# j. f& }' f' Mpprint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'
/ @+ u) x9 d( ^( ]6 edata1 = requests.get(url).json()
4 ?( h& c: r& G  j! a- o! f# pprint(data1)

3 E, Y, a0 j; p0 K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。
+ m, m* S0 V, }; y) t0 v' Rdf1 = pd.DataFrame()
for info in data1['body']['allMedalData']:
3 V6 k3 ]" w7 H2 ^7 v    name = info['countryName']
    name_id = info['countryId']
    rank = info['rank']
    gold = info['goldMedalNum']
    silver = info['silverMedalNum']
    bronze = info['bronzeMedalNum']
    total = info['totalMedalNum']
    # 组织数据
% D- w. _- P0 ?; n7 q' [    orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
$ ]: H' m' ?* G9 M2 Z    # 然后追加df
' F! t- F5 P9 s/ T; W# @    df1 = df1.append(orangized_data)
df1.columns = ['名称', 'ID', '排名', '金牌', '银牌', '铜牌', '奖牌总数']
df1
5 k2 m' Q$ P  y  C
1 e4 ?: w3 K2 l( I5 D
2 O0 k$ c' D' }0 ?1 T0 l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()
' P" p1 F3 c* v9 |* b#pprint(data2)

5 O& [: z7 e9 G) r+ V0 z5 c9 ndf2 = pd.DataFrame()
5 E/ U$ n1 ?4 n( p# D  L& `% Y2 Jfor info in data2['body']['medalTableDetail']:
    english_name = info['countryName']
    name_id = info['countryId']
  f/ W  ^/ `) ~5 W; u    award_time = info['awardTime']
    item_name = info['bigItemName']
    sports_name = info['sportsName']
; a! |: \0 `0 G) I    medal_type = info['medalType']
1 `' L* x9 K; Y! a    # 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)
df2.columns = ['英文缩写', 'ID', '获奖时间', '项目名', '运动员', '金牌类型']
df2
. _: m; W$ ~$ g% L
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。
! @  h7 p8 V# m8 I

+ J7 y9 r* }. q, ?# ?: B. x- G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。

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()
: W, I  ~3 E  R
! ~  y1 Q4 ^$ h* W2 ]df3 = pd.DataFrame()
for i in x.split("\n"):
    x = i.split("：")[0].strip()
# h" q, X' p1 V  C# t    y = i.split("：")[1].strip()
9 ?& K% D! W; Q" Z    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。
3 u2 }  V% u7 [1 I" a1 N4 B4 X( }
( e4 r! j, M7 s) Edf4 = pd.merge(df1,df3,on="名称",how="left")
df4.head(10)
" w8 B* i; V6 g; T4 x- k, S
( z0 _5 v. l6 E/ d2 S. v) m

表格df5表示运动项目获奖详情。

• 
  - M4 K  E9 K9 `1 A0 x
  
  , ?3 `) q9 w7 C& A; T( W1 o

( W8 w) A2 I- N9 R2 a9 j
. N0 R# I! ]% K$ W9 @6 A  C' }6 P

iolia008

0 N2 g; R2 J# a