譚康裕 趙元成
摘 ?要：目的：直觀顯示新型冠狀病毒（2019-nCoV）肺炎疫情的發(fā)展趨勢(shì)，為復(fù)工復(fù)產(chǎn)的決策提供決策依據(jù)。方法：基于Python語(yǔ)言、使用requests庫(kù)下載網(wǎng)頁(yè)，使用re讀取目標(biāo)數(shù)據(jù)，使用csv存儲(chǔ)目標(biāo)數(shù)據(jù)、使用pyecharts展示疫情地圖分布和疫情發(fā)展趨勢(shì)圖、使用Javascript腳本顯示趨勢(shì)圖，包括疫情的地圖分布，全國(guó)疫情新增趨勢(shì)，全國(guó)累計(jì)/疑似趨勢(shì)，全國(guó)累計(jì)治愈/死亡趨勢(shì)，全國(guó)各省疫情概覽表等。結(jié)果：得到疫情發(fā)展趨勢(shì)的可視化圖表，可以直觀顯示疫情的發(fā)展趨勢(shì)，全國(guó)各省疫情概覽表等。我們可以看到，疫情已經(jīng)趨于平穩(wěn)。結(jié)論：2019-nCoV肺炎疫情的防控措施是有效的，各地方政府嚴(yán)格執(zhí)行公共安全政策，保證了人民的生命安全，全力遏制了2019-nCoV的傳播，奪取了戰(zhàn)“疫”的最終勝利。
關(guān)鍵詞：新型冠狀病毒;Python;數(shù)據(jù)可視化;趨勢(shì)
新型冠狀病毒（2019-nCoV）是一種β屬的冠狀病毒，自2019年12月在湖北省武漢市發(fā)現(xiàn) 2019-nCoV以來(lái)，疫情快速蔓延[1]。國(guó)家衛(wèi)生健康委員會(huì)疫情通報(bào)顯示，截至 2020年4月25日早上9點(diǎn)，累計(jì)確診人數(shù) 82816人，累計(jì)治愈出院病例77346例，累計(jì)死亡病例4632例[2]。為快速抑制病情蔓延，國(guó)家已出臺(tái)多種舉措，如延長(zhǎng)春節(jié)假期、企業(yè)延遲復(fù)工、學(xué)校延期開(kāi)學(xué)、限制出行、公共場(chǎng)所要佩戴口罩，居家隔離等。本文基于Python，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)收集2019-nCoV疫情數(shù)據(jù)，通過(guò)數(shù)據(jù)可視化手段，給出疫情的地圖分布，全國(guó)疫情新增趨勢(shì)，全國(guó)累計(jì)/疑似趨勢(shì)，全國(guó)累計(jì)治愈/死亡趨勢(shì)，全國(guó)實(shí)時(shí)疫情概覽表等。
1 對(duì)象與方法
1.1 數(shù)據(jù)來(lái)源
本文疫情發(fā)展數(shù)據(jù)取自中國(guó)疾病預(yù)防控制中心周報(bào)（以下簡(jiǎn)稱(chēng)中國(guó)疾控中心周報(bào)）和丁香園，其地址參看“參考文獻(xiàn)”中的[2]和[3]。隨著2019-nCoV的快速傳播，自1月25日開(kāi)始，各地紛紛啟動(dòng)“重大突發(fā)公共衛(wèi)生事件Ⅰ級(jí)響應(yīng)”，因此我們認(rèn)定從1月25 日開(kāi)始，病毒即進(jìn)入傳播狀態(tài)。由于數(shù)據(jù)是從中國(guó)疾病預(yù)防控制中心周報(bào)中讀取，比較完整的數(shù)據(jù)是從1月29日開(kāi)始，因此，本次采集的數(shù)據(jù)就是從1月29日開(kāi)始，直至4月25日零點(diǎn)。
1.2 疫情數(shù)據(jù)提取的需求
設(shè)計(jì)疫情數(shù)據(jù)提取的代碼要解決的以下幾個(gè)問(wèn)題：
（1）下載網(wǎng)頁(yè)：根據(jù)給定的URL下載其HTML網(wǎng)頁(yè)。
（2）網(wǎng)頁(yè)解析：根據(jù)網(wǎng)頁(yè)結(jié)構(gòu)信息，提取網(wǎng)頁(yè)數(shù)據(jù)。
（3）數(shù)據(jù)存儲(chǔ)：把從網(wǎng)頁(yè)中解析出來(lái)的數(shù)據(jù)CSV文件中。
1.3 疫情數(shù)據(jù)提取的實(shí)現(xiàn)方法
（1）HTML下載器
本次設(shè)計(jì)使用requests庫(kù)和requests-html庫(kù)來(lái)下載網(wǎng)頁(yè)，分別使用requests來(lái)下載中國(guó)疾病預(yù)防控制中心周報(bào)的數(shù)據(jù)，使用requests-html來(lái)下載丁香園的數(shù)據(jù)。使用requests-html下載網(wǎng)頁(yè)的核心代碼如下所示：
import requests
url = 'http：//weekly.chinacdc.cn/news/TrackingtheEpidemic.htm'
r = requests.get（url） #下載網(wǎng)頁(yè)
使用requests-html下載網(wǎng)頁(yè)的核心代碼如下所示：
from requests_html import HTMLSession
dxyurl = 'https：//3g.dxy.cn/newh5/view/pneumonia'
response = HTMLSession.get（dxyurl） ?#下載網(wǎng)頁(yè)
（2）HTML解析器
Python使用BeautifulSoup來(lái)進(jìn)行HTML的解析，提取目標(biāo)數(shù)據(jù)。在中國(guó)控制中心周報(bào)中，我們使用BeautifulSoup直接讀取其注釋部分，而不是按行讀取目標(biāo)數(shù)據(jù)所在的XPath。在中國(guó)控制中心周報(bào)網(wǎng)頁(yè)中，目標(biāo)文本是位于標(biāo)簽
中的注釋文本。通過(guò)分析中國(guó)控制中心周報(bào)網(wǎng)頁(yè)數(shù)據(jù)結(jié)構(gòu)，我們可以通過(guò)分割標(biāo)簽，同時(shí)為了數(shù)據(jù)的提取，還要把標(biāo)簽添加回原來(lái)的數(shù)據(jù)項(xiàng)中。提取數(shù)據(jù)的代碼如下：
soup = BeautifulSoup（page，'html.parser'）
content = soup.find_all（"div"，'box-article-content'） #數(shù)據(jù)返回為列表
content_to_string = str（content） #將列表轉(zhuǎn)換成字符串，使用正則表達(dá)式提取
pattern = re.compile（r"<！--（.*？）-->"） # 抽取<！--（.*？）-->中間的文本
通過(guò)構(gòu)建正則表達(dá)式，提取網(wǎng)頁(yè)中的疫情數(shù)據(jù)。提取的疫情數(shù)據(jù)分別為日期、新增確診/疑似病例、累計(jì)確診/現(xiàn)存疑似病例、新增死亡/治愈人數(shù)、累計(jì)死亡/治愈人數(shù)。其正則表達(dá)式的構(gòu)建如下所示：
date_regex = r"（.*？）<" ?#提取日期的正則表達(dá)式
conf_suspe_data_regex = r"
Confirmed cases：（.*？）new，（.*？）total. Suspected cases：（.*？）new，（.*？）total.<" ?#提取新增確診/疑似病例、累計(jì)確診/現(xiàn)存疑似病例的正則表達(dá)式
