Skip to content

Badw0lf613/DataVisualizationUpdate

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

27 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

DataVisualizationUpdate

新冠肺炎的可视化分析与研究

利用Python的requests库实时获取数据,存储本地MySQL数据库。

基于Django后端框架、Bootstrap前端框架和ECharts.js库进行开发,使用到了jQuery的Ajax技术。

image

图1 全国疫情实时追踪

左侧两幅折线图分别代表近三个月全国累计确诊、现有疑似、累计治愈和累计死亡的人数以及全国新增确诊和新增疑似的趋势。中间则是当天的人数显示以及累计确诊地图,右侧两幅图则是当天全国新增确诊病例数量TOP5和新增病例地图。

image

图2 全国疫情完整过程

该页面使用了2020年1月25日至今的所有数据,左侧改为动态柱状图和折线图。右侧确诊地图以及感染人数前十的省份两幅图则利用时间线组件动态更新,其变化过程如下图3、4所示。

image

图3 全国疫情完整过程(01-25)

image

图4 全国疫情完整过程(09-03)

全国疫情人数动态柱状图,其变化过程如下图5、6所示。

image

图5 全国疫情人数动态柱状图(01-25)

image

图6 全国疫情人数动态柱状图(09-03)

image

图7 上海疫情实时追踪

该页面使用了2020年1月20日至今上海市的所有数据,左侧两幅折线图也相应调整。右侧确诊地图调整为三维形式,展示累计确诊各区占比。各区确诊人数占比则利用南丁格尔玫瑰图形式的饼状图展示,可以直观看出境外输入占到了极大的比重。

image

image

图8、9 上海疫情实时追踪(上海累计和新增趋势)

image

图10 全球疫情实时追踪

image

图11 全球疫情实时追踪(全球确诊人数TOP10)

image

图12 全球疫情实时追踪(全球确诊人数占比)

image

图13 全球疫情实时追踪(美国疫情累计趋势)

image

图14 全球疫情实时追踪(美国疫情累计趋势4月24日至9月9日)

说明:美国疫情累计趋势折线图使用到了可拖动时间轴组件,支持用户查看其间一段时间区域的发展态势。

image

图15 全球疫情模拟过程(1月27日)

image

图16 全球疫情模拟过程(3月27日)

说明:全球疫情模拟过程部分出于获取到的字段不足以及后续处理的难度,没有使用真实数据。展现形式上,改为使用了可旋转的地球结合各国感染人数的柱状图,更加直观清晰。

image

图17 疫情数据后台管理

image

图18 查看全国各省份疫情历史数据

image

图19 检索湖北省疫情历史数据

About

新冠肺炎的可视化分析与研究

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published