(一)、选题的背景
由于疫情原因的影响，世界各地都因为新型冠状病毒（简称新冠肺炎）而陷入种种危机。因此，对于现存全球的疫情数据我进行了一个爬取和一些数据分析，并作出数据可视化处理，更加直观的查看出全球现存疫情的情况。
(二)、主题式网络爬虫设计方案
1.主题式网络爬虫名称
全球疫情实施动态爬取
2.主题式网络爬虫爬取的内容与数据特征分析
爬取多国的当日新增确诊，当日新增治愈，当日新增死亡，病死率以及累计治愈，从而作出分析。
3.主题式网络爬虫设计方案概述
使用爬虫爬取【网易新闻 肺炎疫情实时动态播报】页面信息，然后将爬取的数据存储为csv格式文件，再读取csv文件，对数据进行相应的处理，最后对处理后的数据进行可视化分析。
(三)、主题页面的结构特征分析
1.主题页面的结构与特征分析
爬取界面josn格式展示：
2.Htmls 页面解析
josn格式可以观察到每个数据都可以通过索引得到。通过字典索引即可得到需要数据
3.节点（标签）查找方法与遍历方法
通过data,keys()获取字典键再对其索引遍历，通过reaTree = data['areaTree'] 获取各国数据，索引前先对data['areaTree'][1]进行分析数据的索引字符串，再通过遍历对需要数据爬取添加。
(四)、网络爬虫程序设计
爬虫程序主体要包括以下各部分，要附源代码及较详细注释，并在每部分程序后面提供输出结果的截图。
1.数据爬取与采集
进入需要爬取的目标网址 https://wp.m.163.com/163/page/news/virus_report/index.html
通过响应network找到数据源如下：
（https://c.m.163.com/ug/api/wuhan/app/data/list-total?t=328093598837)
伪装浏览器，headers如下：headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36 Edg/96.0.1054.62'}）
使用requests库对目标网址进行请求，打印响应码：
源码：
1 import requests # 请求库
2 import json # 用于解析json数据
3 import pandas as pd # 数据分析库
4 import time # 导入时间模块
5 # ## 找到目标网址，伪装浏览器，请求数据
6 url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total?t=328100359682'
7 headers = {
8 'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
9 req = requests.get(url, headers=headers)
10 print(req.status_code) # 响应码 200为成功截图展示：
打印响应内容（这里不知道为什么响应内容只显示在一行，但是并不影响操作）：
使用Json模块对响应内容进行初步解析
data_json = json.loads(req.text) #使用json.loads将json字符串转化为字典
打印字典的key值源码： 1 data_json = json.loads(req.text) 2
截图展示：
可以看到我们需要的是其中的data数据，再次打印data查看结果。
源码： 1 print(data_json['data'])
截图展示：
有点混乱，可以看到其仍然为字典，再次打印data的key值，得到关键信息。
源码： 1 print(data_json['data'].keys())
截图展示：
前两个和中国有关，第3、4个和更新时间有关，最后一个不太确定是啥，打印再看看。
1 print(data_json['data']['areaTree'])
截图展示：
这次我们可以看到出现了很多国家的名字，按照猜测应该是对应网页这块
使用PrettyPrinter打印字典（PrettyPrinter格式化输出字典）
源码： 1 pp.pprint(data['areaTree'][0])
截图展示：
可以看到areaTree的数据格式是list，里面每一个国家对应一个字典，而字典中又嵌套着字典。
（1）获取areaTree数据
areaTree = data['areaTree']
（2）获取数据源码：
1 # 将提取数据的方法进行封装 2 def get_data(data, info_list): 3 info = pd.DataFrame(data)[info_list] # 主要信息 4 today_data = pd.DataFrame([i['today'] for i in data]) # 提取today的数据 5 today_data.columns = ['today_' + i for i in today_data.columns] # 更改列名 6 total_data = pd.DataFrame([i['total'] for i in data]) # 提取total的数据 7 total_data.columns = ['total_' + i for i in total_data] # 更改列名 8 return pd.concat([info, today_data, total_data], axis=1) # 将info.today,total数据进行合并 9 today_world = get_data(areaTree, ['id', 'lastUpdateTime', 'name']) # 调用封装的函数获取数据 10 today_world.head()
截图展示:
存储数据
源码：
1 def save_data(data, name):
2 file_name = name + '_' + time.strftime('%Y_%m_%d', time.localtime(time.time())) + '.csv'
3 data.to_csv(file_name, sep=',', encoding='utf-8-sig')
4 print(file_name + ' 保存成功! ')
5 save_data(today_world, 'today_world')截图展示：
按照各国id，访问各国的数据，并获取json数据,提取各国的数据，然后写入各国的名称,然后合并数据。
源码：
1 country_dict = {num: name for num, name in zip(today_world['id'], today_world['name'])}
2 start = time.time()
3 for country_id in country_dict:
4 try:
5 url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-by-area-code?areaCode=' + country_id
6 req2 = requests.get(url, headers=headers)
7 data_json = json.loads(req2.text)
8 country_data = get_data(data_json['data']['list'], 'date')
9 country_data['name'] = country_dict[country_id]
10 if country_id == '9577772':
11 alltime_country = country_data
12 else:
13 alltime_country = pd.concat([alltime_country, country_data])
14 print('-' * 20, country_dict[country_id], '抓取成功', country_data.shape,
15 '以获取数据大小', alltime_country.shape, '累计耗时', round(time.time() - start), '-' * 20)
16 except:
17 print('-' * 20, country_dict[provience_id], '数据抓取失败', '-' * 20)截图展示：
2.对数据进行清洗和处理
更换数据列名，将英文列名换为中文列名方便我们理解数据进行处理。
源码：
1 td_wd = pd.read_csv('today_world_2021_12_26.csv') 2 ac = pd.read_csv('alltime_country_2021_12_26.csv') 3 4 name_dict = { 5 'id': '编号', 'lastUpdateTime': '更新时间', 'name': '名称', 'today_confirm': '当日新增确诊', 6 'today_suspect': '当日新增疑似', 'today_heal': '当日新增治愈', 'today_dead': '当日新增死亡', 'today_severe': '当日新增重症', 7 'today_storeConfirm': '当日现存确诊', 'today_input': '当日新增输入', 'total_confirm': '累计确诊', 'total_suspect': '累计疑似', 8 'total_heal': '累计治愈', 'total_dead': '累计死亡', 'total_severe': '累计重症', 'total_input': '累计输入' 9 } 10 11 td_wd.rename(columns=name_dict, inplace=True) 12 ac.rename(columns=name_dict, inplace=True) 13 td_wd.head()
截图展示：
使用drop()方法删除Unnamed: 0列，使用describe()方法查看对数据的描述：
源码：
1 td_wd = td_wd.drop(columns=['Unnamed: 0'])
2 ac = ac.drop(columns=['Unnamed: 0'])
3 td_wd.describe()截图展示：
计算【当日现存确诊】公式为：累计确诊-累计治愈-累计死亡
计算【病死率】公式为：累计死亡/累计确诊
通过数据描述可以发现NaN值特别多，那么我们可以计算一下每一列NaN值占多少
源码：
1 td_wd['当日现存确诊'] = td_wd['累计确诊'] - td_wd['累计治愈'] - td_wd['累计死亡']
2 td_wd['病死率'] = (td_wd['累计死亡'] / td_wd['累计确诊']).apply(lambda x: format(x, '.2f'))
3 td_wd['病死率'] = td_wd['病死率'].astype('float')
4 ac['当日现存确诊'] = ac['累计确诊'] - ac['累计治愈'] - ac['累计死亡']
5 ac['病死率'] = (ac['累计死亡'] / ac['累计确诊']).apply(lambda x: format(x, '.2f'))
6 ac['病死率'] = ac['病死率'].astype('float')
7 print('统计nan值：')
8 td_wd_nan = td_wd.isnull().sum() / len(td_wd)
9 td_wd_nan.apply(lambda x: format(x, '.1%'))截图展示：
使用isnull()方法查看DataFrame数据的NaN值，并用sum()方法进行求和，除以总大小。
使用sort_values方法对DataFrame进行排序，排序方式以病死率，按降序方式，得到如下结果：
源码： 1 td_wd.sort_values('病死率', ascending=False, inplace=True) 2
截图展示：
将索引改为国家名称：
td_wd.set_index('名称',inplace=True)
并按累计确诊进行再次排序，取出['累计确诊','累计死亡','病死率']三列前10赋给新的变量：
源码：
1 td_wd.set_index('名称', inplace=True) # 索引改为国家名称
2 wd_top10 = td_wd.sort_values('病死率', ascending=False)[:10]
3 wd_top10 = wd_top10[['累计确诊', '累计死亡', '病死率']]
4 wd_top10截图展示：
3.数据分析与可视化
（1）从matplotlib可视化库中导入pyplot
（2）指定plt.rcParams['font.sans-serif'] = ['SimHei'] #防止中文乱码
（3）按照病死率对10位数据进行排序，并将['累计确诊','累计死亡','病死率']三列分别作为每一张子图，得到可视化结果源码：
1 cn = []
2 for i in wd_top10.index[:5]:
3 cn.append(i)
4 import matplotlib.pyplot as plt
5 plt.rcParams['font.sans-serif'] = ['SimHei']
6 plt.rcParams['figure.dpi'] = 120
7 wd_top10.sort_values('病死率').plot.barh(subplots=True, layout=(1, 3), sharex=False, sharey=True, figsize=(7, 4))
8 plt.show()截图展示：
爬取最近几月内历史数据。
经过适当处理后得到如下结果：
源码：
1 hisc = {}
2 ac['date'] = ac['date'].apply(lambda x: x[-5:])
3 ac截图展示：
可以看到一个国家对应最近俩月不同的行，这种数据结构不易处理，再将其国家名称作为key值，存储每一天的数据。
源码：
1 for i in ac.index:
2 name = ac['名称'][i]
3 if name not in hisc.keys():
4 hisc[name] = []
5 hisc[name].append(list(ac.loc[i]))
6 else:
7 hisc[name].append(list(ac.loc[i]))
8 ds1 = {}
9 q = 0
10 for i in cn:
11 if i not in ds1.keys():
12 ds1[i] = []
13 for j in hisc[i]:
14 ds1[i].append(j[0])
15 else:
16 for j in hisc[i]:
17 ds1[i].append(j[0])循环读取数据的每一行，判断当前行国家名在此字典key值是否存在，如果存在直接添加数据，不存在则创建值空列表再添加当前行数据。
查看数据以后，发现不同国家之间爬取到的数据是存在缺失值的，我们将不存在的日期去除，只保留当前所有国家存在日期的交集：
源码：
1 d = 0
2 for i in cn:
3 d += 1
4 if d == 1:
5 p_a = ds1[i]
6 continue
7 else:
8 p_b = ds1[i]
9 p_a = set(p_a) & set(p_b)
10 ppd = list(p_a)
11 ds2 = {}
12 ppd.sort()cn为国家名称（由于数据太多，表现效果不是很理想，故只取病死率前5国家作为可视化分析的依据）
由于横坐标轴显示问题，将其文本旋转60°，由于太过密集的原因，再将其设置为间隔显示。
当日新增确诊趋势：
源码：
1 s = 0
2 for i in cn:
3 for j in hisc[i]:
4 if j[0] in ppd:
5 if i not in ds2.keys():
6 ds2[i] = []
7 ds2[i].append(j[1])
8 else:
9 ds2[i].append(j[1])
10 ds2k = list(ds2.keys())
11 for i in ds2k:
12 plt.plot(ppd, ds2[i])
13 plt.xticks(rotation=60) # 横坐标每个值旋转60度
14 plt.xticks(range(0, len(ppd), 3))
15 plt.legend(cn)
16 plt.title('当日新增确诊')
17 plt.show()当日新增治愈趋势：
源码：
1 s = 0
2 ds2 = {}
3 for i in cn:
4 for j in hisc[i]:
5 if j[0] in ppd:
6 if i not in ds2.keys():
7 ds2[i] = []
8 ds2[i].append(j[2])
9 else:
10 ds2[i].append(j[2])
11 ds2k = list(ds2.keys())
12 for i in ds2k:
13 plt.plot(ppd, ds2[i])
14 plt.xticks(rotation=60) # 横坐标每个值旋转60度
15 plt.xticks(range(0, len(ppd), 3))
16 plt.legend(cn)
17 plt.title('当日新增治愈')
18 plt.show()当日新增死亡趋势：
源码：
1 s = 0
2 ds2 = {}
3 for i in cn:
4 for j in hisc[i]:
5 if j[0] in ppd:
6 if i not in ds2.keys():
7 ds2[i] = []
8 ds2[i].append(j[3])
9 else:
10 ds2[i].append(j[3])
11 ds2k = list(ds2.keys())
12 for i in ds2k:
13 plt.plot(ppd, ds2[i])
14 plt.xticks(rotation=60) # 横坐标每个值旋转60度
15 plt.xticks(range(0, len(ppd), 3))
16 plt.legend(cn)
17 plt.title('当日新增死亡')
18 plt.show()病死率趋势：
源码：
1 s = 0
2 ds2 = {}
3 for i in cn:
4 for j in hisc[i]:
5 if j[0] in ppd:
6 if i not in ds2.keys():
7 ds2[i] = []
8 ds2[i].append(j[-1])
9 else:
10 ds2[i].append(j[-1])
11 ds2k = list(ds2.keys())
12 for i in ds2k:
13 plt.plot(ppd, ds2[i])
14 plt.xticks(rotation=60) # 横坐标每个值旋转60度
15 plt.xticks(range(0, len(ppd), 3))
16 plt.legend(cn)
17 plt.title('病死率')
18 plt.show()当日累计治愈：
源码：
1 s = 0
2 ds2 = {}
3 for i in cn:
4 for j in hisc[i]:
5 if j[0] in ppd[-1]:
6 if i not in ds2.keys():
7 ds2[i] = []
8 ds2[i].append(j[7])
9 else:
10 ds2[i].append(j[7])
11 ds2k = list(ds2.keys())
12 sd = []
13 for i in ds2k:
14 sd.append(ds2[i][0])
15 print(sd)
16 plt.bar(cn, sd)
17 plt.xticks(rotation=60) # 横坐标每个值旋转60度
18 plt.legend(cn)
19 plt.title('累计治愈')
20 plt.show()截图展示如下：
4.将以上各部分的代码汇总，附上完整程序代码
1 import requests # 请求库
2 import json # 用于解析json数据
3 import pandas as pd # 数据分析库
4 import time # 导入时间模块
5 # 找到目标网址，伪装浏览器，请求数据
6 url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total?t=328100359682'
7
8 headers = {
9 'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
10
11 req = requests.get(url, headers=headers)
12 print(req.status_code) # 响应码 200为成功
13
14 # print(req.text)
15 # ## 使用Json模块对响应内容进行初步解析
16
17 data_json = json.loads(req.text) # 使用json.loads将json字符串转化为字典
18 ata_json.keys()
19
20 data = data_json['data']
21 data.keys()
22
23 import pprint
24
25 pp = pprint.PrettyPrinter(indent=2) # 2个空格缩进
26 # pp.pprint(data['areaTree']) #查看data数据结构
27
28 # ## 世界各国实时数据爬取
29
30 # ### 获取areaTree数据
31
32 areaTree = data['areaTree'] # 获取各国数据
33
34 pp.pprint(data['areaTree'][0]) # 查看data['areaTree']数据格式
35
36 # ### 封装函数并获取数据
37
38 # 将提取数据的方法进行封装
39 def get_data(data, info_list):
40 info = pd.DataFrame(data)[info_list] # 主要信息
41
42 today_data = pd.DataFrame([i['today'] for i in data]) # 提取today的数据
43 today_data.columns = ['today_' + i for i in today_data.columns] # 更改列名
44
45 total_data = pd.DataFrame([i['total'] for i in data]) # 提取total的数据
46 total_data.columns = ['total_' + i for i in total_data] # 更改列名
47
48 return pd.concat([info, today_data, total_data], axis=1) # 将info.today,total数据进行合并
49
50 today_world = get_data(areaTree, ['id', 'lastUpdateTime', 'name']) # 调用封装的函数获取数据
51
52 today_world.head()
53
54 # ### 封装函数并存储数据
55
56 def save_data(data, name):
57 file_name = name + '_' + time.strftime('%Y_%m_%d', time.localtime(time.time())) + '.csv'
58 data.to_csv(file_name, sep=',', encoding='utf-8-sig')
59 print(file_name + ' 保存成功! ')
60
61 save_data(today_world, 'today_world') # 调用函数保存数据
62
63 country_dict = {num: name for num, name in zip(today_world['id'], today_world['name'])}
64
65 start = time.time()
66 for country_id in country_dict:
67 try:
68 # 按照各国id，访问各国的数据，并获取json数据
69 url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-by-area-code?areaCode=' + country_id
70 req2 = requests.get(url, headers=headers)
71 data_json = json.loads(req2.text)
72
73 # 提取各国的数据，然后写入各国的名称
74 country_data = get_data(data_json['data']['list'], 'date')
75 country_data['name'] = country_dict[country_id]
76
77 # 合并数据
78 if country_id == '9577772':
79 alltime_country = country_data
80 else:
81 alltime_country = pd.concat([alltime_country, country_data])
82 print('-' * 20, country_dict[country_id], '抓取成功', country_data.shape,
83 '以获取数据大小', alltime_country.shape, '累计耗时', round(time.time() - start), '-' * 20)
84 # time.sleep(5)
85 except:
86 print('-' * 20, country_dict[provience_id], '数据抓取失败', '-' * 20)
87
88 save_data(alltime_country, 'alltime_country')
89
90 # ## 数据处理
91
92 # ### 更换数据列名
93
94 td_wd = pd.read_csv('today_world_2021_12_26.csv')
95 ac = pd.read_csv('alltime_country_2021_12_26.csv')
96
97 name_dict = {
98 'id': '编号', 'lastUpdateTime': '更新时间', 'name': '名称', 'today_confirm': '当日新增确诊',
99 'today_suspect': '当日新增疑似', 'today_heal': '当日新增治愈', 'today_dead': '当日新增死亡', 'today_severe': '当日新增重症',
100 'today_storeConfirm': '当日现存确诊', 'today_input': '当日新增输入', 'total_confirm': '累计确诊', 'total_suspect': '累计疑似',
101 'total_heal': '累计治愈', 'total_dead': '累计死亡', 'total_severe': '累计重症', 'total_input': '累计输入'
102 }
103
104 td_wd.rename(columns=name_dict, inplace=True)
105 ac.rename(columns=name_dict, inplace=True)
106 td_wd.head()
107
108 # ### 数据描述
109
110 td_wd = td_wd.drop(columns=['Unnamed: 0'])
111 ac = ac.drop(columns=['Unnamed: 0'])
112 td_wd.describe()
113
114 td_wd['当日现存确诊'] = td_wd['累计确诊'] - td_wd['累计治愈'] - td_wd['累计死亡']
115 td_wd['病死率'] = (td_wd['累计死亡'] / td_wd['累计确诊']).apply(lambda x: format(x, '.2f'))
116 td_wd['病死率'] = td_wd['病死率'].astype('float')
117
118 ac['当日现存确诊'] = ac['累计确诊'] - ac['累计治愈'] - ac['累计死亡']
119 ac['病死率'] = (ac['累计死亡'] / ac['累计确诊']).apply(lambda x: format(x, '.2f'))
120 ac['病死率'] = ac['病死率'].astype('float')
121
122 print('统计nan值：')
123
124 td_wd_nan = td_wd.isnull().sum() / len(td_wd)
125
126 td_wd_nan.apply(lambda x: format(x, '.1%'))
127
128 td_wd.sort_values('病死率', ascending=False, inplace=True)
129 td_wd.head()
130
131 td_wd.set_index('名称', inplace=True) # 索引改为国家名称
132 wd_top10 = td_wd.sort_values('病死率', ascending=False)[:10]
133 wd_top10 = wd_top10[['累计确诊', '累计死亡', '病死率']]
134 wd_top10
135
136 cn = []
137 for i in wd_top10.index[:5]:
138 cn.append(i)
139
140 # ## 数据可视化
141
142 import matplotlib.pyplot as plt
143
144 plt.rcParams['font.sans-serif'] = ['SimHei']
145 plt.rcParams['figure.dpi'] = 120
146
147 wd_top10.sort_values('病死率').plot.barh(subplots=True, layout=(1, 3), sharex=False, sharey=True, figsize=(7, 4))
148 plt.show()
149
150 ac.describe()
151
152 print('统计nan值：')
153
154 ac_nan = ac.isnull().sum() / len(ac)
155
156 ac_nan.apply(lambda x: format(x, '.1%'))
157
158 hisc = {} # 存储最近几天历史数据的字典
159 ac['date'] = ac['date'].apply(lambda x: x[-5:])
160 ac
161
162 for i in ac.index:
163 name = ac['名称'][i]
164 if name not in hisc.keys():
165 hisc[name] = []
166 hisc[name].append(list(ac.loc[i]))
167 else:
168 hisc[name].append(list(ac.loc[i]))
169
170 # cn = list(hisc.keys())
171
172 ds1 = {}
173
174 q = 0
175 for i in cn:
176 if i not in ds1.keys():
177 ds1[i] = []
178 for j in hisc[i]:
179 ds1[i].append(j[0])
180 else:
181 for j in hisc[i]:
182 ds1[i].append(j[0])
183
184 d = 0
185 for i in cn:
186 d += 1
187 if d == 1:
188 p_a = ds1[i]
189 continue
190 else:
191 p_b = ds1[i]
192 p_a = set(p_a) & set(p_b)
193
194 ppd = list(p_a)
195 ds2 = {}
196 ppd.sort()
197
198 s = 0
199 for i in cn:
200 for j in hisc[i]:
201 if j[0] in ppd:
202 if i not in ds2.keys():
203 ds2[i] = []
204 ds2[i].append(j[1])
205 else:
206 ds2[i].append(j[1])
207
208 ds2k = list(ds2.keys())
209
210 for i in ds2k:
211 plt.plot(ppd, ds2[i])
212 plt.xticks(rotation=60) # 横坐标每个值旋转60度
213 plt.xticks(range(0, len(ppd), 3))
214 plt.legend(cn)
215 plt.title('当日新增确诊')
216 plt.show()
217
218 s = 0
219 ds2 = {}
220 for i in cn:
221 for j in hisc[i]:
222 if j[0] in ppd:
223 if i not in ds2.keys():
224 ds2[i] = []
225 ds2[i].append(j[2])
226 else:
227 ds2[i].append(j[2])
228 ds2k = list(ds2.keys())
229 for i in ds2k:
230 plt.plot(ppd, ds2[i])
231 plt.xticks(rotation=60) # 横坐标每个值旋转60度
232 plt.xticks(range(0, len(ppd), 3))
233 plt.legend(cn)
234 plt.title('当日新增治愈')
235 plt.show()
236
237 s = 0
238 ds2 = {}
239 for i in cn:
240 for j in hisc[i]:
241 if j[0] in ppd:
242 if i not in ds2.keys():
243 ds2[i] = []
244 ds2[i].append(j[3])
245 else:
246 ds2[i].append(j[3])
247 ds2k = list(ds2.keys())
248 for i in ds2k:
249 plt.plot(ppd, ds2[i])
250 plt.xticks(rotation=60) # 横坐标每个值旋转60度
251 plt.xticks(range(0, len(ppd), 3))
252 plt.legend(cn)
253 plt.title('当日新增死亡')
254 plt.show()
255
256 s = 0
257 ds2 = {}
258 for i in cn:
259 for j in hisc[i]:
260 if j[0] in ppd:
261 if i not in ds2.keys():
262 ds2[i] = []
263 ds2[i].append(j[-1])
264 else:
265 ds2[i].append(j[-1])
266 ds2k = list(ds2.keys())
267 for i in ds2k:
268 plt.plot(ppd, ds2[i])
269 plt.xticks(rotation=60) # 横坐标每个值旋转60度
270 plt.xticks(range(0, len(ppd), 3))
271 plt.legend(cn)
272 plt.title('病死率')
273 plt.show()
274
275 s = 0
276 ds2 = {}
277 for i in cn:
278 for j in hisc[i]:
279 if j[0] in ppd[-1]:
280 if i not in ds2.keys():
281 ds2[i] = []
282 ds2[i].append(j[7])
283 else:
284 ds2[i].append(j[7])
285 ds2k = list(ds2.keys())
286 sd = []
287 for i in ds2k:
288 sd.append(ds2[i][0])
289 print(sd)
290 plt.bar(cn, sd)
291 plt.xticks(rotation=60) # 横坐标每个值旋转60度
292 plt.legend(cn)
293 plt.title('累计治愈')
294 plt.show()
(五)、总结
1.经过对主题数据的分析与可视化，可以得到哪些结论？是否达到预期的目标？
从以上数据可以看到也门人口基数少，但却是病死率最高的国家。秘鲁的新增确诊和新增治愈波动都比较大，有可能是因为人口基数的原因，同时可能是由于政策上的原因导致疫情二次扩散，不过及时解决了问题，同时也说明了秘鲁治疗肺炎的能力也不差，好在病死率不高。
圣马丁岛的病死率也不低。从累计治愈人数来看 秘鲁>圣马丁岛>也门>蒙特塞拉特>毛利亚尼亚。总的来说，对主题数据的分析与可视化，还是达到了预期目标。
（89556>61>23>10>6）
2.在完成此设计过程中，得到哪些收获？以及要改进的建议？
通过本次Python爬虫设计，掌握了许多编程技巧。在不断进步的过程中，收获了许多新的知识，实用性也非常好，对于以后不懂编程很难混有极大的科普价值，当然也有一定的实用性！
数据处理过程中，DataFrame虽然好用但不是非常灵活，配合字典和列表构成新的数据格式，可以绘制出想要的可视化效果
