新冠肺炎疫情数据爬取以及几种简单的地图可视化方法

本文链接：https://blog.youkuaiyun.com/Dhkkk_cccoding/article/details/106333471

本文介绍了如何爬取必应网站上的新冠疫情数据并利用folium、geopandas和cartopy进行地图可视化。通过folium创建交互式地图，geopandas结合地理信息进行空间分析，cartopy则提供多种投影方式绘制高颜值地图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

众所周知，新冠肺炎疫情是一次很流行的全球性公共卫生事件。如今我国疫情已经好了许多，但世界各国的疫情依然严峻。特殊时期，正好尝试一下疫情网络数据的抓取，并用几种python库对数据进行简单的地图可视化（folium，geopandas，cartopy）。

1. 爬取疫情数据

许多网站都记录了实时的疫情数据，但不是所有的数据都可爬。这里用的是必应的新冠肺炎追踪（https://www.bing.com/covid），理由是（1）它的源代码里有所有详细的数据；（2）从全球到国家到地方都有数据，结构是嵌套的，详细全面可爬；（3）重点，数据居然带经纬度信息！这对地理制图就很友好了。

import urllib.request as req
import bs4
import json

# read source code and scrape data
url = 'https://www.bing.com/covid'
response = req.urlopen(url)
data = response.read().decode('utf-8')

root = bs4.BeautifulSoup(data, "html.parser")
text = root.find(id="main").get_text()
maintext = text[9:-1]
textlist = json.loads(maintext)    # str to list
del url, response, data

# country data
countryData = textlist["areas"]
for country in countryData:
    templist = []
    templist.append(country["id"])
    templist.append(country["displayName"])
    templist.append(country["totalConfirmed"])
    templist.append(country["totalDeaths"])
    templist.append(country["totalRecovered"])
    try:    # some coordinate data is missed
        templist.append(country["long"])
        templist.append(country["lat"])
    except:
        pass
    datalist.append(templist)
    del templist

根据网页源代码，每个地区的数据都存在一个字典里面，字典字段包含id，displayName，areas，totalConfirmed，totalDeaths，totalRecovered，lat，long等等，其中areas里面是该地区内的子区域数据，例如美国加州的数据就在美国字典里的areas里面，所以各级的数据都可以找到。这里就简单爬个全球各国家、地区的确诊，死亡，治愈人数。爬下来之后写进excel，一共有两百多个国家或地区，长这样：