基于ArcGIS的新冠病毒分析与数据可视化

一、前言

(一) 背景与意义

2019新型冠状病毒（2019-nCoV），于2019年武汉病毒性肺炎病例而被发现，是以前从未在人体中发现的冠状病毒新毒株，给我们国家带来了巨大的伤痛，困扰了每一个家庭，给原本该喜气洋洋的春节蒙上了一层阴影。

(二) 前期数据收集

基于ArcGIS等，我们可以分析不同时期病毒的感染情况，并针对一段时间进行数据可视化，以便于横向对比，便于专业人员直观地获取信息并分析。
收集数据的途径如下：
(1) 矢量图：省级行政区.shp、省会城市.shp 、武汉市区划、县道等shp矢量文件；
(2) 武汉社区风险度.xlsx ; (3) 百度实时疫情大数据; (4) 武汉市矢量地图(shp) ;(5) 百度地图坐标拾取。

二、基于ArcGIS的新冠病毒分级统计图分析

（一）ArcGIS的操作简要流程

在ArcGIS建立新的地图模板；
导入省级行政区.shp、省会城市.shp；
根据省级行政区矢量图属性表找到省字段，对应的字段名为NAME，故收集好不同省的确诊人数、治愈人数以及死亡人数，将省对应的列头改为NAME，其余可不改，保存为以逗号隔开的csv文件；
导入csv文件，并链接到省级行政区，待字段匹配后即可进行后续操作；
右键在“符号系统-分级色彩”设定不同的级别与对应的颜色，制作分级统计图。
（二）最终效果
加上图例等，最终结果如下：

==图1 全国新型冠状病毒肺炎情况（2-19-组图）==

三、基于ArcGIS的武汉社区风险度图

（一）获取坐标

从百度地图拾取出以下街道办事处的坐标（推荐：python读取字段自动执行）：
在这里插入图片描述

==表1 武汉部分社区感染风险度与坐标（XY-BL）==

（二）ArcGIS简要操作步骤

在ArcGIS中，此步与第一部分全国疫情图操作类似，但不需要将矢量文件与.csv文件链接；
直接选中.csv文件显示XY坐标，并对属性进行标注，设定颜色级别等操作。

（三）成果

==图2 武汉市社区感染风险度(部分)==
从风险度分析来看，越接近武汉市中心，对应的图块面积越大，表示感染风险度越高。

四、新冠病毒时间序列图

对腾讯实时疫情大数据进行爬取（采用Python爬虫），得到从1月14日至2月19日的数据。
代码如下（代码参照：https://blog.csdn.net/qq_41906429/article/details/104109765,略作小改）：

import requests,re
import json
import csv

url = 'https://view.inews.qq.com/g2/getOnsInfo?name=wuwei_ww_cn_day_counts'
html = requests.get(url).text
unicodestr=json.loads(html)  #将string转化为dict
new_list = unicodestr.get("data")  #获取data中的内容，取出的内容为str

a = json.loads(new_list)  #对new_list再次进行load，使其变为dict才可使用


header = ['日期', '全国确诊人数', '全国疑似病例', '全国死亡人数', '全国治愈人数']
with open('./爬取结果.csv', encoding='utf-8-sig', mode='w') as f: 
#编码utf-8后加-sig可解决csv中文写入乱码问题
    f_csv = csv.writer(f)
    f_csv.writerow(header)
f.close()

def save_data(data):
    with open('./爬取结果.csv', encoding='UTF-8', mode='a+',newline="") as f: # 防止自动换行
        f_csv = csv.writer(f)
        print(data)
        f_csv.writerow(data)
    f.close()

b = len(a)
i = 0
while i<b:
    data = ("\t"+a[i]['date'])  #\t解决写入csv小数（日期）自动省略前后的0问题
    confirm = (a[i]['confirm'])
    suspect = (a[i]['suspect'])
    dead = (a[i]['dead'])
    heal = (a[i]['heal'])
    i+=1
    tap = (data, confirm, suspect, dead, heal)
    save_data(tap)
print("完成爬取----")

在这里插入图片描述

对应的数据进行可视化得到变化趋势图如下：

==图3 NCP变化趋势图==
从时间纵向分析，1月26日至2月17日疫情未有缓势，在2月12日突然增长。从中不难看出，在1月23日左右，由于春运所具有人员高流动性的特点，导致了之后病毒的快速传播。好消息是全国累积治愈人数呈现指数增长，疫情传播速度趋于稳定，死亡人数相对累积速度较为平缓。这不是一个冷冰冰的数字，每一个都代表一个生命，而这些离不开一线医务工作者的努力与付出，期待春天的到来，中国依旧春暖花开！

四.更多资源

关注：

一、 前言