中国疫情数据可视化分析

摘  要：中国疫情数据可视化能让人更加直观的感受各地疫情的受灾状况，明白此次疫情的严重性。较传统的文字信息而言，数据图能更加清晰的展现数据的特征，也能使人们更加容易接受到信息，

数据可视化的开发过程采用了Flask+H5+ECharts的技术，用Python爬虫技术从网页爬取数据，并用python正则表达式处理数据，获取自己所需，存储为Excel格式，然后用MySQL建立数据库，并用Python将数据导入进数据库，然后用Python-Flask框架链接数据库、ECharts和网页，从数据库获取详细数据然后放入ECharts中，制成图表，以网页的格式展出。

关键词：新冠疫情 数据可视化

目 录

                                     

1 引言 1

1.1 课题的研究背景及意义 1

1.2 课题的现状与发展趋势 1

1.3 课题的可行性分析 1

2 项目的目标和内容 3

2.1 目标和内容 3

2.2 相关任务 3

3 开发工具及环境介绍 4

3.1 中国疫情数据可视化的开发环境 4

3.1.1 Windouws10 4

3.2 本项目应用的主要开发工具 4

3.2.1 PyCharm 4

3.2.2 MySQL 5

3.2.3 SQLyag 6

3.2.4 Python3.7 6

3.3 本项目应用的主要开发技术 7

3.3.1 HTML 7

3.3.2 java script 7

3.3.3 CSS 7

3.3.4 Python核心编程 8

3.3.5 JSON数据传输 8

3.3.6 AJAX 8

3.3.7 jQuery 9

3.3.8 Flask微服务器 9

3.3.9 PyMySQL 9

3.3.10 HTTP协议 9

3.3.11 Requests 10

3.3.12 Echarts 10

3.3.13 Jieba 10

4 项目分析 11

4.1 项目概述 11

4.2 项目性能需求 11

4.3 项目模块和流程 11

4.3.1 项目模块 11

4.3.2 项目流程 12

4.4 项目进度安排 12

5 数据库设计 14

6 项目实现 15

6.1 环境搭建 15

6.1.1 安装python 15

6.1.2 安装pycharm 15

6.1.3 安装MySQL 17

6.2 数据爬取 20

6.3 数据分析与数据清洗 20

6.4 将数据保存到数据库 21

6.5 读取数据前后端，产生echarts图表 23

6.5.1 连接数据库，封装查询方法 23

6.5.2 搭建echarts图表框架 24

6.5.3 查询数据并处理，传输数据生成echarts图表 25

7 项目优化 28

8 总结与展望 30

致谢 31

参考文献 32