經(jīng)常有小伙伴問，如何制作數(shù)據(jù)可視化大屏？

今天將手把手帶你爬取奧運會相關信息，并利用可視化大屏為你展示奧運詳情。讓一個沒關注過奧運會的朋友，也能夠秒懂奧運會。

1、項目背景

奧運會剛剛過去，你是否已經(jīng)看過2020東京奧運會呢？

2、奧運會相關信息爬取

• 爬取字段： 國家、國家ID、排名、金牌數(shù)、銀牌數(shù)、銅牌數(shù)、獎牌總數(shù)、項目名、運動員、獲獎類型、獲獎時間；
• 爬取說明： 基于兩個接口的數(shù)據(jù)爬取【json格式的數(shù)據(jù)】，直接采用鍵值對的方式獲取相關數(shù)據(jù)；
• 使用工具： Pandas+requests

本文是基于兩個接口的數(shù)據(jù)爬取，相對容易的多。

#這個鏈接主要展示：各國的金銀銅牌及其總數(shù)！
https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609

#這個鏈接主要展示：每個參賽隊員的參賽項目和獲得的獎牌情況！
https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609

① 導入相關庫

importrequests
importpandasaspd
frompprintimportpprint

requests庫用于發(fā)起網(wǎng)頁請求，獲取網(wǎng)頁中的源代碼；

pandas庫用于存儲和讀取獲取到的信息；

pprint庫是漂亮的打印，對于json格式的數(shù)據(jù)，能夠很好的展示結構，方便我們解析；

② 爬蟲講解

url='https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'
data=requests.get(url).json()
pprint(data)

三行代碼就可以獲取到網(wǎng)頁的源代碼，利用pprint庫，可以清晰的展示json結構，對于我們解析數(shù)據(jù)很有幫助。

我們要的數(shù)據(jù)，都存在于body鍵下面的allMedalData鍵中，allMedalData鍵的值是一個列表，里面有很多字典組成的鍵值對信息，就是我們要爬取的數(shù)據(jù)。

直接利用鍵獲取對應的值信息，代碼如下：

df1=pd.DataFrame()
forinfoindata1['body']['allMedalData']:
name=info['countryName']
name_id=info['countryId']
rank=info['rank']
gold=info['goldMedalNum']
silver=info['silverMedalNum']
bronze=info['bronzeMedalNum']
total=info['totalMedalNum']
#組織數(shù)據(jù)
orangized_data=[[name,name_id,rank,gold,silver,bronze,total]]
#然后追加df
df1=df1.append(orangized_data)
df1.columns=['名稱','ID','排名','金牌','銀牌','銅牌','獎牌總數(shù)']
df1

對于另外一個網(wǎng)頁，我們采取同樣的方式。

url='https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'
data2=requests.get(url).json()
pprint(data2)

是不是此時感覺結構更清楚了？

df2=pd.DataFrame()
forinfoindata2['body']['medalTableDetail']:
english_name=info['countryName']
name_id=info['countryId']
award_time=info['awardTime']
item_name=info['bigItemName']
sports_name=info['sportsName']
medal_type=info['medalType']
#組織數(shù)據(jù)
orangized_data=[[english_name,name_id,award_time,item_name,sports_name,medal_type]]
#然后追加df
df2=df2.append(orangized_data)
df2.columns=['英文縮寫','ID','獲獎時間','項目名','運動員','金牌類型']
df2

3、數(shù)據(jù)預處理

對于爬取到的數(shù)據(jù)，往往是有問題的，我們需要提前預處理一下，方便后續(xù)做可視化展示。

① 數(shù)據(jù)拼接

對我們共有三個表格，分別存儲著不同的信息。我們需要對其進行合適的拼接，方便最后可視化。

表格df1表示各國獎牌數(shù)，數(shù)據(jù)是這樣的：

表格df3表示國家名中英文對照表，數(shù)據(jù)是這樣的：

利用上述兩張表，我們可以左連接，將英文名稱添加到df1表上。

df4=pd.merge(df1,df3,on="名稱",how="left")
df4.head(10)

最終效果如下：

表格df5表示運動項目獲獎詳情，數(shù)據(jù)是這樣的：

此時，我們又可以將df4和df5做一個左連接，將這兩張表合成一張大表，就可以得到不同國家不同項目獲得的獎牌數(shù)。

df6=pd.merge(df4,df5,on="名稱",how="left")
df6.head(10)

② 關于金牌類型的說明

上面得到的表df6，其實還不是最后的表，因為上述表中金牌類型是數(shù)字1、2、3，但是我們需要的是金牌、銀牌、銅牌。因此，我們自己再定義一個df7。

x={"獲獎名次":["金牌","銀牌","銅牌"],"金牌類型":[1,2,3]}
df7=pd.DataFrame(x)
df7

效果如下：

因此，我們拿df6與自己構造得到的df7再做一個左連接，就可以的到最后完整的表了。

df8=pd.merge(df6,df7,on="名稱",how="left")
df8.head(10)

③ 中英文名映射轉換

由于使用pyecharts繪制世界地圖時，名稱必須是英文的，所以我們需要將這里的中文名稱映射為英文名稱。于是我在網(wǎng)上找到了下面這個文件：

我們要做的就是將它與表格中的數(shù)據(jù)，做個映射轉換。先把它轉換為一個Excel文件吧，方便我們以后直接使用。

withopen("國家名中英文對照表.txt","r",encoding="utf-8")asf:
x=f.read()

df3=pd.DataFrame()
foriinx.split("
"):
x=i.split(":")[0].strip()
y=i.split(":")[1].strip()
orangined_data=[[x,y]]
df3=df3.append(orangined_data)
df3.columns=["名稱","英文名稱"]
df3.to_excel("國家名中英文對照表.xlsx",index=None)

然后，在和上述的df2表格做一個左連接即可。

df4=pd.merge(df2,df3,on="名稱",how="left")
df4

結果如下：

4、可視化展示

關于可視化部分，使用的是pyecharts庫。這部分一共分以下8個主題：

• ① 2020東京奧運會各國獎牌分布圖；
• ② 2020東京奧運會獎牌榜詳情；
• ③ 2020東京奧運會獎牌榜總數(shù)前十名；
• ④ 2020東京奧運會金牌榜總數(shù)前十名；
• ⑤ 2020東京奧運會中國各項目獲獎詳情；
• ⑥ 中國選手每日獲得獎牌數(shù)；
• ⑦ 中國選手每日獲得金牌數(shù)；
• ⑧ 中國選手奪金詳細數(shù)據(jù)；

說明： 這里就不做結果分析了，因為通過上圖，相信大家應該能夠很清晰的了解到2020東京奧運會，哪怕你沒看過。

責任編輯：haq