基于Echarts的肺炎疫情数据处理与可视化

彭顺生

摘要：目前各个领域面对大数据，需要借助数据可视化技术把大数据转换为动态图形，并利用交互手段帮助理解数据。本文介绍了ECharts可视化技术及交互组件，结合天行数据接口获取实时数据，按照可视化的基本流程，实现基于ECharts的肺炎疫情数据处理与可视化，展示中国各地区疫情数据，让更多的互联网用户把握疫情走向，共抗疫情。关键词：ECharts;肺炎疫情;数据处理;可视化

中图分类号：TP399 文献标识码：A 文章编号：1006-8228（2020）07-47-03

0引言

2019新型冠状病毒（简称2019-nCoV），因2019年武汉病毒性肺炎病例而被发现，2020年1月12日被世界卫生组织命名。疫情发生以来，通过疫情数据可视化，直观的展示疫情形态，对疫情溯源、监测、疫情防控部署等方面起到了积极作用，同时让人们更好的把握疫情走向，提升人们对疫情的重视。本文利用天行实时数据接口，抓取肺炎疫情实时数据，使用ECharts多样化的图表，简单可视化疫情数据。

1肺炎疫情数据处理与可视化简介

肺炎疫情数据处理与可视化使用HTML.CSSJayui框架实现页面布局和疫情信息列表展示，利用JavaScript语言与jQuery插件结合天行实时数据接口，获取肺炎疫情实时数据，实现数据结构化，并渲染页面数据，最后利用ECharts生成地图并处理视觉映射功能，肺炎疫情信息列表见图1所示，肺炎疫情地图见图2所示。

2ECharts介绍

ECharts是一个使用JavaScript实现的开源可视化库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器，底层依赖矢量图形库ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表，具有丰富的可视化图表类型（包括如折线图、柱状图、地图、并且支持图与图之间的混搭），对二维表、key-value等多种格式的数据源支持，数据分块加载、异步渲染，拥有多维数据及丰富的视觉编码手段等特性。

鉴于肺炎疫情地图及信息展示的数据格式、设备类型、图表类型、视觉效果，选择ECharts实现，即方便快捷又能达到高质量的效果。

3肺炎疫情数据处理与可视化实现

本项目实现包括需求分析、页面设计、数据准备、数据可视化实现四个步骤。

3.1需求分析

为实现疫情数据可视化，将疫情文本信息，转化为直观、具体且界面友好的地图形式，显示疫情的分布情况，并且可以查看具體省份的疫情统计信息。

基于web平台实现疫情数据的可视化，web数据可视化主要是借助于图形化手段，清晰有效地传达与沟通信息嘲，它与信息图形、信息可视化、科学可视化以及统计图形密切相关。功能描述如表1所示。

根据功能描述使用原型工具Axure实现页面原型。

3.2页面设计

页面设计采用了一款自身模块规范，它的体积轻盈，组件丰盈，非常适合界面快速开发的前端uI框架leyui。页面设计包括：

（1）准备一个div，用于存放地图数据，代码如下：

（2）处理模板

数据展示包括表头区和内容区域，其中表头区采用layui的栅格系统设计（包括地区、累积确诊、现有确诊、治愈、死亡五部分），内容区分别为省份数据模板和二级城市数据模板，省份数据模板使用layui栅格系统实现，二级城市数据模板采用表格实现。

3.3数据准备

本文数据来源于天行数据接口，天行数据接口标准统一、简单易用、服务稳定高效。因接口数据的结构和地图中使用的数据结构不一致，需要把接口数据过滤处理成地图需要的数据格式。实现过程如下：

4结束语

实验表明，利用天行实时数据接口抓取肺炎疫情实时数据，使用Echans可视化2019-ncov疫情数据，让人们实时、便捷的把握疫情走向，共抗疫情。不足之处是天行实时数据接口有使用次数限制，可通过Python爬取网络数据进行分析，解决数据接口问题。