【04 爬虫+可视化动态展示2020东京奥运会奖牌世界分布】

核桃 2024年11月15日 07:13 210 0

iMBox聚焦2020东京奥运会今日奖牌榜：中国总数第二

数据来源央视网

凝聚中国结，齐聚中国心，蓄足中国力，奋发中国魂，上下中国人，不忘中国史，摇动中华旗帜，再续中华篇章。东京奥运会，iMBox愿中华健儿奋勇拼搏，再展中国雄风。

iMBox诚邀所有中华奥运健儿来iMBox项目地旅游、度假、游玩，一应费用全免。

中国，加油！

*部分图片来源于网络

2020东京奥运会，金牌榜中国领先美国5枚金牌的情况下，从后面两天赛程来看，美国还有可能超过中国吗？

中国第一的可能性较低。美国连续两届金牌超过40枚，成绩相当的稳定。这届被中国挑战，就算成绩差点，也会在40枚这个数字附近。

美国现在是31，周六周日加起8枚可能性较大，甚至更多。奇怪的是美国对此信心不足，他都将排行都改成奖牌总数了，可见美国对金牌数超过中国，没有信心。

而中国现在的金牌数是36枚，周日中国没什么项目有金牌希望，关键是周六，有把握只有一枚，两枚就已经超额，要达到4枚，才能有一半几率第一。

所以中国要超额达到38枚，还要美国发挥极差，才能第一。美国发挥正常的话，中国需要奇迹般的成绩才行。

2020新冠奥运会奖牌榜—今天，美国夺得金银铜牌第一，恭喜！

左图是16年奥运会奖牌总榜，右图是今天新冠奥运会排名，美国从今天开始夺得金银铜（新增、确诊、死亡）三项第一

美国以出色的成绩，向全世界证明了以下事实：

这是美国病毒美国是世界病夫美国才是发源地美国是民主自由的灯塔

我们坚信美国将保持领先地位，并扩大领先优势，夺得本届新冠奥运的第一强国！

【04 爬虫+可视化动态展示2020东京奥运会奖牌世界分布】

大家好，我是【Python当打之年】

东京奥运会已落下帷幕，中国军团共获得88枚奖牌，其中38枚金牌、32枚银牌、18枚铜牌，金牌榜和奖牌榜仅次于美国，排名第2。

本期主要利用pyecharts给大家展示奥运金金牌、银牌、铜牌以及奖牌总数的世界地图分布，希望对你有所帮助。

先看看效果：

1. 导入模块

import requests import json import pandas as pd from pyecharts.charts import Map, Timeline from pyecharts import options as opts from pyecharts.commons.utils import JsCode from pyecharts.globals import ThemeType

升级 pyecharts 包：可视化部分需要用到 pyecharts==1.9.0，已安装其他低版本的需要升级，如果未安装过pyecharts，直接pip安装就是最新版本。

2. 数据爬取

数据来源于某视频网站接口，如下图：

爬取部分比较简单，这里不做具体分析，仅给出爬取代码：

url = '#39; r = requests.get(url, timeout=30) r.raise_for_status() r.encoding = r.apparent_encoding datas = r.json()['body']['allMedalData'] df = pd.DataFrame() for data in datas: df = df.append([[ data['countryName'], data['goldMedalNum'], data['silverMedalNum'], data['bronzeMedalNum'], data['totalMedalNum']]]) df.columns = ['国家', '金牌', '银牌', '铜牌', '奖牌']

结果：

3. 地图展示

3.1 东京奥运会奖牌数世界分布

代码：

m0 = ( Map() .add("奖牌数", [list(z) for z in zip(df['国家'].values, df['奖牌'].values)], "world", is_map_symbol_show=False, is_roam=False, name_map=name_map) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( title_opts=opts.TitleOpts(), legend_opts=opts.LegendOpts(is_show=False), visualmap_opts=opts.VisualMapOpts(is_show=True, max_=120, is_piecewise=True, split_number = 8, ), ) ) m0.render_notebook()

效果：

3.2 东京奥运会金牌世界分布

代码：

m1 = ( Map() .add("金牌", [list(z) for z in zip(df['国家'].values, df['金牌'].values)], "world", is_map_symbol_show=False, is_roam=False, name_map=name_map) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( title_opts=opts.TitleOpts(), legend_opts=opts.LegendOpts(is_show=False), visualmap_opts=opts.VisualMapOpts(is_show=True, max_=40, is_piecewise=True, split_number = 8, range_color=['#FFFFE0', '#FFA07A', '#CD5C5C', '#8B'] ), ) ) m1.render_notebook()

效果：

3.3 东京奥运会金、银、铜世界分布

效果1：

效果2：

4. 完整代码＋数据：当打之年：源码下载 | Python可视化系列文章资源(源码+数据)

更多内容(公众号：Python当打之年)。

以上就是本期为大家整理的全部内容了，赶快练习起来吧，喜欢的朋友可以点赞、收藏也可以分享让更多人知道