基于Flask框架的疫情數據可視化分析

李相霏 韓珂

摘? 要： 在新冠肺炎疫情背景下，通過數據爬蟲技術獲取開源的疫情數據，經數據處理后形成數據集，利用可視化技術進行數據可視化與數據分析。介紹了數據爬取與處理方法，利用Python語言的Flask框架等可視化技術完成疫情數據可視化，從多角度、多方面展示與分析疫情數據。幫助民眾充分了解全國各地的疫情情況、疫情發展趨勢以及疫苗接種情況。

關鍵詞： 數據爬蟲; 新冠疫情; 數據可視化; Flask框架

中圖分類號：TP311.5? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2021）12-60-04

Abstract： In the context of COVID-19 epidemic， open source epidemic data were obtained through data crawler technology， and data sets were formed after data processing， and visualization technology was used for data visualization and data analysis. Data crawling and processing methods were introduced， and visualization technologies such as Python Flask framework were used to complete the visualization of epidemic data， and the epidemic data were displayed and analyzed from multiple perspectives and aspects， which helps people fully understand the situation of the epidemic， the trend of the epidemic and the status of vaccination throughout the country.

Key words： data crawler; COVID-19; data visualization; Flask framework

0 引言

在2020年初爆發的新型冠狀病毒，是一種傳染力極強的病毒。患者在感染了新型冠狀病毒后，即使在潛伏期也很容易傳染其他人，該病毒會導致人呼吸困難，嚴重的可能會導致死亡。時至今日，疫情仍未完全褪去，新冠疫情仍是全世界人民最關注的話題之一，特別是有些國家仍處于爆發期。因此，疫情的實時數據以及相關新聞報導受到了極大的關注。

本系統利用數據爬蟲技術，完成疫情數據以及疫苗接種數據的爬取，經數據處理后形成數據集。利用數據可視化技術，對數據集進行可視化，實現疫情情況與疫苗接種情況的實時更新。幫助民眾充分了解最新疫情數據、近期疫情發展趨勢以及疫苗接種情況。

Flask框架是一個輕量級的、便捷的、Python所提供的Web框架，它更加的靈活、輕便、安全且容易上手，是目前主流的服務器框架，非常適合全隊的分工協作式開發，對一個小型團隊而言，大大提升了開發的效率[1]。利用Flask框架，實現前后端的數據交互，其對應的前端JinJa2的模板引擎，也極大地方便了前端的數據調用。

1 現有技術研究現狀

目前，比較成熟的疫情數據可視化平臺有：丁香園疫情數據可視化平臺、騰訊疫情數據可視化平臺、百度疫情數據可視化平臺。這三家數據可視化平臺內容分析，如圖1所示。

現有技術的實現均是通過對大量的疫情數據進行爬取、數據處理，利用可視化技術進行數據的可視化。本系統集疫情數據與疫苗數據于一個頁面中，讓用戶可以更直觀的觀察到疫情信息、疫苗信息。并且，本系統在疫情分布圖上做出創新，在全國疫情分布圖中點擊各省份，直接進入各省份疫情分布圖，省略其中間步驟。用戶可以由全國疫情分布圖直接進入各省份疫情分布圖，了解各省份的疫情分布。

2 系統架構與實現流程

2.1 系統總體架構

本系統包括疫情數據爬取與處理、數據可視化與分析兩個部分。根據數據需求發起相應的Request請求，接收服務器端的響應[2]。對返回的數據進行數據處理形成數據集。最終，對數據集進行可視化。

本系統采用四層架構設計，具體分為資源層、執行層、功能層和表現層。系統總體架構圖，如圖2所示。

2.2 系統運行流程

本系統流程分為以下幾步：①獲取目標網頁的URL以及Head信息;②發送Request請求獲取響應數據;③數據處理;④數據可視化與數據分析。系統運行流程圖，如圖3所示。

3 數據爬取與處理

本系統利用數據爬蟲技術獲取實時疫情數據與疫苗接種情況。數據來源于丁香園疫情數據可視化平臺和騰訊疫情數據可視化平臺。

對爬取的數據進行數據清洗，然后轉化為Json的數據字典，形成的Json數據字典重要關鍵鍵說明，如表1所示。

對爬取的數據經過數據清洗、Json數據字典的轉化、數據提取等操作過后，劃分為圖4的兩個數據集：疫情數據集、疫苗數據集。

利用SQLite數據庫，完成數據存儲，生成DB文件。形成單文件操作，利于后期系統的維護[3]。

4 數據可視化與數據分析

本系統基于疫情數據集以及疫苗數據集，利用Python語言的Flask框架、ECharts等技術完成數據的可視化。后端完成數據的提取與封裝，利用Ajax技術完成前后端的數據交互[4]。ECharts技術與Jinja2模板引擎等技術實現數據可視化[5]。本文采用2021年6月之前的數據。

4.1 全國疫情實時追蹤

全國疫情實時追蹤數據可視化，后端利用SQL語言完成數據的提取，并對提取的數據進行封裝[6]。總數據渲染效果如圖5所示，分別以不同顏色對全國疫情數據進行了數據可視化，全國疫情數據清晰明了，用戶可以直觀的了解到最新的疫情數據。

4.2 全國疫情分布圖

全國疫情分布圖，渲染效果如圖6所示，通過顏色的不同來反映該省份現有確診的數值，并且鼠標懸停時，會顯示該省份的現有確診人數與境外輸入人數[7]。用戶可以直觀看出全國疫情以及各省份疫情分布。現有確診較為嚴重的兩個城市為廣東與臺灣，主要確診病例來源為境外輸入病例。應加強對境外人員入境的疫情管控工作，防止境外輸入病例的二次傳播。

4.3 各省份疫情分布圖

各省份疫情分布圖，渲染效果如圖7所示。在全國疫情分布圖上創建點擊事件，點擊省份之后進入各省份疫情分布圖，顯示出該省各個市的疫情分布。用戶可以直觀的看出各省份中各個市的疫情分布，圖7中以廣東省為例，目前廣東省疫情較為嚴重的地區為廣州市。

4.4 累計疫情趨勢圖

累計疫情趨勢圖，渲染效果如圖8所示，其中以近兩個月日期為橫軸，以累計疫情數據為縱軸。以不同顏色的折線來區分累計確診、累計治愈、累計死亡、現有疑似數據。在鼠標懸停時會有這一天的全國累計疫情的數據顯示[8]。由圖8可以看出，從2021年5月15日開始，截止2021年6月21日累計確診人數有明顯的上升趨勢，與臺灣疫情的爆發以及境外輸入病例的增多有密切關系。由此可以看出，疫情仍未完全褪去，并且仍有爆發的可能性。

4.5 新增疫情趨勢圖

新增疫情趨勢圖，渲染效果如圖9所示。近兩個月日期為橫軸，以新增疫情數據為縱軸。不同顏色的折線來區分新增確診、新增治愈、新增死亡、新增疑似數據。鼠標懸停時顯示這一天的全國新增疫情數據[9]。用戶由該圖可以看出，從2021年4月23日開始，截止至2021年6月21日，新增確診人數呈現先增加后減少的趨勢。說明在我國先進的醫療技術下，加以民眾的配合，新一輪疫情的爆發在短時間內就得到了控制。

4.6 全國疫苗數據實時追蹤

全國疫苗數據實時追蹤，渲染效果如圖10所示。用戶可以看到最新的疫苗接種情況。數據包含累計接種劑次，較昨日新增接種劑次、還有每百人接種人數。截止至2021年6月21日，最新累計接種劑次高達1049744000例，我國疫苗接種乘勢而上，實現新突破。

4.7 疫苗累計接種趨勢圖

疫苗累計接種趨勢圖的可視化，渲染效果如圖11所示。其中，以近兩個月的日期為橫軸，以疫苗累計接種劑次數據為縱軸。在鼠標懸停時會有疫苗累計接種劑次數據顯示。由該圖可見從2021年4月23日起，截止2021年6月21日，我國疫苗接種劑次呈明顯上升趨勢，疫苗接種進度推進速度正在加快。

5 結束語

截至到2021年6月，疫情仍未完全褪去，民眾最為關心的是疫苗接種情況。本系統基于疫情數據顯示的基礎上，增加疫苗數據顯示功能。利用數據爬蟲技術完成數據的獲取與下載，經數據處理后形成數據集，數據可視化階段利用Python語言的Flask框架、ECharts可視化等可視化技術，對疫情數據以及疫苗數據進行數據可視化。經過對現有技術的分析，并在可視化內容上做出創新。集可視化內容于一個頁面中，疫情數據與疫苗數據一目了然，用戶可以從多方面，多角度，全方位直觀的觀察到疫情數據、疫情發展趨勢，以及疫苗接種情況。本系統的開發是用來幫助民眾充分了解全國各地的疫情情況、近期的疫情發展趨勢以及疫苗接種情況。

參考文獻（References）：

[1] 周文帆.基于Flask的形式化驗證系統的設計與實現[D].北京交通大學，2020.

[2] 劉玉玲，鄭力新.新冠肺炎疫情數據的抓取及可視化研究[J].電子設計工程，2021.29（7）：40-44

[3] 陳敬靜.SQLite數據庫研究與可視化[D].南京郵電大學，2020.

[4] 先巡，袁軍.Ajax/Javascript在網頁中的特效應用[J].黔南民族師范學院學報，2019.39（S1）：100-103

[5] 鄭翔，王慧芳，嚴嫻崢，金麗娟，溫桂平，何奔騰.用于APP的缺陷文本自動分類與質量保證方法[J].電力系統及其自動化學報，2020.32（7）：131-136

[6] 冷四軍.基于Python Flask的運維信息管理系統設計與實現[J].電腦編程技巧與維護，2021.5：87-88

[7] 彭順生.基于ECharts的肺炎疫情數據處理與可視化[J].計算機時代，2020.7：47-49，53

[8] 楊晨，蘇有慧，周軍.新冠肺炎疫情大數據可視化平臺設計與實現[J].計算機時代，2021.1：61-64

[9] 劉玉玲，鄭力新.新冠肺炎疫情數據的抓取及可視化研究[J].電子設計工程，2021.29（7）：40-44