【数据可视化】基孔肯雅热病例数据分析与可视化：Python + pyecharts洞察疫情动态

🧑 博主简介：曾任某智慧城市类企业算法总监，CSDN / 稀土掘金等平台人工智能领域优质创作者。
目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。

一、引言

在公共卫生领域，疫情数据的分析和可视化是理解疫情趋势、制定应对策略的关键工具。本文将利用Python和pyecharts库对基孔肯雅热病例数据进行深入分析和可视化，旨在为相关部门和公众提供数据支持和洞察。

二、数据概览

我们的数据集包含了以下关键信息：

广东佛山顺德区2025-7-21至2025-8-11日的每日新增病例和累积病理。
广东佛山各个区2025-8-11日各区新增病例数。
全国各省风险等级划分数据。

三、数据可视化

为了更好地理解数据，我们将绘制以下几种图表：

广东佛山顺德区每日新增折线图
累积病理面积图
广东佛山各个区2025-8-11日各区新增病例数饼图
广东佛山各个区2025-8-11日各区新增病例数玫瑰图
广东佛山各个区2025-8-11日各区新增病例地图
全国各省风险等级划分地图

3.1 广东佛山顺德区每日新增折线图

less 复制代码

# 1. 广东佛山顺德区每日新增折线图
line_chart = (
    Line()
    .add_xaxis(df_shunde['日期'].tolist())
    .add_yaxis("新增病例", df_shunde['新增病例'].tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="广东佛山顺德区每日新增病例折线图"),
        xaxis_opts=opts.AxisOpts(name="日期"),
        yaxis_opts=opts.AxisOpts(name="新增病例数"),
    )
)

3.2 累积病理面积图

less 复制代码

area_chart = (
    Line()
    .add_xaxis(df_shunde['日期'].tolist())
    .add_yaxis("累积病例", df_shunde['累计病例'].tolist(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
)

3.3 广东佛山各个区2025-8-11日各区新增病例数饼图

ini 复制代码

pie_chart = (
    Pie()
    .add(
        series_name="新增病例",
        data_pair=[list(z) for z in zip(df_foshan['区域'].tolist(), df_foshan['病例'].tolist())],
        radius=["30%", "75%"],
        center=["50%", "50%"]
    )
)

3.4 广东佛山各个区2025-8-11日各区新增病例数玫瑰图

less 复制代码

polar_chart = (
    Polar()
    .add_schema(
        angleaxis_opts=opts.AngleAxisOpts(data=df_foshan['区域'].tolist(), type_="category")
    )
    .add(
        "新增病例数",
        df_foshan['病例'].tolist(),
        type_="bar"
    )
)

3.5 广东佛山各个区2025-8-11日各区新增病例地图

less 复制代码

map_chart = (
    Map()
    .add("新增病例", [list(z) for z in zip(df_foshan['区域'].tolist(), df_foshan['病例'].tolist())], "佛山")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="广东佛山各个区新增病例地图"),
        visualmap_opts=opts.VisualMapOpts(max_=70),
    )
)

3.6 全国各省风险等级划分地图

less 复制代码

national_map = (
    Map()
    .add("风险等级", [list(z) for z in zip(df_national['省份1'].tolist(), df_national['风险等级'].tolist())], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="全国各省风险等级划分地图"),
        visualmap_opts=opts.VisualMapOpts(max_=4),
    )
)

四、创建可视化大屏

ini 复制代码

page = Page(
    page_title="基孔肯雅热病例数据分析大屏",
    layout=Page.DraggablePageLayout
)

page.add(line_chart, area_chart, pie_chart, polar_chart, map_chart, national_map)
page.render("bikunyeh_disease_analysis_dashboard.html")

五、结论

通过上述分析，我们可以得出以下结论：

广东佛山顺德区的疫情波动较大，需要持续关注和防控。
累积病例数的增长趋势需要进一步分析，以预测疫情的未来发展。
不同区域的疫情严重程度存在差异，需要针对性的防控措施。

如果您在人工智能领域遇到技术难题，或是需要专业支持，无论是技术咨询、项目开发还是个性化解决方案，我都可以为您提供专业服务，如有需要可站内私信或添加下方VX名片（ID：xf982831907）

期待与您一起交流，共同探索AI的更多可能！