如何制作数据可视化大屏
经常有小伙伴问，如何制作数据可视化大屏？
今天将手把手带你爬取奥运会相关信息，并利用可视化大屏为你展示奥运详情。让一个没关注过奥运会的朋友，也能够秒懂奥运会。
1、项目背景 奥运会刚刚过去，你是否已经看过2020东京奥运会呢？
2、奥运会相关信息爬取 爬取字段： 国家、国家id、排名、金牌数、银牌数、铜牌数、奖牌总数、项目名、运动员、获奖类型、获奖时间； 爬取说明： 基于两个接口的数据爬取【json格式的数据】，直接采用键值对的方式获取相关数据； 使用工具： pandas+requests 本文是基于两个接口的数据爬取，相对容易的多。
# 这个链接主要展示：各国的金银铜牌及其总数！https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609# 这个链接主要展示：每个参赛队员的参赛项目和获得的奖牌情况！https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609 ① 导入相关库 import requestsimport pandas as pdfrom pprint import pprint requests库用于发起网页请求，获取网页中的源代码；
pandas库用于存储和读取获取到的信息；
pprint库是漂亮的打印，对于json格式的数据，能够很好的展示结构，方便我们解析；
② 爬虫讲解 url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'data = requests.get(url).json()pprint(data) 三行代码就可以获取到网页的源代码，利用pprint库，可以清晰的展示json结构，对于我们解析数据很有帮助。
我们要的数据，都存在于body键下面的allmedaldata键中，allmedaldata键的值是一个列表，里面有很多字典组成的键值对信息，就是我们要爬取的数据。
直接利用键获取对应的值信息，代码如下：
df1 = pd.dataframe()for info in data1['body']['allmedaldata']: name = info['countryname'] name_id = info['countryid'] rank = info['rank'] gold = info['goldmedalnum'] silver = info['silvermedalnum'] bronze = info['bronzemedalnum'] total = info['totalmedalnum'] # 组织数据 orangized_data = [[name,name_id,rank,gold,silver,bronze,total]] # 然后追加df df1 = df1.append(orangized_data)df1.columns = ['名称', 'id', '排名', '金牌', '银牌', '铜牌', '奖牌总数']df1 对于另外一个网页，我们采取同样的方式。
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'data2 = requests.get(url).json()pprint(data2) 是不是此时感觉结构更清楚了？
df2 = pd.dataframe()for info in data2['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'] # 组织数据 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 = ['英文缩写', 'id', '获奖时间', '项目名', '运动员', '金牌类型']df2 3、数据预处理 对于爬取到的数据，往往是有问题的，我们需要提前预处理一下，方便后续做可视化展示。
① 数据拼接 对我们共有三个表格，分别存储着不同的信息。我们需要对其进行合适的拼接，方便最后可视化。
表格df1表示各国奖牌数，数据是这样的：
表格df3表示国家名中英文对照表，数据是这样的：
利用上述两张表，我们可以左连接，将英文名称添加到df1表上。
df4 = pd.merge(df1,df3,on=名称,how=left)df4.head(10) 最终效果如下：
表格df5表示运动项目获奖详情，数据是这样的：
此时，我们又可以将df4和df5做一个左连接，将这两张表合成一张大表，就可以得到不同国家不同项目获得的奖牌数。
df6 = pd.merge(df4,df5,on=名称,how=left)df6.head(10) ② 关于金牌类型的说明 上面得到的表df6，其实还不是最后的表，因为上述表中金牌类型是数字1、2、3，但是我们需要的是金牌、银牌、铜牌。因此，我们自己再定义一个df7。
x = {获奖名次:[金牌,银牌,铜牌],金牌类型:[1,2,3]}df7 = pd.dataframe(x)df7 效果如下：
因此，我们拿df6与自己构造得到的df7再做一个左连接，就可以的到最后完整的表了。
df8 = pd.merge(df6,df7,on=名称,how=left)df8.head(10) ③ 中英文名映射转换 由于使用pyecharts绘制世界地图时，名称必须是英文的，所以我们需要将这里的中文名称映射为英文名称。于是我在网上找到了下面这个文件：
我们要做的就是将它与表格中的数据，做个映射转换。先把它转换为一个excel文件吧，方便我们以后直接使用。
with open(国家名中英文对照表.txt,r,encoding=utf-8) as f: x = f.read()df3 = pd.dataframe()for i in x.split(): x = i.split(:)[0].strip() y = i.split(:)[1].strip() orangined_data = [[x,y]] df3 = df3.append(orangined_data)df3.columns = [名称,英文名称]df3.to_excel(国家名中英文对照表.xlsx,index=none) 然后，在和上述的df2表格做一个左连接即可。
df4 = pd.merge(df2,df3,on=名称,how=left)df4 结果如下：
4、可视化展示 关于可视化部分，使用的是pyecharts库。这部分一共分以下8个主题：
① 2020东京奥运会各国奖牌分布图； ② 2020东京奥运会奖牌榜详情； ③ 2020东京奥运会奖牌榜总数前十名； ④ 2020东京奥运会金牌榜总数前十名； ⑤ 2020东京奥运会中国各项目获奖详情； ⑥ 中国选手每日获得奖牌数； ⑦ 中国选手每日获得金牌数； ⑧ 中国选手夺金详细数据； 说明： 这里就不做结果分析了，因为通过上图，相信大家应该能够很清晰的了解到2020东京奥运会，哪怕你没看过。
关于图像传感器图像质量的四大误区
扫地机器人内部拆解与工作原理
线路板生产制作中关于化学铜沉积要点
三星积极布局自动驾驶研发，是想重启造车梦吗？
将树莓派用作台式PC的说明
如何制作数据可视化大屏
华为博士员工离职率21.8%，任正非反思高学历人才流失
华为P10最新消息：华为P10Plus爆炸了？华为P10Plus爆炸前后面板都被炸开你怎么看？
运营商出身的咪咕跳出通信圈，拿下2018年世界杯直播版权
真空断路器在低压配电时需注意哪些问题
如何破解并重置电子保险箱
助力可持续发展社会的ROHM新技术 超低消耗电流技术：Nano Energy
适用于汽车的开关峰值电流模式控制电路
Anybus CompactCom：嵌入式通信接口，现场总线和工业以太网
虹科分享|反射物镜中蜘蛛腿架的光学影响
电子分频器和功放接法介绍
小米6新增黑、蓝“幽雅”两色，小米6哪款颜色最好看？
降压型DC/DC转换器IC评估版“BD9G500EFJ-EVK-001”评测（1）
浪潮信息InManage，再获Gartner数据中心智能运维标杆
PCB阻焊工序中常见品质问题及解决方法
今天将手把手带你爬取奥运会相关信息，并利用可视化大屏为你展示奥运详情。让一个没关注过奥运会的朋友，也能够秒懂奥运会。
1、项目背景 奥运会刚刚过去，你是否已经看过2020东京奥运会呢？
2、奥运会相关信息爬取 爬取字段： 国家、国家id、排名、金牌数、银牌数、铜牌数、奖牌总数、项目名、运动员、获奖类型、获奖时间； 爬取说明： 基于两个接口的数据爬取【json格式的数据】，直接采用键值对的方式获取相关数据； 使用工具： pandas+requests 本文是基于两个接口的数据爬取，相对容易的多。
# 这个链接主要展示：各国的金银铜牌及其总数！https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609# 这个链接主要展示：每个参赛队员的参赛项目和获得的奖牌情况！https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609 ① 导入相关库 import requestsimport pandas as pdfrom pprint import pprint requests库用于发起网页请求，获取网页中的源代码；
pandas库用于存储和读取获取到的信息；
pprint库是漂亮的打印，对于json格式的数据，能够很好的展示结构，方便我们解析；
② 爬虫讲解 url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'data = requests.get(url).json()pprint(data) 三行代码就可以获取到网页的源代码，利用pprint库，可以清晰的展示json结构，对于我们解析数据很有帮助。
我们要的数据，都存在于body键下面的allmedaldata键中，allmedaldata键的值是一个列表，里面有很多字典组成的键值对信息，就是我们要爬取的数据。
直接利用键获取对应的值信息，代码如下：
df1 = pd.dataframe()for info in data1['body']['allmedaldata']: name = info['countryname'] name_id = info['countryid'] rank = info['rank'] gold = info['goldmedalnum'] silver = info['silvermedalnum'] bronze = info['bronzemedalnum'] total = info['totalmedalnum'] # 组织数据 orangized_data = [[name,name_id,rank,gold,silver,bronze,total]] # 然后追加df df1 = df1.append(orangized_data)df1.columns = ['名称', 'id', '排名', '金牌', '银牌', '铜牌', '奖牌总数']df1 对于另外一个网页，我们采取同样的方式。
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'data2 = requests.get(url).json()pprint(data2) 是不是此时感觉结构更清楚了？
df2 = pd.dataframe()for info in data2['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'] # 组织数据 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 = ['英文缩写', 'id', '获奖时间', '项目名', '运动员', '金牌类型']df2 3、数据预处理 对于爬取到的数据，往往是有问题的，我们需要提前预处理一下，方便后续做可视化展示。
① 数据拼接 对我们共有三个表格，分别存储着不同的信息。我们需要对其进行合适的拼接，方便最后可视化。
表格df1表示各国奖牌数，数据是这样的：
表格df3表示国家名中英文对照表，数据是这样的：
利用上述两张表，我们可以左连接，将英文名称添加到df1表上。
df4 = pd.merge(df1,df3,on=名称,how=left)df4.head(10) 最终效果如下：
表格df5表示运动项目获奖详情，数据是这样的：
此时，我们又可以将df4和df5做一个左连接，将这两张表合成一张大表，就可以得到不同国家不同项目获得的奖牌数。
df6 = pd.merge(df4,df5,on=名称,how=left)df6.head(10) ② 关于金牌类型的说明 上面得到的表df6，其实还不是最后的表，因为上述表中金牌类型是数字1、2、3，但是我们需要的是金牌、银牌、铜牌。因此，我们自己再定义一个df7。
x = {获奖名次:[金牌,银牌,铜牌],金牌类型:[1,2,3]}df7 = pd.dataframe(x)df7 效果如下：
因此，我们拿df6与自己构造得到的df7再做一个左连接，就可以的到最后完整的表了。
df8 = pd.merge(df6,df7,on=名称,how=left)df8.head(10) ③ 中英文名映射转换 由于使用pyecharts绘制世界地图时，名称必须是英文的，所以我们需要将这里的中文名称映射为英文名称。于是我在网上找到了下面这个文件：
我们要做的就是将它与表格中的数据，做个映射转换。先把它转换为一个excel文件吧，方便我们以后直接使用。
with open(国家名中英文对照表.txt,r,encoding=utf-8) as f: x = f.read()df3 = pd.dataframe()for i in x.split(): x = i.split(:)[0].strip() y = i.split(:)[1].strip() orangined_data = [[x,y]] df3 = df3.append(orangined_data)df3.columns = [名称,英文名称]df3.to_excel(国家名中英文对照表.xlsx,index=none) 然后，在和上述的df2表格做一个左连接即可。
df4 = pd.merge(df2,df3,on=名称,how=left)df4 结果如下：
4、可视化展示 关于可视化部分，使用的是pyecharts库。这部分一共分以下8个主题：
① 2020东京奥运会各国奖牌分布图； ② 2020东京奥运会奖牌榜详情； ③ 2020东京奥运会奖牌榜总数前十名； ④ 2020东京奥运会金牌榜总数前十名； ⑤ 2020东京奥运会中国各项目获奖详情； ⑥ 中国选手每日获得奖牌数； ⑦ 中国选手每日获得金牌数； ⑧ 中国选手夺金详细数据； 说明： 这里就不做结果分析了，因为通过上图，相信大家应该能够很清晰的了解到2020东京奥运会，哪怕你没看过。
关于图像传感器图像质量的四大误区
扫地机器人内部拆解与工作原理
线路板生产制作中关于化学铜沉积要点
三星积极布局自动驾驶研发，是想重启造车梦吗？
将树莓派用作台式PC的说明
如何制作数据可视化大屏
华为博士员工离职率21.8%，任正非反思高学历人才流失
华为P10最新消息：华为P10Plus爆炸了？华为P10Plus爆炸前后面板都被炸开你怎么看？
运营商出身的咪咕跳出通信圈，拿下2018年世界杯直播版权
真空断路器在低压配电时需注意哪些问题
如何破解并重置电子保险箱
助力可持续发展社会的ROHM新技术 超低消耗电流技术：Nano Energy
适用于汽车的开关峰值电流模式控制电路
Anybus CompactCom：嵌入式通信接口，现场总线和工业以太网
虹科分享|反射物镜中蜘蛛腿架的光学影响
电子分频器和功放接法介绍
小米6新增黑、蓝“幽雅”两色，小米6哪款颜色最好看？
降压型DC/DC转换器IC评估版“BD9G500EFJ-EVK-001”评测（1）
浪潮信息InManage，再获Gartner数据中心智能运维标杆
PCB阻焊工序中常见品质问题及解决方法