|
3 ^2 x' A( ^& V9 S8 I% N% n Coronavirus (2019-nCoV) Global Cases )面对疫情，作为开源项目爱好者，我们决定做一套可视化面板，以供实时动态分析趋势也是本站学习python flask后的一次实践，此项目涉及了爬虫、数据存储、翻译、可视化、异步加载等，算是本站在实时动态可视化领域的一次尝试。 2 b7 M) j% w2 @7 N+ J3 ^1 R- }; S
在线体验地址：2019-2020 nCov肺炎疫情全球监测面板: https://yiqing.baiyue.one0.项目依赖flaskrequestsgoogletranspyecharts此项目为第二版，所有数据为实时动态爬取，因闲置机器有8GB内存，可自由挥霍，所以暂未设置分离式的数据库，已完成Docker化，任何人都可以轻松部署。 ; ]1 S. T# X* A
1.动态效果图1.全屏效果 
% j$ i& u6 h! m/ B" F! Q 2.局部效果- 世界地图  7 g, U, o6 d6 b8 T6 S5 Q
3.局部效果- 疫情曲线 
# t' ?* R# c2 e1 \3 H+ z8 w 4.局部效果- 每日确诊K线  * v. M. D# a/ K! H" C. x: c
2.可改进思路尝试从数据中提取市县级统计、或市县级增长-时间的动态演示尝试制作河流图，汇集负面的疑似案例，以及正面的确诊案例（内嵌治愈、死亡）与SARS对比图与SARS等对比拟合本次的疫情曲线，尝试预测疫情顶峰 3 J6 N7 b2 g2 R H9 C2 z6 H4 u
尝试嵌入今日头条热榜尝试嵌入热点舆情 云词图3. 部署方法：STEP1: 安装Docker基础环境(适用于Centos、Ubuntu、Debian等等)echo y | bash <(curl -L -s https://raw.githubusercontent.com/Baiyuetribe/codes/master/docker.sh) - B2 q! W' ~/ X# s5 p
#安装docker环境STEP2:部署程序运行程序（目前为第二版：主要为全球疫情监测）：docker run -d --name=yiqing -p 5000:5000 --log-opt max-size=50m -- Q: d" H5 r- @+ Y. }( j: N
log-opt max-file=3 --restart=always baiyuetribe/code:yiqing2然后访问http://ip:5000 就可以访问了如需域名访问（请搜本站域名反代）。
( |0 w8 F) u- ~% l$ j' i6 ? 如果想用旧版本（第一版:主打省市级疫情分布），可运行一下：docker run -d --name=yiqing -p 5000:5000 --log-opt max-size=50m --log-opt max-file=3 --restart=always baiyuetribe/code:yiqing
! y! J4 r1 m/ \. k$ W, R 4.其他操作卸载： docker rm -f yiqing5.小结该项目为本站学习flask的初步尝试，通过本次尝试，算是初步掌握了一套完整的数据可视化过程不得不说，使用python编写后端的却很方便，而且用的越多，越上手，一切操作主要围绕在。
$ W. `1 }# p( ^$ Q( b+ @6 [+ h dict 、 list、str 、num等这些最常见的数据类型上。开发工具为：微软vscode 、Win10 Terminator。
! `6 g3 ^ j( `+ ~
3 {" x$ E5 X1 G' R' [9 Z5 Z7 ^# U. z9 T3 a2 e+ j
# E8 w( c1 i1 d3 ~, G0 Z# D1 `) ^8 P8 v% x7 c7 u: G$ B; E
| 
