王正禹，梁雅麗，曹世超，徐輝

摘要：健康中國(guó)——基于大數(shù)據(jù)的可視化分析平臺(tái)，采用爬蟲(chóng)技術(shù)對(duì)零散的疾病數(shù)據(jù)進(jìn)行收集，利用大數(shù)據(jù)模型加以分析，Python Flask框架+ECharts.js進(jìn)行繪圖，完成中國(guó)新冠肺炎數(shù)據(jù)、高發(fā)疾病概率演變以及高發(fā)疾病病人數(shù)變化的數(shù)據(jù)展示。

關(guān)鍵詞：ECharts;大數(shù)據(jù);可視化;傳染病;健康

中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）20-0031-03

1 背景

新冠肺炎疫情爆發(fā)，全民皆兵。防疫攻堅(jiān)戰(zhàn)后大家不僅養(yǎng)成了自覺(jué)配戴口罩出門、勤洗手等良好的自我保護(hù)習(xí)慣，也更加注重個(gè)人健康問(wèn)題。長(zhǎng)期以來(lái)，隨著我國(guó)生產(chǎn)力發(fā)展水平持續(xù)地增長(zhǎng)，人們更希望能夠幸福長(zhǎng)壽。然而隨之而來(lái)的卻是城鎮(zhèn)化、人口老齡化問(wèn)題的不斷升溫，中國(guó)居民的日常生活和疾病種類也在不斷地發(fā)生著變化[1]，中國(guó)是世界人口最多的國(guó)家，但是我國(guó)的醫(yī)療設(shè)施、藥品卻相對(duì)匱乏，現(xiàn)在老年人數(shù)持續(xù)上升，常見(jiàn)疾病的預(yù)防與治療已經(jīng)成為當(dāng)下社會(huì)關(guān)注的熱點(diǎn)話題。

因此，如何有效地預(yù)防疾病以及減少患病次數(shù)、增強(qiáng)免疫力已受到高度重視。預(yù)防勝于治療，本課題采集、分析往年與健康相關(guān)的數(shù)據(jù)，借助可視化圖形來(lái)進(jìn)行直觀的展示，開(kāi)發(fā)出基于大數(shù)據(jù)的可視化分析平臺(tái)——健康中國(guó)。該平臺(tái)向人們展示高發(fā)疾病的患病率、死亡率等，通過(guò)這種方式提醒人們重視預(yù)防工作，學(xué)習(xí)疾病知識(shí)，萌發(fā)為自己的健康與幸福投資的意識(shí)。

該平臺(tái)采用統(tǒng)計(jì)圖表的方式，通過(guò)熱力地圖、條形競(jìng)賽圖、動(dòng)態(tài)散點(diǎn)圖、雷達(dá)圖等可視化圖例來(lái)反映近幾年高發(fā)疾病的演變趨勢(shì)，直觀地體現(xiàn)出不同指標(biāo)下的數(shù)據(jù)差異，將零散的書面信息轉(zhuǎn)換為視覺(jué)信息，使數(shù)據(jù)與用戶能夠交互增強(qiáng)參與感，一定程度減少用戶收集數(shù)據(jù)分析資料的時(shí)間，更好的傳遞相關(guān)產(chǎn)染病的信息。

2 相關(guān)技術(shù)

2.1 爬蟲(chóng)技術(shù)

利用爬蟲(chóng)技術(shù)對(duì)數(shù)據(jù)進(jìn)行收集、清洗、分析，具體流程如圖1。

1）大數(shù)據(jù)的收集：依靠requests庫(kù)，對(duì)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)網(wǎng)站發(fā)起請(qǐng)求，并從中提取需要的數(shù)據(jù)。

2）數(shù)據(jù)整理與清洗：從多個(gè)數(shù)據(jù)源獲得需要的數(shù)據(jù)，對(duì)采集到的數(shù)據(jù)集進(jìn)行預(yù)處理，以保證采用大數(shù)據(jù)分析和預(yù)測(cè)結(jié)果的可靠性和真實(shí)性。預(yù)處理能夠大大增強(qiáng)數(shù)據(jù)的準(zhǔn)確性、可靠性、真實(shí)性，提高數(shù)據(jù)的價(jià)值。

3）數(shù)據(jù)存儲(chǔ)：將整理后的數(shù)據(jù)存儲(chǔ)成json格式并通過(guò)ajax傳遞給前端進(jìn)行頁(yè)面渲染。

反爬蟲(chóng)技術(shù)也是我們需要考慮的一個(gè)要點(diǎn)：在爬取數(shù)據(jù)時(shí)經(jīng)常會(huì)頻繁地訪問(wèn)一個(gè)網(wǎng)址，這樣很容易造成ID被限制，而無(wú)法訪問(wèn)該網(wǎng)站。大多數(shù)網(wǎng)站會(huì)加入了反爬蟲(chóng)技術(shù)，以增強(qiáng)其網(wǎng)頁(yè)的安全性與獨(dú)特性，所以我們一般通過(guò)user-Agent來(lái)控制訪問(wèn)，常用的方法就是加一個(gè)虛擬的headers[2]模擬正常用戶登錄以防訪問(wèn)受限。

2.2 數(shù)據(jù)分析

檢查、清洗、整理、轉(zhuǎn)換和建模數(shù)據(jù)，發(fā)現(xiàn)有用的信息，進(jìn)行數(shù)據(jù)分析（相關(guān)分析、回歸分析等）獲取大數(shù)據(jù)價(jià)值鏈，挖掘數(shù)據(jù)中潛在的價(jià)值，對(duì)于得出的結(jié)論可以根據(jù)所需要的內(nèi)容進(jìn)行篩選、整合、提取，并選擇合適的數(shù)據(jù)進(jìn)行分析，提高研究結(jié)果的可用性、價(jià)值性和準(zhǔn)確性。

本項(xiàng)目中采用的數(shù)據(jù)分析就是將各地新冠肺炎確診人數(shù)以及甲乙類法定報(bào)告?zhèn)魅静“l(fā)病人數(shù)及死亡人數(shù)和甲乙類法定報(bào)告?zhèn)魅静“l(fā)病率、死亡率及病死率的數(shù)據(jù)進(jìn)行整合，并按照數(shù)據(jù)的不同特征進(jìn)行篩選，在大量數(shù)據(jù)集中選擇自己所需要的數(shù)據(jù)并提取出來(lái)，儲(chǔ)存為json格式數(shù)據(jù)，方便前端提取使用。

將獲取的數(shù)據(jù)使用Python Flask框架+ECharts.js進(jìn)行繪圖，最終實(shí)現(xiàn)可視化界面。

2.3 數(shù)據(jù)可視化

數(shù)據(jù)可視化是數(shù)據(jù)分析和展示的一種表現(xiàn)形式，它一直處在不斷更新變化中。我們所獲得的數(shù)據(jù)信息很大程度上依賴其表現(xiàn)形式，數(shù)據(jù)可視化是對(duì)數(shù)據(jù)中內(nèi)容進(jìn)行清洗、整合，再配合可視化圖形的方式來(lái)展示數(shù)據(jù)信息屬性。數(shù)據(jù)與可視化兩者相輔相成，為數(shù)據(jù)分析結(jié)果的展示增添了幾分靈性。

數(shù)據(jù)可視化展現(xiàn)方式眾多，除了日常所見(jiàn)到的柱狀圖、線狀圖外，還有和弦圖、圈餅圖、GIS地圖等各種展現(xiàn)形式。Echarts是開(kāi)源圖表庫(kù)，包含大量可視化圖表，以便我們可以依據(jù)數(shù)據(jù)分析的價(jià)值方向，選擇側(cè)重變化趨勢(shì)、指標(biāo)等因素的可視化圖表形式。Echarts適用于各大瀏覽器，可用程度高[3]。目前大數(shù)據(jù)技術(shù)已經(jīng)廣泛應(yīng)用于日常生活，例如：城市交通數(shù)據(jù)在幫助規(guī)劃限速路段、紅綠燈時(shí)長(zhǎng)等方面的應(yīng)用。

數(shù)據(jù)的可視化實(shí)現(xiàn)過(guò)程一般比較復(fù)雜，龐大的數(shù)據(jù)量總價(jià)值密度低，要求進(jìn)行檢查、清洗、整理、轉(zhuǎn)換和建模數(shù)據(jù)，發(fā)現(xiàn)有用的信息，進(jìn)行數(shù)據(jù)分析（相關(guān)分析、回歸分析等）獲取大數(shù)據(jù)價(jià)值鏈?；舅枷胧菍@得數(shù)據(jù)集中的每一個(gè)數(shù)據(jù)項(xiàng)作為單個(gè)圖源元素表示大量的數(shù)據(jù)集，進(jìn)而形成數(shù)據(jù)圖像可視化[4]?？梢暬捎媒换バ詧D表為數(shù)據(jù)展示形式直觀展示統(tǒng)計(jì)信息屬性，符合大腦信息處理機(jī)制視覺(jué)信息處理更快的特點(diǎn)，易于被用戶接受。

本平臺(tái)采用如上技術(shù)，首先完成頁(yè)面設(shè)計(jì)，logo的制作和頁(yè)面板塊布局;其次，完成數(shù)據(jù)收集處理;接著，對(duì)所獲取的數(shù)據(jù)進(jìn)行分析;最后，根據(jù)不同的展示需求，繪制相應(yīng)的數(shù)據(jù)圖，為了使用戶對(duì)數(shù)據(jù)挖掘和頁(yè)面內(nèi)容生成直觀生動(dòng)的感受，將對(duì)象屬性數(shù)據(jù)簡(jiǎn)明、清晰地進(jìn)行“可視化”渲染。

3 系統(tǒng)分析與設(shè)計(jì)

3.1 內(nèi)容設(shè)計(jì)

此項(xiàng)目的數(shù)據(jù)源來(lái)自相關(guān)數(shù)據(jù)公示平臺(tái)，如國(guó)家統(tǒng)計(jì)局、衛(wèi)健委數(shù)據(jù)源等。通過(guò)Python網(wǎng)絡(luò)爬蟲(chóng)實(shí)時(shí)獲取或?qū)?shù)據(jù)保存至本地進(jìn)行數(shù)據(jù)清洗。統(tǒng)計(jì)甲乙類法定報(bào)告?zhèn)魅静“l(fā)病人數(shù)及死亡人數(shù)以及甲乙類法定報(bào)告?zhèn)魅静“l(fā)病率、死亡率及病死率。使用清洗后的數(shù)據(jù)，調(diào)用可視化模型進(jìn)行一般可視化渲染與繪制：

1）中國(guó)新冠肺炎數(shù)據(jù)。主要字段有：省份、感染并確診人數(shù);