yunwei37/COVID-19-NLP-vis：使用 flask + pyecharts 搭建的新冠肺炎疫情

yunwei37

334

66 2

MIT License

技术解读

以下内容由 GitRead 中文社区编辑团队基于项目 README 与官方资料整理，结合中文开发者的常见使用场景补充技术选型建议。具体以项目官方文档为准。

技术分析：yunwei37/COVID-19-NLP-vis 项目

项目背景与痛点

在新冠病毒疫情的大背景下，实时追踪和理解疫情动态变得至关重要。因此，yunwei37/COVID-19-NLP-vis 项目应运而生，它是一款新冠肺炎疫情数据可视化交互分析平台。该平台不仅提供实时疫情数据的地图和图表展示，还结合了自然语言处理（NLP）技术，实现了舆情监测和确诊人数预测分析。用户可以通过平台了解疫情的最新情况，并深入分析、预测疫情的发展趋势。

核心技术揭秘

yunwei37/COVID-19-NLP-vis 项目基于 Flask 和 Pyecharts 搭建，架构简洁但功能强大。Flask 作为后端服务框架，提供了易用的 API 接口；Pyecharts 则负责前端的可视化展示。在设计和技术实现中，该项目巧妙地融合了疫情数据获取、地图展示、曲线图展示、数据统计分析以及 NLP 舆情监控等功能模块。

下面是一张 Mermaid 架构图，展示了项目的核心架构：

graph TD A[用户请求] --> B[参数校验] B -->|"通过"| C[执行业务] C --> D[数据获取] D --> E[数据处理] E --> F[数据渲染] F --> G[数据展示] B -->|"失败"| H[返回错误]

技术栈与设计模式

在技术栈层面，项目采用 Python 语言开发，Flask 框架作为后端服务，负责处理 HTTP 请求、调用业务逻辑和服务。Pyecharts 则作为前端数据可视化库，提供丰富的图表展示功能。在业务逻辑层，采用模块化设计，各功能模块职责明确且相对独立，便于后续扩展和维护。

数据流分析

数据流是项目的核心之一。如下图所示，系统首先获取用户请求，通过参数校验将合法请求传递给业务逻辑层。数据获取模块负责从公开数据源收集疫情数据，数据处理模块对接收到的数据进行清洗、统计和计算。处理后的数据通过 Pyecharts 库渲染后展示在前端页面。

graph TD A[用户请求] --> B{"参数校验"} B -->|"通过"| C[执行业务] B -->|"失败"| H[返回错误] C --> D[数据获取] D --> E[数据处理] E --> F[数据渲染] F --> G[数据展示]

功能亮点与差异

该项目与其他同类竞品相比，有几个显著的功能亮点：

全面的数据展示：不仅提供疫情地图展示，还提供了疫情时间序列曲线图，帮助用户更加全面地理解疫情的动态变化。
舆情监测：借助 NLP 技术，项目实现了舆情监测，能够及时捕捉用户对疫情话题的关注程度和态度变化，为防疫决策提供支持。
确诊人数预测：通过先进的机器学习算法，项目可以预测未来一段时间的疫情发展趋势，为政策制定提供数据依据。

应用场景与落地建议

该项目非常适合部署在公共卫生机构、教育机构、医疗保健服务提供者等场景下，以帮助相关机构及时了解疫情动态、作出恰当的应对措施。部署时需要注意以下几点：

数据安全与隐私保护：鉴于项目处理的多为敏感数据，必须严格遵守数据安全法规，确保用户隐私不受侵犯。
流量管理与容量规划：部署时需评估流量需求，做好服务器容量规划，特别是面对高并发访问时，需要更高的性能和稳定性。
系统更新与维护：随着疫情数据和算法的不断变化，系统需要持续更新与维护，保持技术栈和算法模型的先进性。

综合评价

yunwei37/COVID-19-NLP-vis 项目凭借其全面的数据展示、先进的 NLP 技术以及可靠的预测分析，为疫情防控工作提供了有力支持。然而，项目也存在一些不足之处，如数据源的单一性和算法的不可解释性，需进一步优化与改进。总体而言，该项目精准切入了疫情管理的核心痛点，提供了切实可行的技术解决方案，值得进一步关注与推广。

简要分析

热度分

471

价值分

220

活跃状态

活跃

covid-19 flask maps nlp pyecharts visualization

GitHub

语言占比

Dockerfile

HTML

JavaScript

Jupyter Notebook

Python

贡献者

yunwei37

marshcoldboy

README

疫情预测与舆情分析

本项目的技术栈足够初级，应该很适合作为新手入门数据分析与可视化的项目。基本上只要了解 python，具备基本的爬虫、网络、html 等知识就可以实现。

新型冠状病毒肺炎（COVID-19，简称“新冠肺炎”）疫情肆虐全球多个国家，2020年3月11日，世界卫生组织 (WHO) 正式宣布将新冠肺炎列为全球性大流行病。

在全球抗击新型冠状病毒疫情的过程中，产生了前所未有的大规模疫情数据，利用大数据分析技术和方法能够协助发现病毒传染源、监测疫情发展、调配救援物资，从而更好地进行疫情防控工作。空间数据分析作为大数据分析的重要组成，将数据智能处理、直观展示和交互分析有机地结合，使机器智能和人类智慧深度融合、优势互补，为疫情防控中的分析、指挥和决策提供有效依据和指南。

本项目希望能利用交互式空间数据分析技术，使用 flask + pyecharts 搭建简单新冠肺炎疫情数据可视化交互分析平台，感知和预测疫情发展趋势与关键节点、分析社交媒体话题与情感的动态演变、对社会舆情进行态势感知。

项目分析报告已部署到网页端，可点击http://covid.yunwei123.tech/进行查看

交互可视化分析报告截图：

文档与目录结构

dataSets
- china_provincedata.csv 中国各省、直辖市、自治区、特别行政区的疫情数据
- countrydata.csv 全球214个国家地区以及钻石公主号邮轮的疫情数据
- nCoV_900k_train.unlabled.csv
  
  数据集依据与“新冠肺炎”相关的230个主题关键词进行数据采集，抓取了2020年1月1日—2020年2月20日期间共计100万条微博数据，并对其中10万条数据进行人工标注，标注分为三类，分别为：1（积极），0（中性）和-1（消极）。
- nCoV_100k_train.labled.csv 同上，有标注
  
  由于原始数据集找不到了，目前只有处理过的文件
- nCov_10k_test.csv 同上
- yqkx_data-5_21.csv 使用爬虫获取的人民网疫情快讯新闻100篇
- 中国社会组织_疫情防控-5_21.csv 中国社会组织公共服务平台疫情防控专区新闻
- weiboComments-5_21.csv 5.21微博《战疫情》主题下的微博和评论数据
notebook 分析时使用的notebook
myScripts python脚本（爬虫、可视化、数据处理等等）
- spider-yqkx.py 人民网爬虫
- spider-社会组织.py 中国社会组织公共服务平台爬虫
- weibo_战疫情爬虫_spider.py 微博《战疫情》爬虫
- pyecharts-zhexian-country.py 使用pyecharts绘制任一国家疫情数据曲线图
- hierachy.py 层次聚类分析代码
- jiebafenci.py jieba分词代码及词云图渲染
- lineCountry.py 生成疫情曲线图
- logistic.py logistic分析代码
- mapchina.py 生成中国疫情地图
- mapworld.py 生成世界疫情地图
- mergeweibo.py weiboprocess.py 微博数据处理工具
- weiboAnalyse.py 微博数据分析代码
- wordData.py weiboWordData.py 词云图保存数据
- tfidf.py tfidf值可视化
- sentiments.py 情感分析
templates：网站html/css/js及图片文件
index.md：网站的 markdown 版本
server.py：flask app
新冠肺炎时序数据预测算法设计.docx

作业部分相关技术栈

数据库的构建与 sql 语句查询
pyEchart 可视化
postgres sql 数据分析
snowNLP 情感分析
jieba
flask

运行：

运行 server.py:

Use docker:

docker build -t covidvisimage .
docker run -d --name covidvis -p 5000:5000 covidvisimage

OR:

pip3 install -r requirements.txt
python3 server.py

打开 http://127.0.0.1:5000/

注：此处使用的pyecharts版本为1.7.1，可能和后续 1.8 以上的版本存在部分不兼容，可以通过以下命令安装：

pip install pyecharts==1.7.1

COVID-19-NLP-vis

技术解读

技术分析：yunwei37/COVID-19-NLP-vis 项目

项目背景与痛点

核心技术揭秘

技术栈与设计模式

数据流分析

功能亮点与差异

应用场景与落地建议

综合评价

相关仓库

简要分析

语言占比

贡献者

README

疫情预测与舆情分析

文档与目录结构

作业部分相关技术栈

运行：

评论