🧑 博主簡介：曾任某智慧城市類企業算法總監，目前在美國市場的物流公司從事高級算法工程師一職，深耕人工智能領域，精通python數據挖掘、可視化、機器學習等，發表過AI相關的專利并多次在AI類比賽中獲獎。CSDN人工智能領域的優質創作者，提供AI相關的技術咨詢、項目開發和個性化解決方案等服務，如有需要請站內私信或者聯系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉絲群介紹：① 群內初中生、高中生、本科生、研究生、博士生遍布，可互相學習，交流困惑。② 熱榜top10的常客也在群里，也有數不清的萬粉大佬，可以交流寫作技巧，上榜經驗，漲粉秘籍。③ 群內也有職場精英，大廠大佬，可交流技術、面試、找工作的經驗。④ 進群免費贈送寫作秘籍一份，助你由寫作小白晉升為創作大佬。⑤ 進群贈送CSDN評論防封腳本，送真活躍粉絲，助你提升文章熱度。有興趣的加文末聯系方式，備注自己的CSDN昵稱，拉你進群，互相學習共同進步。

---

一、引言

??在公共衛生領域，疫情數據的分析和可視化是理解疫情趨勢、制定應對策略的關鍵工具。本文將利用Python和pyecharts庫對基孔肯雅熱病例數據進行深入分析和可視化，旨在為相關部門和公眾提供數據支持和洞察。

二、數據概覽

??我們的數據集包含了以下關鍵信息：

1. 廣東佛山順德區2025-7-21至2025-8-11日的每日新增病例和累積病理。
2. 廣東佛山各個區2025-8-11日各區新增病例數。
3. 全國各省風險等級劃分數據。

三、數據可視化

??為了更好地理解數據，我們將繪制以下幾種圖表：

1. 廣東佛山順德區每日新增折線圖
2. 累積病理面積圖
3. 廣東佛山各個區2025-8-11日各區新增病例數餅圖
4. 廣東佛山各個區2025-8-11日各區新增病例數玫瑰圖
5. 廣東佛山各個區2025-8-11日各區新增病例地圖
6. 全國各省風險等級劃分地圖

3.1 廣東佛山順德區每日新增折線圖

# 1. 廣東佛山順德區每日新增折線圖
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="廣東佛山順德區每日新增病例折線圖"),xaxis_opts=opts.AxisOpts(name="日期"),yaxis_opts=opts.AxisOpts(name="新增病例數"),)
)

3.2 累積病理面積圖

area_chart = (Line().add_xaxis(df_shunde['日期'].tolist()).add_yaxis("累積病例", df_shunde['累計病例'].tolist(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
)

3.3 廣東佛山各個區2025-8-11日各區新增病例數餅圖

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

3.4 廣東佛山各個區2025-8-11日各區新增病例數玫瑰圖

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

3.5 廣東佛山各個區2025-8-11日各區新增病例地圖

map_chart = (Map().add("新增病例", [list(z) for z in zip(df_foshan['區域'].tolist(), df_foshan['病例'].tolist())], "佛山").set_global_opts(title_opts=opts.TitleOpts(title="廣東佛山各個區新增病例地圖"),visualmap_opts=opts.VisualMapOpts(max_=70),)
)

3.6 全國各省風險等級劃分地圖

national_map = (Map().add("風險等級", [list(z) for z in zip(df_national['省份1'].tolist(), df_national['風險等級'].tolist())], "china").set_global_opts(title_opts=opts.TitleOpts(title="全國各省風險等級劃分地圖"),visualmap_opts=opts.VisualMapOpts(max_=4),)
)

四、創建可視化大屏

page = Page(page_title="基孔肯雅熱病例數據分析大屏",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、結論

??通過上述分析，我們可以得出以下結論：

1. 廣東佛山順德區的疫情波動較大，需要持續關注和防控。
2. 累積病例數的增長趨勢需要進一步分析，以預測疫情的未來發展。
3. 不同區域的疫情嚴重程度存在差異，需要針對性的防控措施。

---