[PYTHON] Ich habe die Anzahl der bundesweit geschlossenen und eröffneten Geschäfte von Corona überprüft

Wie viele Geschäfte hat Corona geschlossen?

Informationen zu bundesweit eröffneten und geschlossenen Geschäften werden auf der Website Opening and Closing.com gesammelt. Lassen Sie uns als Studie zum Schaben den Prozentsatz der geschlossenen Geschäfte in den Jahren März bis April 2020 und 2019 für jede Präfektur zusammenfassen.

Methode

Lassen Sie uns die Anzahl der Geschäfte zählen, die jedem Zeitraum in jeder Region auf der obigen Site entsprechen. Glücklicherweise ist es nach Regionen kategorisiert und jede Seite wird in absteigender Reihenfolge gespeichert. Verwenden Sie diese Option. Beim Scraping wird auch Pythons Beautifulsoup4 verwendet.

Ergebnisse / Diskussion

Schauen wir uns zuerst die Ergebnisse an (Implementierung unten). Das Ergebnis ist wie folgt. Der Wert der Seitenleiste ist in jeder Präfektur angegeben ratio = $ (N_ {geöffnet} - N_ {geschlossen}) $ / $ (N_ {geschlossen} + N_ {geöffnet}) $ Es ist standardisiert in.

Betrachtet man dies, so gibt es keinen signifikanten Unterschied aufgrund des Coronavirus. Es ist notwendig, zukünftige Trends zu betrachten, um festzustellen, ob die Auswirkungen einfach gering sind oder ob die Auswirkungen zeitverzögert auftreten. Ich hoffe, dass der Schaden irgendwie reduziert wird.

Implementierung

Sammeln Sie zunächst Daten von der oben genannten URL-Adresse.

shop_openup_closedown_ratio_1.py

from bs4 import BeautifulSoup
from urllib import request
import datetime
import numpy as np

def period(year,month,year_s = 2019,year_e = 2019,month_s = 3,month_e = 4):
    res = False
    if (year<=year_e) & (year >=year_s) & (month>=month_s) & (month<=month_e):
        res = 2
    if year >= year_e:
        if year > year_e:
            res = 1
        else:
            if month>month_e:
                res = 1

    return res



def main(year_s = 2020,year_e = 2020,month_s = 4,month_e = 4):
    dic = {}
    states = ['close','open']
    for state in range(len(states)):
        url = 'https://kaiten-heiten.com/heiten/area-' + states[state] + '/'  
        response = request.urlopen(url)
        soup = BeautifulSoup(response,'html.parser')

        for a in soup.find_all('a', class_="links"):   
            link = a.get('href')
            region = a.text 
            print(region)

            if dic.get(region) is None:
                dic[region] = [0,0]



            url = link
            response = request.urlopen(url)
            soup = BeautifulSoup(response,'html.parser')

            shop_list = soup.find_all('span', class_='post_time')

            year_last = int(shop_list[-1].text[:5])
            month_last = int(shop_list[-1].text[6:8])

            for a in shop_list:        

                year = int(a.text[:5])
                month = int(a.text[6:8])


                if period(year, month,year_s,year_e,month_s,month_e) == 2:
                    dic[region][state] += 1

                cout = 0
                flag = 0

                while period(year_last, month_last,year_s,year_e,month_s,month_e)>=1:

                    next_p = soup.find('a',class_='next page-numbers')
                    
                    if soup.find_all('a',class_='next page-numbers') is not None:
                        link = next_p.get('href')
                    else:
                        break

                    url = link
                    response = request.urlopen(url)
                    soup = BeautifulSoup(response,'html.parser')


                    shop_list = soup.find_all('span', class_='post_time')

                    year_last = int(shop_list[-1].text[:5])
                    month_last = int(shop_list[-1].text[6:8])


                    print(year_last,month_last)

                    for a in shop_list:        

                        year = int(a.text[:5])
                        month = int(a.text[6:8])


                        if period(year, month):
                            dic[region][state] += 1

                            
    regions = list(dic.keys())
    vals_ = np.array(list(dic.values()))

    hk = int(22)

    hk_name = ['Hokkaido']
    hk_vals = np.array([vals_[:hk,0].sum(), vals_[:hk,1].sum()])

    regions = hk_name + regions[hk:]
    vals = [list(hk_vals)] + list(vals_[hk:])


    # ratio == N_o - N_c / N

    ratio = np.zeros(len(regions))

    for i in range(len(regions)):
        ratio[i] = (vals[i][1] - vals[i][0]) / (vals[i][1] + vals[i][0])
    
    return regions, vals, ratio, vals_


regions_2020, vals_2020, ratio_2020, vals_2020 = main(2020,2020,3,4)
regions_2019, vals_2019, ratio_2019, vals_2019 = main(2019,2019,3,4)

Holen Sie sich die Daten mit.

shop_openup_closedown_ratio_2.py

import numpy as np
import cv2
from PIL import Image
import matplotlib.colors
import matplotlib.pyplot as plt
from japanmap import *



def mapping(regions,ratio,name,a=0.1,b=1):

    n_min = a
    n_max = b

    cmap = plt.cm.rainbow
    norm = matplotlib.colors.Normalize(vmin=n_min, vmax=n_max)

    def color_scale(r):
        tmp = cmap(norm(r))
        return (tmp[0]*255, tmp[1]*255, tmp[2]*255)

    dic = {}
    for k in range(len(regions)):
        map_val = color_scale(ratio[k])
        dic[regions[k]] = map_val

    lab = name + ' 3~4'
    fig = plt.figure(figsize=(15,9))
    plt.title(lab,fontsize=15)
    plt.imshow(picture(dic))


    sm = plt.cm.ScalarMappable(cmap=cmap, norm=norm)
    
    plt.colorbar(sm)
    plt.show()
    
    fig.savefig(name)

Ordnen Sie die Daten mit. Handlung unten.

shop_openup_closedown_ratio_3.py

a = list(ratio_2020)+list(ratio_2019)

max_n = max(a)
min_n = min(a)
mapping(regions_2019,ratio_2019,'2019')
mapping(regions_2020,ratio_2020,'2020',min_n,max_n)

Datenquelle

Öffnen und Schließen.com