從兩個數據角度來看全國復工情況

時間已經來到三月份，隨着疫情形勢不斷出現積極變化，全國各地復工復產的腳步已悄悄加快。那麼目前的復工情況如何呢？我找到了清華大學信息技術研究院“智庫2861”項目組研發的AI大數據平臺——DaaS實時數據庫，本文的所有數據均來源於該數據庫。

DaaS實時數據庫平臺由我國全域網格（即劃分到每1平方公里共計960萬個空間網格）2.2億個採集點實時產生的互聯網活動信息數據庫，輔以三千多個分類數據庫共同構成，分級對應我國2861個行政區縣以及336個地市和31個省、自治區、直轄市經濟社會運行情況，通過不斷增加校驗的AI算法產生客觀、實時、冷靜的社會心跳數據。

該平臺通過AI技術測算了新型冠狀病毒疫情防控期間的商辦區人口活躍度和務工人員返工率這兩項數據，用以致力助力各地分區分級精準復工復產研究參考。

我爬取了該平臺的數據，並做了一定的可視化。

import requests
import re
import json
from pymongo import MongoClient



# 數據爬取
db=MongoClient().work
url='https://sp.uidashi.com/app.32615eee.js'
headers={
        'Referer': 'https://rw.uidashi.com/?from=singlemessage',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36'
}
r=requests.get(url,headers=headers)
r.encoding=r.apparent_encoding

data=re.findall("JSON.parse\('(.*?)'\)",r.text)
city1=json.loads(data[0])['city']
city2=json.loads(data[1])['city']




# 存入MongoDB,方式一
# 用於pyecharts繪圖
for city in city1:
    name=city['name']
    values=city['values']
    item={
            'name':name,
            'values':values[-1]
            }
    db['town'].insert_one(item)
for city in city2:
    name=city['name']
    values=city['values']
    item={
            'name':name,
            'values':values[-1]
            }
    db['city'].insert_one(item) 


# 存入MongoDB,方式二
# 存入多行數據用於繪製js動態圖
    
for city in city1:
    name=city['name']
    values=city['values']
    periods=city['periods']
    for i in range(len(values)):
        item={
            'type':name[:2],
            'name':name,
            'value':values[i],
            'date':periods[i],
            
            }
        db['town2'].insert_one(item)
for city in city2:
    name=city['name']
    values=city['values']
    periods=city['periods']
    for i in range(len(values)):
        item={
            'type':'中國',
            'name':name,
            'value':values[i],
            'date':periods[i],

            }
        db['city2'].insert_one(item)

商辦區人口活躍度

監測樣本城市排名前10位的商業和辦公區域所在1平方公里網格的人口數據，與疫情前進行對比，以此反映人口活躍恢復程度的百分比。

上圖給出了全國主要城市的商辦區人口活躍度，基本上這些城市都有了一定的活躍度，但都不高，武漢的商辦區人口活躍度是最低的僅爲13.92%，而拉薩的商辦區人口活躍度最高，達到65.91%，該項數據與城市受疫情影響的相關程度較高，受疫情影響越大的城市商辦區人口活躍度越低，反之則越高，這是非常容易理解且符合客觀規律的。

除了拉薩相對較高的商辦區人口活躍度，其他九個城市的活躍度都只是略高於50%。

上圖是全國商辦區人口活躍度的趨勢，從此折線圖中我們可以看到目前復工正在積極進行，且目前整個國家商辦區的人口活躍度已超過50%，是一個不錯的信號。

務工人員返工率

測算務工人員返工率的重點是計算外出務工人員新年返鄉人口數量和年後離鄉返回就業地區的人口數量。

此數據能夠反映出勞動力輸出區縣農民工離鄉返回就業地區的情況，在一定程度上可以反映出製造業的復工情況。下圖是主要勞務輸出區縣的離鄉返工率變化情況，目前新疆伊犁州霍城縣以**81.55%**的離鄉返工率佔據榜首。

除了新疆，廣西、四川等幾個省份的務工人員返工率也較高。

從此折線圖中我們同樣可以看到目前復工正在積極進行，且目前整個國家的務工人員返工率已接近70%，同樣是一個不錯的信號。

春天到來，一波又一波返工的浪潮已經涌來。那麼，開學還會遠嗎？

最後，可視化的代碼可以去我的GitHub上查看