大量色调单一的数据表往往会给阅读者带来枯燥乏味的感觉,不利于相关数据项目的展示。而数据可视化具有易于理解、突出数据重点等显著优势,提高阅读速度的同时给读者留下更深刻的印象。那么如何将数据进行可视化处理呢?本文以江西省各地区财政收入为例,利用Python中的Pyecharts库通过绘制江西省地图的方式实现数据可视化。
安装Pyecharts库
打开Anaconda Prompt,输入pip install pyecharts-U进行安装
导入相关库
导入pandas库、numpy库以及相关作图工具,本文使用的是Map地图
import pandas as pd import numpy as np from pyecharts import options as opts from pyecharts.charts import Map
导入数据文件
江西省11市2023年前三季度财政收入.xlsx文件获取:链接:https://pan.baidu.com/s/11m2mejSUyQh553DsLwOIcA 提取码:5vop
data = pd.read_excel("D:\python\江西省11市2023年前三季度财政收入.xlsx") data
|
| 序号 | 地区 | 2023年前三季度财政收入(亿元) |
| — | — | — | — |
| 0 | 1 | 南昌市 | 394.40 |
| 1 | 2 | 赣州市 | 271.45 |
| 2 | 3 | 九江市 | 256.90 |
| 3 | 4 | 宜春市 | 238.26 |
| 4 | 5 | 上饶市 | 235.40 |
| 5 | 6 | 吉安市 | 164.59 |
| 6 | 7 | 抚州市 | 119.58 |
| 7 | 8 | 萍乡市 | 108.03 |
| 8 | 9 | 鹰潭市 | 92.79 |
| 9 | 10 | 新余市 | 77.40 |
| 10 | 11 | 景德镇市 | 67.98 |
生成数据列表
[list(z) for z in zip(data['地区'],data['2023年前三季度财政收入(亿元)'])]
这段代码是使用列表推导式(list comprehension)来创建一个由元组组成的列表。代码的目的是将两个列表data['地区']
和data['2023年前三季度财政收入(亿元)']
中的元素逐对合并为元组,并将这些元组放入一个新的列表中。
-
zip(data['地区'], data['2023年前三季度财政收入(亿元)'])
:zip
函数将两个列表中的元素一一配对,形成一个元组的迭代器。 -
for z in ...
: 对于zip
函数返回的每个配对的元组,使用变量z
进行迭代。 -
list(z)
: 将每个元组z
转换为列表。 -
最终,整个列表推导式会生成一个新的列表,其中包含了由原始两个列表中相应位置的元素组成的元组。这个新列表的每个元素都是一个包含两个值的列表,代表地区和财政收入的配对。
[[‘南昌市’, 394.4], [‘赣州市’, 271.45], [‘九江市’, 256.9], [‘宜春市’, 238.26], [‘上饶市’, 235.4], [‘吉安市’, 164.59], [‘抚州市’, 119.58], [‘萍乡市’, 108.03], [‘鹰潭市’, 92.79], [‘新余市’, 77.4], [‘景德镇市’, 67.98]]
绘制数据化图像
m = (Map(init_opts=opts.InitOpts(width="1600px",height="800px")) #设置图表长宽,确定大小 .add("地区", #添加数据系列名称 [list(z) for z in zip(data['地区'],data['2023年前三季度财政收入(亿元)'])], #读取数据 "江西") #选择江西省地图 .set_global_opts( title_opts=opts.TitleOpts(title="2023年前三季度江西省各地区财政收入分布", #设置图表标题 title_textstyle_opts=opts.TextStyleOpts(font_size=30), #标题字体大小 pos_left='30%'), #调整标题位置 visualmap_opts=opts.VisualMapOpts(max_=400, #根据最高财政收入合理设置分布图范围最大值 is_piecewise=True, #将数据分段 split_number=4, #本文将财政收入分为4个区间段,即0-100,100-200,200-300,300-400 range_color=["#00BFFF","#00FF00","#FFFF00","#FF3030"], #为不同区间段配置不同颜色相对应,蓝色#00BFFF、绿色#00FF00、黄色#FFFF00、红色FF3030 range_text=['亿元',''], #设置数据单位 pos_top='80%',pos_left='30%'), #调整位置 legend_opts=opts.LegendOpts(is_show=False), #隐藏“地区”标签,美化图表 )) m.render("./2023年前三季度江西省各地区财政收入分布.html") #保存至html文件中
查看文件结果
找到最终文件输出位置,打开html文件,点击任意地区即可了解对应财政收入具体数字,从颜色对比上直观的反映出了不同地区的财政收入分布情况。以此类推,运用本组代码及相关统计数据还可绘制出各地区人口、GDP、人均消费等地理分布图。
全套代码
import pandas as pd import numpy as np from pyecharts import options as opts from pyecharts.charts import Map data = pd.read_excel("D:\python\江西省11市2023年前三季度财政收入.xlsx") m = (Map(init_opts=opts.InitOpts(width="1600px",height="800px")) .add("地区", [list(z) for z in zip(data['地区'],data['2023年前三季度财政收入(亿元)'])], "江西") .set_global_opts( title_opts=opts.TitleOpts(title="2023年前三季度江西省各地区财政收入分布", title_textstyle_opts=opts.TextStyleOpts(font_size=30), pos_left='30%'), visualmap_opts=opts.VisualMapOpts(max_=400, is_piecewise=True, split_number=4, range_color=["#00BFFF","#00FF00","#FFFF00","#FF3030"], range_text=['亿元',''], pos_top='80%',pos_left='30%'), legend_opts=opts.LegendOpts(is_show=False) )) m.render("./2023年前三季度江西省各地区财政收入分布.html")
以上就是“Python数据可视化 | Pyecharts绘制江西省财政收入分布图”的全部内容,希望对你有所帮助。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、Python练习题
检查学习结果。
六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
最后祝大家天天进步!!
上面这份完整版的Python全套学习资料已经上传至CSDN官方,朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。