Python学习从0到1 day18 Python可视化基础综合案例 2.地图可视化

最新推荐文章于 2024-05-08 20:02:39 发布
最新推荐文章于 2024-05-08 20:02:39 发布
阅读量195 收藏 3
点赞数 9
分类专栏： python学习从0到1 文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_73983707/article/details/136986472
版权

在谷底也要开花，在海底也要望月

                                  —— 24.3.24

一、基础地图使用

1.基础地图演示

掌握使用pyecharts构建基础的全国地图可视化图表

通过导入pyecharts模块中的一个Map方法，通过它可以得到一个地图对象

数据的结构都是列表，列表中嵌套一个个元组对象，存储的是对象和地图

在写的时候要写上xx省/市

# 演示地图可视化案例

# 导入地图的包
from pyecharts.charts import Map
# 导入绘制属性的包
from  pyecharts.options import VisualMapOpts

# 准备地图对象
map = Map()

# 准备数据 是一个元组列表，每一个元组第一个元素时省份，第二个元素是相关的数值
# ！！！在写的时候要写上xx省/市
data = [
    ("北京市",99),
    ("上海市",199),
    ("湖南省",299),
    ("台湾省",399),
    ("广东省",499)
]

# 添加数据：通过map对象调用add方法添加数据,默认也是中国地图
map.add("测试地图",data,"china")


# 绘图
map.render()

2.视觉映射器 设置全局选项

# 设置全局选项
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        # 允许手动校准范围
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 9, "label": "1-9", "color":"#CCFFFF"},
            {"min": 10, "max": 99, "label": "10-99", "color": "#FF6666"},
            {"min": 100, "max": 500, "label": "100-500", "color": "#990033"},
        ]
    )
)

3.运行结果

颜色的代码在ab173网站中，前端按钮的颜色对照表，找到颜色对应的代码

二、疫情地图—国内疫情地图

1.处理数据

# 演示全国疫情可视化地图的开发
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取数据文件
f = open("E:\python.learning\地图数据\疫情.txt","r",encoding="utf-8")
data = f.read()    # 全部数据

# 关闭文件
f.close()

# 取到各省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)    # 基础数据字典

# 从字典中取出省份的数据
province_data_list = data_dict["areaTree"][0]["children"]

# 组装每个省份和确诊人数为元组，并各个省的数据都封装入列表内
data_list = []  # 绘图需要用到的数据列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名称
    province_confirm = province_data["total"]["confirm"]    # 确诊人数
    data_list.append((province_name,province_confirm))

2.设置地图

# 创建地图对象
map = Map()

# 添加数据
map.add("各省份确诊人数",data_list,"china")

# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show = True, # 是否显示
        is_piecewise = True, # 是否分段
        pieces=[
            {"min":1,"max":99,"lable":"1~99人","color":"#CCFFFF"},
            {"min": 100, "max": 999, "lable": "100~999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "lable": "10~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "lable": "5000~9999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "lable": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "lable": "100000+", "color": "#990033"},
        ]
    )
)

# 绘图
map.render("全国疫情地图.html")

3.整体代码 

"""
演示全国疫情可视化地图开发
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取数据文件
f = open("D:/疫情.txt", "r", encoding="UTF-8")
data = f.read()     # 全部数据
# 关闭文件
f.close()
# 取到各省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)        # 基础数据字典
# 从字典中取出省份的数据，通过字典对象的层次结构
province_data_list = data_dict["areaTree"][0]["children"]
# 组装每个省份和确诊人数为元组，并各个省的数据都封装入列表内
data_list = []      # 绘图需要用的数据列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名称
    province_confirm = province_data["total"]["confirm"]    # 确诊人数
    data_list.append((province_name, province_confirm))


# 创建地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数", data_list, "china")
# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,           # 是否显示
        is_piecewise=True,      # 是否分段
        pieces=[
            {"min": 1, "max": 99, "lable": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "lable": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "lable": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "lable": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "lable": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "lable": "100000+", "color": "#990033"},
        ]
    )
)
# 绘图
map.render("全国疫情地图.html")

允许html程序：

三、疫情地图——省级疫情地图

1.处理数据

# 演示河南省疫情地图开发
import json
from pyecharts.charts import Map    # 导入地图包
from pyecharts.options import *

# 读取文件
f = open("E:\python.learning\地图数据\疫情.txt","r",encoding="utf-8")
data = f.read()

# 关闭文件
f.close()

# 获取河南省数据
# json数据转换为python字典
data_dict = json.loads(data)

# 取到河南省数据
cities_data = data_dict["areaTree"][0]["children"][3]["children"]

# 准备数据为元组并收入list
data_list = []
for city_data in cities_data:
    city_nmae = city_data["name"] + "市"
    city_confirm = city_data["total"]["confirm"]
    data_list.append((city_nmae,city_confirm))

# 手动添加济源市
data_list.append(("济源市",5))

2.调用函数构建地图

# 构建地图
map = Map()
map.add("河南省疫情分布",data_list,"河南")

# 设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show = True, # 是否显示
        is_piecewise = True, # 是否分段
        pieces=[
            {"min":1,"max":99,"lable":"1~99人","color":"#CCFFFF"},
            {"min": 100, "max": 999, "lable": "100~999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "lable": "10~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "lable": "5000~9999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "lable": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "lable": "100000+", "color": "#990033"},
        ]
    )
)

# 绘图
map.render("河南省疫情地图.html")

 整体代码

# 演示河南省疫情地图开发
import json
from pyecharts.charts import Map    # 导入地图包
from pyecharts.options import *

# 读取文件
f = open("E:\python.learning\地图数据\疫情.txt","r",encoding="utf-8")
data = f.read()

# 关闭文件
f.close()

# 获取河南省数据
# json数据转换为python字典
data_dict = json.loads(data)

# 取到河南省数据
cities_data = data_dict["areaTree"][0]["children"][3]["children"]

# 准备数据为元组并收入list
data_list = []
for city_data in cities_data:
    city_nmae = city_data["name"] + "市"
    city_confirm = city_data["total"]["confirm"]
    data_list.append((city_nmae,city_confirm))

# 手动添加济源市
data_list.append(("济源市",5))

# 构建地图
map = Map()
map.add("河南省疫情分布",data_list,"河南")

# 设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show = True, # 是否显示
        is_piecewise = True, # 是否分段
        pieces=[
            {"min":1,"max":99,"lable":"1~99人","color":"#CCFFFF"},
            {"min": 100, "max": 999, "lable": "100~999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "lable": "10~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "lable": "5000~9999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "lable": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "lable": "100000+", "color": "#990033"},
        ]
    )
)

# 绘图
map.render("河南省疫情地图.html")

3.运行结果

L_cl
关注
专栏目录
2024.4.18 Python爬虫复习day06 可视化2
04-14
在“可视化2”的学习中，我们可能会涉及到以下关键知识点： 1. **数据预处理**：在可视化之前，数据通常需要进行清洗和整理，包括去除缺失值、异常值处理、数据类型转换等，确保数据适合用于绘图。 2. **基本图表...
python柱状图类VisualMapOpts方法说明
maqiang_720的博客
05-17 1195
pieces: Optional[Sequence] = None, # 分段信息，可以是列表或元组（仅当 is_piecewise 为 True 时有效），例如 [(0, 30), (30, 60), (60, 90)]，默认为空。range_color: Optional[Sequence[str]] = None, # 区间颜色，可以是列表或元组，例如 ["#50a3ba", "#eac763", "#d94e5d"]，默认为空。# 初始化函数，定义了一些参数及其默认值。
Python(二)
buzhou541的博客
11-12 84
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False)) # 添加美国的y轴数据。print(f"读取全部的结果：{f.readlines()},f.readlines的数据类型是：{type(f.readlines())}")print(f"读取全部的结果：{f.readline()},f.readline的数据类型是：{type(f.readline())}")
python数据可视化——笔记2
2303_76230584的博客
04-14 425
graphic_opts: 设置图形元素的配置选项，可以添加自定义的图形元素，如图片、文本等,axispointer_opts: 设置坐标轴指示器的配置选项，用于显示坐标轴的指示线、标签等。title_opts: 设置图表标题的配置选项，可以包括标题文本、副标题文本、标题位置等。legend_opts: 设置图例的配置选项，可以包括图例类型、图例位置、图例数据等。brush_opts: 设置刷子的配置选项，用于数据区域选择、数据区域缩放等操作。可通过官方API查看具体功能。
如何用python实现地图数据可视化
记录学习，一起进步
10-09 4029
用python实现地图数据可视化
python学习笔记（六）
ausna_suki的博客
11-26 417
此外，还可以用以下函数实现时间线的自动播放。
2024.4.17 Python爬虫复习day05 可视化
04-14
1. **基础数据处理**：在进行可视化之前，我们需要对爬取到的数据进行预处理，包括清洗、去重、格式转换等步骤。了解如何使用Python的Pandas库进行数据处理至关重要，如DataFrame的操作、数据过滤和排序。 2. **...
2024.4.19 Python爬虫复习day07 可视化3
04-14
总结起来，"2024.4.19 Python爬虫复习day07 可视化3"的主题涵盖了Python爬虫的基本技巧和数据可视化的高级应用，旨在帮助开发者掌握从网络获取信息并有效地展示数据的能力。通过不断练习和项目实践，我们可以不断...
【Python网络爬虫与数据可视化实战案例】未来15天气温走势图
01-20
  可以看出，每一天的天气信息都存储在class属性为table_day的div标签之中，而气温信息则存储在div标签内部的class属性为temp的li标签之中。那么，我们只需要定位到这个标签，对该标签内的文本
Python技术数据可视化库使用方法.docx
07-30
它的灵活性很高，适合各种规模的项目，从简单的图表到复杂的多维数据可视化都能够胜任。 **基本使用：** ```python import matplotlib.pyplot as plt # 数据准备 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # ...
pyecharts 应用5：视觉映射配置项VisualMapOpts
qq_40206371的博客
07-28 9952
1 库函数导入 class pyecharts.options.VisualMapOpts 2 形参说明 VisualMapOpts一共有以下这些形参，之后的小节将对其中一个进行图例化说明（所以下面这一串代码可先不看） class VisualMapOpts( # 是否显示视觉映射配置 is_show: bool = True, # 映射过渡类型，可选，"color", "size" type_: str = "color", # 指定 visu.
Python数据可视化------地图
最新发布
2301_80483372的博客
05-08 440
颜色查询：进入abc173.com,点前端RGB颜色对照表。可进入pyecharts.org 查询更多相关操作。
Python之基础详解（九）：关于VisualMapOpts视觉映射配置项详解
zhu_rui的博客
04-21 1万+
关于VisualMapOpts视觉映射配置项详解
Python绘制地理图表之可视化神器pyecharts（二）
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
02-22 5194
目录 地图 地图模板系列 中国地图 省份数据地图（重庆地图） 中国城市地图数据地图（分段型） 世界地图 中国地图带城市（详细） 中国连续数据地图 复杂地图观赏 每文一语 地图 前期文章我们介绍了有关热力图的绘制，这期文章我们一起来看看地图是如何绘制的，如何在地图里面添加数据进行多维度的展示，下面我们一起来感受一下地图的魅力吧！ “地图就是依据一定的数学法则,使用制图语言,通过制图综合,在一定的载体上,表达地球（或其他天体）上各种事物的空间分布、联系及时间中的发展变化状态的图形.
视觉映射配置项VisualMapOpts
zhaoyangjian724的专栏
12-29 4957
VisualMapOpts：视觉映射配置项 class pyecharts.options.VisualMapOpts class VisualMapOpts( # 是否显示视觉映射配置 is_show: bool = True, # 映射过渡类型，可选，"color", "size" type_: str = "color", # 指定 visu...
[pyecharts学习笔记]——全局配置项（VisualMapOpts视觉映射配置项）
积一时之步，臻千里之遥程
04-20 1万+
不分段型 from pyecharts import options as opts from pyecharts.charts import Map from pyecharts.faker import Faker c = ( Map() .add("", [list(z) for z in zip(Faker.guangdong_city, Faker.values())...
Python + PyEcharts——数据可视化
热门推荐
红叶谷 wsp_1138886114的博客
05-31 7万+
一、第一个PyEcharts图标 1 安装：    &a
Python数据分析之画图力气pyecharts 制作3D图像！
Python学习Q群696455390
04-23 1152
Python 功能真的很强，强大到让人吃惊，它能做的事囊括爬虫、数据分析、数据可视化、游戏等等各方面，这些功能在实际的使用中应用广泛，开发程序讲究页面的美观与炫酷效果， 今天的文章将给各位读者朋友们带来不一样的视觉盛宴，感兴趣的朋友欢迎一起尝试。 写在前面的话：在之前的文章Python 图表利器 pyecharts中有介绍了 pyecharts 的安装及使用,详细教程请到官网学习 py...
Python matplotlib 实现《青春有你2》数据可视化
"Python的matplotlib库是数据可视化的常用工具，本教程通过实例讲解如何使用matplotlib的bar()函数绘制柱形图和pie()函数绘制饼图，以分析《青春有你2》参赛选手的地区分布和体重分布。" 在Python的数据科学领域，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值