综合案例-数据可视化-地图

已于 2024-09-09 19:24:08 修改
阅读量1.2k 收藏 8
点赞数 25
分类专栏： Python 文章标签： 信息可视化 python 青少年编程 数据分析 开发语言
于 2024-09-08 18:58:38 首次发布
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/my_heart_goon/article/details/142027860
版权

一、pyecharts—地图快速入门

假设我们要将6个地区的某种数量在地图上标注出来，首先导入pyecharts包内地图相关模块，然后准备地图数据（数据类型是列表，列表的元素类型为元组），然后把准备好的数据添加进地图。补充细节，设置全局选项，不同的数量段用不同颜色标注出来，使效果更加直观。最后，生成地图。

代码示例：

#导包
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
#构建地图
map=Map()
#准备地图数据
data=[           #数据类型：元素类型为元组的列表
    ('北京市',99),
    ('上海市',199),
    ('湖南省',299),
    ('山东省',199),
    ('安徽省',499),
    ('河南省',366),
    ('湖北省',599)
]
#添加地图数据
map.add('地图',data,'china') #不输入地图类型'China'也默认是'China'
#设置全局选项
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #手动校准范围
        pieces=[           #范围定义是一个列表
            {'min': 1, 'max': 9, 'label': '1-9人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 10, 'max': 99, 'label': '10-99人', 'color': '#FFFF99'},
            {'min': 100, 'max': 299, 'label': '100-299人', 'color': '#6699FF'},
            {'min': 300, 'max':499, 'label': '300-499人', 'color': '#F38F24'},
            {'min': 500, 'max': 599, 'label': '500-599人', 'color': '#CC3333'},
            {'min': 600,  'label': '600人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render()

运行代码后会产生新文件render.html，用Edge浏览器打开，即可看到生成的地图。

关于Map_visualmap_piecewise的详细说明，可访问官网：

DocumentDescriptionicon-default.png?t=O83Ahttps://gallery.pyecharts.org/#/Map/map_visualmap_piecewise在设置全局选项时，用到了颜色值，颜色值是6位，什么值对应什么颜色，可通过RGB颜色对照表一一对应。

可访问如下网站进行了解RGB颜色对照表：RGB颜色对照表-RGB颜色查询对照表-颜色代码表-颜色的英文名称大全-懒人工具|www.ab173.com懒人站长工具提供RGB颜色对照表,RGB颜色查询对照表、常见的网页颜色代码表，常见颜色的英文名称颜色表查询！icon-default.png?t=O83Ahttp://www.ab173.com/gongju/ui/rgb.php

二、进阶-全国疫情地图

2.1分析文件数据

文件“ 疫情.txt ”记录了全国各个地区的疫情数据（确诊人数，治愈人数等等），文件链接：
链接：https://pan.baidu.com/s/1Q9az5lIKuWbMTIxzXRtX_A?pwd=1yts 
提取码：1yts

文件“ 疫情.txt ”是标准的json格式，我们通过网站（如下所示）可以更直观地看出数据层级。在线JSON校验格式化工具（Be JSON）在线,JSON,JSON 校验,格式化,xml转json 工具,在线工具,json视图,可视化,程序,服务器,域名注册,正则表达式,测试,在线json格式化工具,json 格式化,json格式化工具,json字符串格式化,json 在线查看器,json在线,json 在线验证,json tools online,在线文字对比工具icon-default.png?t=O83Ahttps://www.bejson.com/

使用步骤如图：

数据层级如下：

数据层级图

通过在线网站工具，点击“+"，一级一级展开，体验展开过程，也许会更容易理解。

简单分析完数据层级后，我们决定要做一个反映各个省份疫情确诊人数的地图，则地图类型默认中国，地图数据类型为列表，列表内元素类型为元组，一个元组就包括：一个省份名称+确诊人数。

2.2处理数据

我们要处理一下文件“ 疫情.txt ”中的数据，数据本身就是标准的json格式，不再需要处理开头与结尾，步骤如下：

  1. 首先，我们要读取数据文件。
  2. 然后将json数据转换为python字典。
  3. 然后从字典中取出children列表内的数据（即包括省份名称+确诊人数）。
  4. 最后利用for循环组装每个省份名称+确诊人数为元组，将所有元组封装在列表内。

代码如下所示：

#准备地图数据
#读取数据文件
f=open('E:/可视化案例数据/地图数据/疫情.txt','r',encoding='UTF-8')
data=f.read()  #获取文件内全部数据
#取完数据后就用不到文件了，关闭文件即可
f.close()
#将json数据转换为python字典
data_dict=json.loads(data)
#从字典中取出省份数据
province_data_list=data_dict['areaTree'][0]['children']
#组装每个省份名称和确诊人数为元组，将所有元组封装在列表内
data_list=[]  #绘图要用到的数据列表
for province_data in province_data_list:
    province_name=province_data['name']+'省'            #省份名称，拼接字符串的原因在代码下方
    province_confirm=province_data['total']['confirm'] #确诊人数
    data_list.append((province_name,province_confirm)) #放入列表中

第三步：从字典中取出children列表内的数据（即包括省份名称+确诊人数的数据），我们需要先访问字典data_dict中的列表'areaTree'，然后访问列表'areaTree'中第一个元素，其类型为字典，然后访问此字典内的列表'children'，列表'children'内是各个省份的疫情数据，结合数据层级图，更容易理解。

第四步：利用for循环组装每个省份名称+确诊人数为元组，将所有元组封装在列表内，在获取省份名称的时候，我在后面拼接了字符串'省'，因为现在pyecharts包要求，地区后面添加上相应后缀：省，市，行政区，最后生成的地图才会显示数据，而我们现在用的这份文件没有相应后缀，所以我拼接了字符串'省'，至于市和行政区，我没有再去添加，最后生成的地图也没有市和行政区的数据，还望读者见谅。还有一个需要注意的问题：append函数的参数只有1个，我们在此处追加的是元组类型的元素，追加了一个元组，元组内是省份名称+确诊人数2个参数，不要忽略元组的括号。

回顾append函数：http://t.csdnimg.cn/kKNQE 3.3.2在列表尾部添加指定元素。回顾元组知识：http://t.csdnimg.cn/XIMOe 。

2.3构建地图

构建地图的步骤如下所示：

  1. 首先构建地图对象map
  2. 添加上一步处理好的数据
  3. 设置全局配置选项（标题，地区颜色）
  4. 生成地图

代码如下：

#构建地图
map=Map()
#添加地图数据
map.add('全国各省份确诊人数',data_list) #最后一个参数没写，默认地图类型为中国
#设置全局配置选项
map.set_global_opts(
    title_opts=TitleOpts(title='全国疫情地图'), #设置地图标题
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #是否分段
        pieces=[           #定义分段范围
            {'min': 1, 'max': 99, 'label': '1-99人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 100, 'max': 999, 'label': '100-999人', 'color': '#FFFF99'},
            {'min': 1000, 'max': 4999, 'label': '1000-4999人', 'color': '#6699FF'},
            {'min': 5000, 'max':9999, 'label': '5000-9999人', 'color': '#F38F24'},
            {'min': 10000, 'max': 99999, 'label': '10000-99999人', 'color': '#CC3333'},
            {'min': 100000,  'label': '10万人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render('全国疫情地图.html')  #控制生成的文件名

运行代码后会产生新文件 “ 全国疫情地图.html ” ，用Edge浏览器打开，即可看到生成的地图。

2.4完整代码

#导包
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts,TitleOpts
import json

#准备地图数据
#读取数据文件
f=open('E:/可视化案例数据/地图数据/疫情.txt','r',encoding='UTF-8')
data=f.read()  #获取文件内全部数据
#取完数据后就用不到文件了，关闭文件即可
f.close()
#将json数据转换为python字典
data_dict=json.loads(data)
#从字典中取出省份数据
province_data_list=data_dict['areaTree'][0]['children']
#组装每个省份名称和确诊人数为元组，将所有元组封装在列表内
data_list=[]  #绘图要用到的数据列表
for province_data in province_data_list:
    province_name=province_data['name']+'省'            #省份名称，拼接字符串的原因在代码下方
    province_confirm=province_data['total']['confirm'] #确诊人数
    data_list.append((province_name,province_confirm)) #放入列表中

#构建地图
map=Map()
#添加地图数据
map.add('全国各省份确诊人数',data_list) #最后一个参数没写，默认地图类型为中国
#设置全局配置选项
map.set_global_opts(
    title_opts=TitleOpts(title='全国疫情地图'), #设置地图标题
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #是否分段
        pieces=[           #定义分段范围
            {'min': 1, 'max': 99, 'label': '1-99人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 100, 'max': 999, 'label': '100-999人', 'color': '#FFFF99'},
            {'min': 1000, 'max': 4999, 'label': '1000-4999人', 'color': '#6699FF'},
            {'min': 5000, 'max':9999, 'label': '5000-9999人', 'color': '#F38F24'},
            {'min': 10000, 'max': 99999, 'label': '10000-99999人', 'color': '#CC3333'},
            {'min': 100000,  'label': '10万人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render('全国疫情地图.html')  #控制生成的文件名

三、进阶-山东省疫情地图

2.1分析文件数据

我们继续使用文件“ 疫情.txt ”，从其中取出山东省的数据，地图中反映山东省各城市的疫情确诊人数，地图类型选择“山东”，地图数据类型为列表，列表内元素类型为元组，一个元组就包括：山东省城市名称+确诊人数。

数据层级图如下：

2.2处理数据

我们要处理一下文件“ 疫情.txt ”中的数据，数据本身就是标准的json格式，不再需要处理开头与结尾，步骤如下：

  1. 首先，我们要读取数据文件。
  2. 然后将json数据转换为python字典。
  3. 然后从字典中取出山东省疫情数据（即包括山东省城市名称+确诊人数）。
  4. 最后利用for循环组装山东省每个城市名称+确诊人数为元组，将所有元组封装在列表内。

代码如下所示：

#准备地图数据
#读取数据文件
f=open('E:/可视化案例数据/地图数据/疫情.txt','r',encoding='UTF-8')
data=f.read()  #获取文件内全部数据
#获取文件数据完成后关闭文件
f.close()
#json数据转换为python字典
data_dict=json.loads(data)
#从字典中取出山东省城市数据
city_data_list=data_dict['areaTree'][0]['children'][11]['children']
#组装每个省份名称和确诊人数为元组，将所有元组封装在列表内
data_list=[]  #绘图要用到的数据列表
for city_data in city_data_list:
    city_name=city_data['name']+'市'    #拼接字符串的原因在2.2中已说明，请阅读本文2.2
    city_confirm=city_data['total']['confirm']
    data_list.append((city_name,city_confirm))

2.3构建地图

构建地图的步骤如下所示：

  1. 首先构建地图对象map
  2. 添加上一步处理好的数据
  3. 设置全局配置选项（标题，地区颜色）
  4. 生成地图

代码如下：

#构建地图
map=Map()
#添加地图数据
map.add('山东省各城市确诊人数',data_list,'山东') #此处地图类型为“山东”
#设置全局配置选项
map.set_global_opts(
    title_opts=TitleOpts(title='山东省疫情地图'), #设置地图标题
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #是否分段
        pieces=[           #定义分段范围
            {'min': 1, 'max': 9, 'label': '1-9人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 10, 'max': 19, 'label': '10-19人', 'color': '#FFFF99'},
            {'min': 20, 'max': 39, 'label': '20-39人', 'color': '#6699FF'},
            {'min': 40, 'max':59, 'label': '40-59人', 'color': '#F38F24'},
            {'min': 60, 'max': 79, 'label': '60-79人', 'color': '#CC3333'},
            {'min': 80,  'label': '80人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render('山东省疫情地图.html')  #控制生成的文件名

运行代码后会产生新文件 “ 山东省疫情地图.html ” ，用Edge浏览器打开，即可看到生成的地图。

注：因为文件内青岛市和东营市疫情数据缺失，故地图上未显示。

2.4完整代码

#导包
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts,TitleOpts
import json

#准备地图数据
#读取数据文件
f=open('E:/可视化案例数据/地图数据/疫情.txt','r',encoding='UTF-8')
data=f.read()  #获取文件内全部数据
#获取文件数据完成后关闭文件
f.close()
#json数据转换为python字典
data_dict=json.loads(data)
#从字典中取出山东省城市数据
city_data_list=data_dict['areaTree'][0]['children'][11]['children']
#组装每个省份名称和确诊人数为元组，将所有元组封装在列表内
data_list=[]  #绘图要用到的数据列表
for city_data in city_data_list:
    city_name=city_data['name']+'市'    #拼接字符串的原因在2.2中已说明，请阅读本文2.2
    city_confirm=city_data['total']['confirm']
    data_list.append((city_name,city_confirm))

#构建地图
map=Map()
#添加地图数据
map.add('山东省各城市确诊人数',data_list,'山东')
#设置全局配置选项
map.set_global_opts(
    title_opts=TitleOpts(title='山东省疫情地图'), #设置地图标题
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #是否分段
        pieces=[           #定义分段范围
            {'min': 1, 'max': 9, 'label': '1-9人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 10, 'max': 19, 'label': '10-19人', 'color': '#FFFF99'},
            {'min': 20, 'max': 39, 'label': '20-39人', 'color': '#6699FF'},
            {'min': 40, 'max':59, 'label': '40-59人', 'color': '#F38F24'},
            {'min': 60, 'max': 79, 'label': '60-79人', 'color': '#CC3333'},
            {'min': 80,  'label': '80人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render('山东省疫情地图.html')  #控制生成的文件名
myheartgo-on
关注
专栏目录
python使用pyecharts构建地图
qq_45807165的博客
11-20 2187
【代码】python使用pyecharts构建地图。
数据可视化——山东疫情图
weixin_54892590的博客
03-30 217
{“min”:10000,“max”:99999,“lable”:“10000-99999人”,“color”:“#CC3333”},{“min”:1000,“max”:4999,“lable”:“1000-4999人”,“color”:“#FF9966”},{“min”:5000,“max”:9999,“lable”:“5000-9999人”,“color”:“#FF6666”},{“min”:100,“max”:999,“lable”:“100-999人”,“color”:“#FFFF99”},
pyecharts的方法导入以及地图的制作
weixin_46700209的博客
12-26 3630
1.导入这个库是1.9.0以上版本 from pyecharts.charts import Bar 2.不是这个版本的要以这种方法导入 from pyecharts import Bar bar = Bar() bar.add_xaxis(['羽绒服','裤子','帽子','袜子','毛裤','衬衫']) bar.add_yaxis("商家A",[5,20,36,10,75,90]) # 渲染 生成本地html文件 默认在当前目录生成render.html # 路径参数 bar.render('
pyecharts自定义地图，从外部导入json文件绘图
m0_59945395的博客
10-21 1880
解决Pyecharts部分城市地图更新不全问题。需要下载json文件并导入。
pyecharts绘制地图（Geo and Map）（细节更丰富）
m0_67403076的博客
06-10 876
前段时间参加了美赛，因为考虑到一些地方要绘制美丽的图表，另外根据往年论文里的内容发现很多时候需要将各国的数据通过世界地图显示出来，所以我就发现了python中的pyecharts库，这篇博客主要分享一下pyecharts中Geo和Map的用法。（这里相较于其他博客的优点可能就是细节更加多一些吧）1.文档网址：https://pyecharts.org/#/zh-cn/intro直接上代码 1.由于pyecharts默认输出类型为html文件在网页显示，如果直接在网页中复制图片或者截图的话清晰度会非常差，如果
Python基础综合案例-数据可视化
最新发布
Pig-pig-pig的博客
03-16 741
"""演示pyecharts的基础入门"""# 导包# 创建一个折线图对象# 给折线图对象添加x轴的数据line.add_xaxis(["中国", "美国", "英国"])# 给折线图对象添加y轴的数据# 设置全局配置项set_global_opts来设置,title_opts=TitleOpts(title="GDP展示", pos_left="center", pos_bottom="1%"),# 通过render方法，将代码生成为图像。
疫情数据-源码-可视化-参考文献.rar
05-04
本压缩包文件“疫情数据-源码-可视化-参考文献.rar”...总结来说，这个项目综合运用了Python编程、数据抓取、数据分析和可视化技术，对新冠疫情进行了深度研究，同时也为相关领域的学习和研究提供了宝贵的实践案例。
43页永洪-大屏可视化解决方案大数据可视化平台项目数据可视化展示平台建设方案 .pdf
03-20
3. 数据可视化：提供柱图（2D/3D）、饼图（2D/3D）、线图、盒须图、雷达图、瀑布图、帕累托图、词云、组织结构图、地图、矩阵树图、象限图等20多种图表展现形式，同时还支持通过URL 组件嵌入任意第三方展示效果。...
课程设计大作业大屏数据可视化上市公司全景概览数据可视化源码.zip
06-17
综合使用条形图、柱状图、折线图、饼图、地图、数字翻牌器来实现一个常规的大屏数据可视化项目。 项目案例 - 上市公司地域分布 以百度地图为底图，结合ECharts绘制地理信息数据 旭日图 - 基于ECharts V4.2 旭日图...
Python基础综合案例 --- 数据可视化
qq_51947882的博客
02-23 438
2.title_opts 是标题对象，legend_opts 是图例对象，其它同理 ---- 在对这些对象进行配置之前，我们需要引入配置它们的方法（函数/功能），这些方法在options模块中，该模块在pyecharts包中。（PS：json格式的数据转变为字典 / 列表中镶嵌字典的数据格式的数据的流程则是反过来的，即字符串形式转变回字典 / 列表中镶嵌字典的数据格式）第二种则是列表中嵌套字典的形式（只能嵌套字典，其它的不行）1.全局配置配置的是所有图标都有的东西，而局部配置配置的则是每个图表独有的东西。
使用pyecharts装点中国地图
m0_58231750的博客
05-26 969
之前我们使用的是官方提供的数据，[list(z) for z in zip(Faker.provinces, Faker.values())]，现在改成了自己编写的代码。因为我们使用的map图，因此，没有经纬度要填写，要写的只是，省份和对应的value值。"value": "1" ：值为1，"label": "A" ：标签名称为A，"color": "red" ：颜色为红色。{"value": "1", "label": "A", "color": "red"},这段代码是用来写自定义视觉映射项的。
pyecharts地图显示问题
KysonLai的博客
08-07 8380
pyecharts写完代码后直接运行的效果 原因是缺少地图文件包，自从 v0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts 项目的轻量化运行，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。 全球国家地图: echarts-countries-pypkg：世界地图和 213 个国家，包括中国地图 中国省级地图: ec...
使用pyecharts绘制地图
喝醉酒的小白
02-27 9357
Pyecharts 地图
python中pyecharts绘制地图(2)
Rustone的博客
12-26 7436
pyecharts中的Map地图组件可用来地理区域的数据可视化。 1，全国地图 from pyecharts import Map value = [155, 10, 66, 78] attr = ["福建", "山东", "北京", "上海"] maps = Map( "全国地图示例", title_color="#fff", title_pos="center...
echarts如何引入市级地图
Zero的博客
07-27 4万+
1、获取相应市级地图的json文件 2、在标签中使用jquery的异步加载获取资源 3、不说了，直接上图和代码 项目的文件结构 具体的实现代码： ECharts $.get('mapjson/yinchuan.json', function (yCjson) {
解决pyecharts绘图中地图无法显示问题(亲自试验，绝对有效)
热门推荐
xiamoyanyulrq的博客
04-20 5万+
pyecharts的强大之处想必都会听过，能绘制各种各样的图表，甚至可以绘制地图坐标，下面就是可以绘制的图表： 其中绘制过地图的小伙伴想必遇到过下面的问题：我的地图哪去了？？？？ 后来去网上查过许多资料，终于明白了，原来地图库没有安装，下面是第三方库的安装（Ubuntu系统上）: sudo pip3 install echarts-countries-pypkg sudo p...
Pyecharts - 动态地图 geo()/ map() - 安装与用法详解
黄饱饱
02-21 4万+
目录 安装Pyecharts 安装对应的地图拓展： 准备数据 使用 pyecharts 模块中的 Geo 函数： 使用 pyecharts 模块中的 map 函数： 把一些地域性比较明显的数据显示在一张地图上，远比给别人一个 Excel 文件好得多。 Matplotlib 中也有画地图的函数，但是是静态图，因此这里主要讲 Pyecharts 模块中的画图功能。 安装Pyechart...
python pyecharts Map地图的使用
qq_42467563的博客
01-09 1万+
from pyecharts import Pie,Bar,Gauge,EffectScatter,WordCloud,Map,Line,Grid,Timeline import random value=[120,110,90] #随便写 比如人口 汽车数 GDP 根据实际需要赋值 attr=["北京","西藏","上海"] map=Map("Map 结合 VisualMap 示例",w...
jupyter数据采集-数据分析-可视化综合案例
05-14
数据分析与可视化一直是数据科学领域中最重要的部分之一。Jupyter作为一个开源的交互式计算环境，可实现数据采集、数据分析和可视化，且易于学习和使用。在这里，我们演示一个基于Jupyter的数据采集-数据分析-可视化综合案例。 首先，我们需要采集数据。我们可以通过使用Python的requests库来访问网站，并使用BeautifulSoup库提取所需数据。例如，我们可以采集电影评分网站IMDb的电影评分数据。 接下来，我们需要进行数据清洗和预处理。我们可以使用Python的pandas库来清理和加工数据。例如，我们可以删除缺失值、重复值和异常值，并将数据类型转换为适合分析和可视化的格式。 在数据预处理后，我们可以开始进行数据分析。我们可以使用Python的numpy、matplotlib和seaborn库等，在Jupyter中进行数据分析。例如，我们可以绘制电影的得分分布、类别分布和年份分布图表等。 最后，我们可以开始进行可视化。我们可以使用Python的plotly和bokeh库等，实现交互式数据可视化。例如，我们可以制作热力图、地图和动态图等，并将它们添加到Jupyter Notebook中，使读者可以与之交互。 综上所述，Jupyter是一个功能强大、易于学习和使用的数据采集-数据分析-可视化综合工具。通过基于Jupyter的数据分析和可视化，我们可以更好地理解和解释数据，更好地进行决策和规划。
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