Pyecharts 根据经纬度和量值的大小，画出散点图

请注意，点击下方的阅读全文，有的图片比较难加载

      大家都知道python各种的好，但是呢在可视化方面还是有所欠缺的，而今天的主角pyecharts就很好的弥补了这一短板，今天先简单的介绍一下如何利用pyecharts使得我们的数据可视化效果更加好。小文汇总了一下，利用pyecharts我们可以作图的类型分别为：Bar（柱状图/条形图），Bar3D（3D 柱状图），Boxplot（箱形图），EffectScatter（带有涟漪特效动画的散点图），Funnel（漏斗图），Gauge（仪表盘），Geo（地理坐标系），Graph（关系图），HeatMap（热力图），Kline（K线图），Line（折线/面积图），Line3D（3D 折线图），Liquid（水球图），Map（地图），Parallel（平行坐标系）Pie（饼图），Polar（极坐标系），Radar（雷达图），Sankey（桑基图），Scatter（散点图），Scatter3D（3D 散点图），ThemeRiver（主题河流图），WordCloud（词云图）。

      而今天我们主要介绍的是地图+散点图，地图+热力图，应用到的函数是Geo，主要参数说明如下：

1. attr：标签名称（在例子里面就是地点）
2. value：数值（在例子里就是流动人员）
3. visual_range：可视化的数值范围
4. symbol_size：散点的大小
5. visual_text_color：标签颜色
6. is_piecewise ：颜色是否分段显示（False为渐变，True为分段）
7. is_visualmap：是否映射（数量与颜色深浅是否挂钩）
8. maptype ：地图类型，可以是中国地图，省地图，市地图等等
9. visual_split_number ：可视化数值分组
10. geo_cities_coords：自定义的经纬度

更多参数请查看：https://blog.csdn.net/weixin_41666051/article/details/83245595

      参数介绍完了，那么我们进入主题。首先涉及到地图，那么肯定是得先有地图是吧？所以呢需要地图的朋友们一个个安装吧！不然画出来的图只有散点，没有地图，或者出现地图显示不全等等问题。

$ pip install echarts-countries-pypkg
$ pip install echarts-china-provinces-pypkg
$ pip install echarts-china-cities-pypkg
$ pip install echarts-china-counties-pypkg
$ pip install echarts-china-misc-pypkg

      然后就开始导入数据，处理，可视化了，代码如下：

#加载pyecharts
from pyecharts import Geo,Style
import pandas as pd 
 
#导入excel表举例
df=pd.read_excel('流动人口.xlsx')     
df.head()
 
#导入自定义的地点经纬度
geo_cities_coords={df.iloc[i]['地点']:[df.iloc[i]['经度'],df.iloc[i]['纬度']]
                    for i in range(len(df))} #根据文件大小生成字典  
attr=list(df['地点'])   #字典的每个键值
value=list(df['流动人口']/100000)  #由于量值的太大，换算以下(散点的颜色就是和这个想关的)
style = Style(title_color= "#fff",title_pos = "center",
width = 1200,height = 600,background_color = "#404a59")
 
#可视化
geo = Geo('东莞各个CGI总用户数分布',**style.init_style)
geo.add("",attr,value,visual_range=[0,100],symbol_size= 5,
        visual_text_color= "#fff",is_piecewise = True,
        is_visualmap= True,maptype = '东莞', visual_split_number= 10,
        geo_cities_coords=geo_cities_coords)
 
geo.render( '东莞各个CGI总用户数分布.html')

结果如下：

当is_piecewise = False：

当is_visualmap= False，颜色与点之间不再映射，也就是说每个点的流动人口数量与颜色深浅没有任何关系：

当增加一个参数type = 'heatmap'，就会得到热力图：

style = Style(title_color= "#fff",title_pos = "center",
width = 1200,height = 600,background_color = "#404a59")
geo = Geo('东莞各个CGI总用户数分布',**style.init_style)
geo.add("",attr,value,visual_range=[0,100],
        visual_text_color= "#fff",type = 'heatmap',
        is_visualmap= True,maptype = '东莞',
        geo_cities_coords=geo_cities_coords)
 

 

pyecharts官网：A Python Echarts Plotting Library

自定义值范围绘制地图+散点图

例如：

整个变量是df2,lan表示维度，lat是精度，要根据price做出散点图，数据有3000多条，而price的每个颜色的范围是自定的

style = Style(title_color= "#fff",title_pos = "center",width = 1200,height = 600,background_color = "#404a59")
geo_cities_coords={i:[df2.iloc[i]['lat'],df2.iloc[i]['lan']]
                    for i in range(len(df2))}
attr=[i for i in range(len(df2))]
values=list(df2['price'])
piece=[
      {'max': 1000,'label': '1000以下','color':'#50A3BA'},  #有上限无下限，label和color自定义
      {'min': 1000, 'max': 1800,'label': '1000-1800','color':'#81AE9F'},
      {'min': 1800, 'max': 2300,'label': '1800-2300','color':'#E2C568'},
      {'min': 2300, 'max': 2800,'label': '2300-2800','color':'#FCF84D'},
      {'min': 2800, 'max': 5000,'label': '2800-5000','color':'#E49A61'},
      {'min': 5000, 'max': 8000,'label': '5000-8000','color':'#DD675E'},
      {'min': 8000, 'label': '8000以上','color':'#D94E5D'}#有下限无上限
]
geo = Geo('上海房价分布',**style.init_style)
geo.add("",attr=attr,value=values,symbol_size= 5,visual_text_color= "#fff",is_piecewise = True,
        is_visualmap= True,maptype = '上海', 
        pieces=piece,     #注意，要想pieces生效，必须is_piecewise = True,
        geo_cities_coords=geo_cities_coords)
geo.render( '上海房价分布2.html')

结果