用pyecharts数据可视化

最新推荐文章于 2024-07-10 09:15:55 发布
最新推荐文章于 2024-07-10 09:15:55 发布
阅读量1k 收藏 8
点赞数 1
分类专栏： 数据可视化 pyecharts 文章标签： python 数据可视化 可视化
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/zise_xingkong/article/details/104293346
版权

用pyecharts做数据可视化

注：数据来源国家卫建委，各省市卫健委公开数据。

1，全国疫情地图:

      从疫情地图来看，确诊病例主要集中在湖北，其次是广东，河南，浙江等省份，其他省份确诊病例都在1000例以下。

import numpy as np
import pandas as pd
from  pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import ThemeTyp


def draw_map():
    df = pd.read_excel('ncov_3.xlsx')
    provice=df['地区'][:-1]  #最后一行是合计，所以不要最后一行的数据
    values=df['确诊'][:-1]
    value = df[['地区','确诊']][:-1]
    data=[]
    for i in zip(list(value['地区']),list(value['确诊'])):
        data.append(i)

    map = (
        Map(init_opts=opts.InitOpts(bg_color="#FFFAFA", theme=ThemeType.ESSOS, width=1000))
            .add("确诊人数", data,is_map_symbol_show=False)
            .set_global_opts(
            title_opts=opts.TitleOpts(title="全国疫情图"),
            visualmap_opts=opts.VisualMapOpts(
                is_piecewise=True,  # 设置是否为分段显示
                # 自定义的每一段的范围，以及每一段的文字，以及每一段的特别的样式。例如：
                pieces=[
                    {"min": 10000, "label": '>=10000', "color": "#660208"},
                    {"min": 1000, "max": 9999, "label": '1000-9999', "color": "#8C0D0D"},  # 不指定 max，表示 max 为无限大（Infinity）。
                    {"min": 100, "max": 999, "label": '100-999', "color": "#CC2929"},
                    {"min": 10, "max": 99, "label": '10-99', "color": "#FF7B69"},
                    {"min": 1, "max": 9, "label": '1-9', "color": "#FFAA85"}
                ],
                # 两端的文本，如['High', 'Low']。
    #             range_text=['高', '低'],
            ),
        )
    )
    map.render(path="中国疫情人数分级地图1.html")

 

地图如下：

湖北省(其他省份类似)的疫情地图代码及地图如下：

   从湖北省的分布来看，主要集中在武汉，其次是孝感、黄冈、鄂州、随州、荆州、襄阳等地。

def hubei_map(): 
    df3 = pd.read_excel('ncov_4.xlsx')
    hubei=df3[df3['地区']=='湖北']
    data =[]
    lst=[]
    city=[]
    for i in list(hubei['确诊']):
        i=int(i)
        lst.append(i)
    for i in list(hubei['城市']):
        if i[-1]=='区':
            i='神农架林区'
        elif i=='恩施':
            i=i+'土家族苗族自治州'
        else:
            i = i+'市'
        city.append(i)

    for i in zip(city,lst):
        list(i)
        data.append(i)
    map = (
         Map(init_opts=opts.InitOpts(bg_color="#FFFAFA", theme=ThemeType.ESSOS, width=1000))
        .add("确诊人数", data,maptype='湖北',is_map_symbol_show=False)
        .set_global_opts(
        title_opts=opts.TitleOpts(title="湖北疫情图"),
        visualmap_opts=opts.VisualMapOpts(
            is_piecewise=True,  # 设置是否为分段显示
            # 自定义的每一段的范围，以及每一段的文字，以及每一段的特别的样式。例如：
            pieces=[
                {"min": 10000, "label": '>=10000', "color": "#660208"},
                {"min": 1000, "max": 9999, "label": '1000-9999', "color": "#8C0D0D"},  #不指定 max，表示 max 为无限大（Infinity）。
                {"min": 100, "max": 999, "label": '100-999', "color": "#CC2929"},
                {"min": 10, "max": 99, "label": '10-99', "color": "#FF7B69"},
                {"min": 1, "max": 9, "label": '1-9', "color": "#FFAA85"}
            ],
           ),
         )
    )
    map.render(path='湖北疫情图.html')

 

全国新增趋势图：

df = pd.read_excel('ncov_1.xlsx')
x_da = list(df['日期'])
x_data=[]
for i in x_da:
    x_data.append(str(i)[:-9])
y_data1 = list(df['确诊病例'])
y_data2 = list(df['疑似病例'])
line= (
        Line()
        .add_xaxis(x_data)
        .add_yaxis("新增确诊", y_data1,is_smooth=True,color='black',label_opts=opts.LabelOpts(is_show=False))
        .add_yaxis("新增疑似", y_data2,is_smooth=True,label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(xaxis_opts=opts.AxisOpts(type_='category',boundary_gap=False),
            title_opts=opts.TitleOpts(title="全国新增趋势图"),                         
            tooltip_opts=opts.TooltipOpts(trigger='axis',#此处将trigger设置为axis,默认是item,默认无法显示提示悬浮框全部显示
                #使用js回调函数实现提示悬浮框显示系列名和分类名及值
                formatter=utils.JsCode("""
                function(params, ticket, callback){
                    var htmlStr = '';
                    for (var i=0;i < params.length;i++){
                         var param = params[i];
                         var xName = param.name; 
                         var seriesName = param.seriesName;
                         var value = param.value[1];
                         var color = param.color;
                         if (i===0){htmlStr += xName + '<br/>';}
                         htmlStr += '<div>';
                         htmlStr += '<span style="margin-right:5px;display:inline-block;width:10px;height:10px;border-radius:5px;background-color:' + color + ';"></span>';
                         htmlStr += seriesName + '：' + value ;
                         htmlStr += '</div>';
                         }
                     return htmlStr;
                     }
                     """
                                      ))
                        )
    )
line.render_notebook()

 

 

全国累计确诊病例及疑似病例

def leiji():
    df = pd.read_excel('ncov_2.xlsx')
    x_da = list(df['日期'])
    x_data=[]
    for i in x_da:
        x_data.append(str(i)[:-9])
    y_data1 = list(df['确诊'])
    y_data2 = list(df['疑似'])

    
    line= (
        Line()
        .add_xaxis(x_data)
        .add_yaxis("新增确诊", y_data1,is_smooth=True,color='gray',label_opts=opts.LabelOpts(is_show=False))
        .add_yaxis("新增疑似", y_data2,is_smooth=True,label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(xaxis_opts=opts.AxisOpts(type_='category',boundary_gap=False),
            title_opts=opts.TitleOpts(title="全国新增趋势图"),                         
            tooltip_opts=opts.TooltipOpts(trigger='axis',
                formatter=utils.JsCode("""
                function(params, ticket, callback){
                    var htmlStr = '';
                    for (var i=0;i < params.length;i++){
                         var param = params[i];
                         var xName = param.name; 
                         var seriesName = param.seriesName;
                         var value = param.value[1];
                         var color = param.color;
                         if (i===0){htmlStr += xName + '<br/>';}
                         htmlStr += '<div>';
                         htmlStr += '<span style="margin-right:5px;display:inline-block;width:10px;height:10px;border-radius:5px;background-color:' + color + ';"></span>';
                         htmlStr += seriesName + '：' + value ;
                         htmlStr += '</div>';
                         }
                     return htmlStr;
                     }
                     """
                                      ))
                        )
    )
    line.render(path='全国累计确诊疑似.html')

leiji()

 

全国累计治愈人数及死亡人数：

def Cure_or_Die():
    df = pd.read_excel('ncov_2.xlsx')
    x_da = list(df['日期'])
    x_data=[]
    for i in x_da:
        x_data.append(str(i)[:-9])
    y_data1 = list(df['治愈'])
    y_data2 = list(df['死亡'])
   
    line= (
        Line()
        .add_xaxis(x_data)
        .add_yaxis("治愈人数", y_data1,is_smooth=True,color='green',label_opts=opts.LabelOpts(is_show=False))
        .add_yaxis("死亡人数", y_data2,is_smooth=True,label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(xaxis_opts=opts.AxisOpts(type_='category',boundary_gap=False),
            title_opts=opts.TitleOpts(title="治愈及死亡人数"),                         
            tooltip_opts=opts.TooltipOpts(trigger='axis',
                formatter=utils.JsCode("""
                function(params, ticket, callback){
                    var htmlStr = '';
                    for (var i=0;i < params.length;i++){
                         var param = params[i];
                         var xName = param.name; 
                         var seriesName = param.seriesName;
                         var value = param.value[1];
                         var color = param.color;
                         if (i===0){htmlStr += xName + '<br/>';}
                         htmlStr += '<div>';
                         htmlStr += '<span style="margin-right:5px;display:inline-block;width:10px;height:10px;border-radius:5px;background-color:' + color + ';"></span>';
                         htmlStr += seriesName + '：' + value ;
                         htmlStr += '</div>';
                         }
                     return htmlStr;
                     }
                     """
                                      ))
                        )
    )
    line.render(path='全国累计治愈及死亡人数.html')

Cure_or_Die()

 

治愈率及死亡率：

  

def Cure_or_Die_Rate():
    df = pd.read_excel('ncov_2.xlsx')
    x_da = list(df['日期'])
    x_data=[]
    y_data1=[]
    y_data2=[]
    for i in x_da:
        x_data.append(str(i)[:-9])
    y_data1 = list(df['治愈率'])
    y_data2 = list(df['死亡率'])
    
    line= (
        Line()
        .add_xaxis(x_data)
        .add_yaxis("治愈率", y_data1,is_smooth=True,color='green',label_opts=opts.LabelOpts(is_show=False))
        .add_yaxis("死亡率", y_data2,is_smooth=True,label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(xaxis_opts=opts.AxisOpts(type_='category',boundary_gap=False,max_interval=0.5),#设置Y轴的大小
            title_opts=opts.TitleOpts(title="治愈率及死亡率"),                         
            tooltip_opts=opts.TooltipOpts(trigger='axis',
                formatter=utils.JsCode("""
                function(params, ticket, callback){
                    var htmlStr = '';
                    for (var i=0;i < params.length;i++){
                         var param = params[i];
                         var xName = param.name; 
                         var seriesName = param.seriesName;
                         var value = param.value[1];
                         var color = param.color;
                         if (i===0){htmlStr += xName + '<br/>';}
                         htmlStr += '<div>';
                         htmlStr += '<span style="margin-right:5px;display:inline-block;width:10px;height:10px;border-radius:5px;background-color:' + color + ';"></span>';
                         htmlStr += seriesName + '：' + (value*100).toFixed(2)+'%' ;
                         htmlStr += '</div>';
                         }
                     return htmlStr;
                     }
                     """
                                      ))
                        )
    )
    line.render(path='治愈率及死亡率.html')

Cure_or_Die_Rate()

全国/湖北/非湖北新增确诊：

def New_Comparison():
    df = pd.read_excel('ncov_5.xlsx')
    x_da = list(df['日期'])
    x_data=[]
    for i in x_da:
        x_data.append(str(i)[:-9])
    y_data1 = list(df['确诊病例'])
    y_data2 = list(df['湖北'])
    y_data3 = list(df['非湖北'])
    
    line= (
        Line()
        .add_xaxis(x_data)
        .add_yaxis("全国", y_data1,is_smooth=True,color='green',label_opts=opts.LabelOpts(is_show=False))
        .add_yaxis("湖北", y_data2,is_smooth=True,label_opts=opts.LabelOpts(is_show=False))
        .add_yaxis("非湖北", y_data3,is_smooth=True,label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(xaxis_opts=opts.AxisOpts(type_='category',boundary_gap=False),
            title_opts=opts.TitleOpts(title="全国/湖北/非湖北新增确诊病例趋势"),                         
            tooltip_opts=opts.TooltipOpts(trigger='axis',
                formatter=utils.JsCode("""
                function(params, ticket, callback){
                    var htmlStr = '';
                    for (var i=0;i < params.length;i++){
                         var param = params[i];
                         var xName = param.name; 
                         var seriesName = param.seriesName;
                         var value = param.value[1];
                         var color = param.color;
                         if (i===0){htmlStr += xName + '<br/>';}
                         htmlStr += '<div>';
                         htmlStr += '<span style="margin-right:5px;display:inline-block;width:10px;height:10px;border-radius:5px;background-color:' + color + ';"></span>';
                         htmlStr += seriesName + '：' + value ;
                         htmlStr += '</div>';
                         }
                     return htmlStr;
                     }
                     """
                                      ))
                        )
    )
    line.render(path='新增确诊病例对比.html')

New_Comparison()

 

 

zise_xingkong
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
使用Python和Pyecharts制作中国疫情地图可视化教程
weixin_43263566的博客
06-06 1218
使用Python和Pyecharts制作中国疫情地图可视化教程
PyEcharts——地图-数据可视化-画图
weixin_42053726的博客
02-18 4589
目录 安装： 实例代码： 世界地图： 中国地图： 省份地图： 市级地图： 热力分布图geo 画地图的开发包包括以下： geopandas ，itchat,basemap,matplotlib以及Levenshtein 、 pygal 。 官方文档 http://pyecharts.org/#/ 注意事项：notebook用的浏览器一定要是谷歌浏览器 地图缺失处理办法：...
【数据可视化】利用 Flourish 制作动态排名条形图（无需代码，超简单）
书山有路，学海无涯。记录成长，追逐梦想
05-23 1万+
数据可视化不仅是一项技术，也是一门艺术。当然，数据可视化的工具也非常多，仅 Python 就有 matplotlib、plotly、seaborn、bokeh 等多种可视化库，我们可以根据自己的需要进行选择。但不是所有的人都擅长写代码完成数据可视化的工作，这个时候我们可以考虑一些其他的数据可视化工具，比如本文要介绍的 Flourish。
Python之基础详解（十）：用python的pyecharts模块绘制世界地图（疫情）
热门推荐
zhu_rui的博客
04-21 1万+
pyecharts可视化疫情确诊人数世界地图 首先，我们需要进行环境的配置:python版本需要3.6.x ，pyecharts版本1.x 使用pip自动安装最新版本（这里的版本是1.7.1）
利用PYTHON中PYECHARTS组件绘制2020“新冠”疫情地图
MengHao的博客
03-07 4045
“新冠"疫情数据来源于腾讯疫情追踪，网址https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5（截至本文编写时网址仍有效）。 1. 首先安装pyecharts模块和对应的中国地图组件：（可以使用国内镜像） ...
使用pyecharts绘制新冠肺炎疫情地图
w w w的博客
11-24 3599
第1关：绘制全国新冠疫情现有确诊人数地图（基础部分） 最后需要暴力输出一下报错信息 mmp 因为这个参考答案都看了 怎么对照都一模一样 不让过 可恶 #导入相关的工具包 from pyecharts.globals import WarningType WarningType.ShowWarning = False #map()对象的通用配置项设置 from pyecharts import options as opts #用于创建map()对象和Timeline()对象 from ...
利用pyecharts做数据可视化
GZ_Wiilian的博客
07-15 3643
pyecharts 是一个用于生成 Echarts 图表的类库，通过Python 实现与Echarts的对接。通用配置项xyAxis：平面直角坐标系中的 x、y 轴。(Line、Bar、Scatter、EffectScatter、Kline)dataZoom：dataZoom 组件 用于区域缩放，从而能自由关注细节的数据信息，或者概览数据整体，或者去除离群点的影响。(Line、Bar、Scatte...
pyecharts数据可视化
Janet_zyh的博客
01-29 1978
Echarts是一个由百度开源的数据可视化工具，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生啦。 尽管python有自带的matplotlib、seaborn等画图模块，但其绘制出来的是静态图，而pyecharts可以绘制出非常棒的动态效果图，果断入坑！ #关于一些函数的...
财报数据可视化 —— pandas数据分析，pyecharts可视化
06-03
"财报数据可视化 —— pandas数据分析，pyecharts可视化"的主题聚焦于使用Python中的pandas库进行数据预处理和分析，以及利用pyecharts库进行数据可视化。这两个强大的工具结合，能够帮助我们高效地理解并展示财务...
Flask和pyecharts实现动态数据可视化
09-17
在本文中，我们将探讨如何使用Flask和pyecharts来实现动态数据可视化。Flask是一个轻量级的Python Web框架，而pyecharts则是一个用于生成ECharts图表的Python库。这两个工具结合在一起，可以让我们轻松地创建交互式...
Matplotlib、seaborn、pyecharts数据可视化基础实训
06-19
Matplotlib、seaborn、pyecharts数据可视化基础实训
新冠肺炎疫情pyecharts可视化（多图合一，带时间控制条，可查看任意一天）
04-19
使用pyecharts，对疫情进行可视化，包含确诊，死亡，治愈，折线四张大图。前三张大图样式类似，一张大图包含map,bar,line,pie四合一，有热力标签，带时间控制条，会随着日期变化，可查看任意一天数据，样式美观。压缩包中包含py代码，生成的可视化html文件及疫情数据，数据截止到4月8号，如有需要可从代码所给网站中自行下载数据再扩充
Python数据可视化大屏最完整资料（pyecharts+pymysql+BeautifulSoup）
06-23
主要内容：python数据可视化大屏； 适用人群：Python初学者，数据分析师，或有志从事数据分析工作的人员； 准备软件：Anaconda（Spyder：代码编译）或Pycharm、Navicat Premium 12（数据库）。 二、内容 1、...
聊聊我常用的5款动态数据可视化工具
机器学习社区
12-06 1293
视频当道的时代，数据可视化自然也要动起来。我常用的动态可视化工具主要有Tableau、Echarts、Flourish、Python这几个，另外一个地图可视化神器kepler.gl，是技术群小伙伴的分享。这五款可视化工具差异很大，在各自领域都是学霸级的存在，下面来一一介绍下。世界知名的BI工具，以超强的可视化能力著称。它已经成为商业BI界的TOP选手，很多大型公司像阿里、谷歌都在使用，能快速搭建数据系统。我们可以通过设置页面动画，来制作动态可视化图表。官网：https://www.tableau.com/z
工具篇4.5数据可视化工具大全
qq_62377885的博客
03-01 2164
数据可视化不仅是一项技术，也是一门艺术。当然，数据可视化的工具也非常多，仅 Python 就有 matplotlib、plotly、seaborn、bokeh 等多种可视化库，我们可以根据自己的需要进行选择。但不是所有的人都擅长写代码完成数据可视化的工作，这个时候我们可以考虑一些其他的数据可视化工具，比如本文要介绍的 Flourish。Flourish是一个在线。
ECharts 柱状图 改变柱子颜色+柱子上方显示文字与图标
beichen3997的博客
03-06 2962
var option = { // title: { // text: '资源总览', // left:'20px', // textStyle: { // color: "#436EEE", ...
Python数据可视化 pyecharts实战
06-03
     本课程是pyecharts的入门课程。主要介绍了pyecharts函数库的基本使用方法。主要内容包括pyecharts简介，用pyecharts绘制离散点、折线、柱状图、柱状图和折线图组合、饼图、地理图等，而且这些图表是可交互的。
python可视化疫情事实报告(pyecharts)——可视化
m0_66044243的博客
10-16 3457
教同学们一个技巧，当遇到不难爬，已经是表明了的数据时，可以用requests和urllib，但是遇到Ajax请求的封装包时，如果你技术硬，可以用JS逆向获取，但是我相信，如果技术都到那了，应该来这里也没多大意义了，是吧！当然，也不是没有办法，selenium就是最硬的道理。简单粗暴，直接模拟人工获取数据。
面试题 21：解释 Python 中的 help() 函数和 dir() 函数？
最新发布
专注于全栈开发领域
07-10 618
在Python中，help()和dir()是两个非常有用的内置函数，它们可以帮助开发者更好地了解Python对象和模块。
pyecharts数据可视化分析
09-11
要使用Pyecharts进行数据可视化分析，你可以按照以下步骤操作: 1. 首先，你可以通过官方网站了解Pyecharts的介绍和基本用法。官网提供了详细的文档和示例代码，可以帮助你快速上手。 2. 安装Pyecharts库。你可以...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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