探索规律：Python地图数据可视化艺术

缘友一世2023-08-12 19:38

文章目录

  • [一 基础地图使用](#一 基础地图使用)
  • [二 国内疫情可视化图表](#二 国内疫情可视化图表)
    • [2.1 实现步骤](#2.1 实现步骤)
    • [2.2 完整代码](#2.2 完整代码)
    • [2.3 运行结果](#2.3 运行结果)

一 基础地图使用

  • 使用 Pyecharts 构建地图可视化也是很简单的。Pyecharts 支持多种地图类型，包括普通地图、热力图、散点地图等。以下是一个构建简单地图的示例，以中国地图为例：

  1. 首先，确保已安装了Pyecharts 库。可以使用以下命令来安装：

    bash 复制代码 
    pip install pyecharts

  2. 然后，创建一个 Python 脚本，例如 map_example.py，并输入以下代码：

python 复制代码 
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

# 准备地图对象
map = Map()
# 准备数据
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
map.add("销售额", data, "china")

# 设置全局选项
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        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"}
        ]
    )
)

# 绘图
map.render("销售额.html")

  • 使用Pyecharts 的 Map 类来创建地图可视化。通过 add 方法，添加销售额数据，并指定了地图类型为 "china"。然后，通过 set_global_opts 方法设置了图表的标题和视觉映射选项，以控制颜色映射。

  • 运行脚本后，将会生成一个名为 销售额.html 的 HTML 文件，其中包含了一个简单的中国地图。

二 国内疫情可视化图表

2.1 实现步骤

  1. 查看数据文件分析json结构，可使用在线json工具进行分析
  2. 根据json文件结构获取省份(name)和确诊人数(confirm)数据，并组成列表
python 复制代码 
import json

# 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
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))
  1. 省份的缩写映射到全称处理
python 复制代码 
# 字典映射省份缩写到全称
province_mapping = {
    '台湾': '台湾省',
    '江苏': '江苏省',
    '云南': '云南省',
    '河南': '河南省',
    '上海': '上海市',
    '湖南': '湖南省',
    '湖北': '湖北省',
    '广东': '广东省',
    '香港': '香港特别行政区',
    '福建': '福建省',
    '浙江': '浙江省',
    '山东': '山东省',
    '四川': '四川省',
    '天津': '天津市',
    '北京': '北京市',
    '陕西': '陕西省',
    '广西': '广西壮族自治区',
    '辽宁': '辽宁省',
    '重庆': '重庆市',
    '澳门': '澳门特别行政区',
    '甘肃': '甘肃省',
    '山西': '山西省',
    '海南': '海南省',
    '内蒙古': '内蒙古自治区',
    '吉林': '吉林省',
    '黑龙江': '黑龙江省',
    '宁夏': '宁夏回族自治区',
    '青海': '青海省',
    '江西': '江西省',
    '贵州': '贵州省',
    '西藏': '西藏自治区',
    '安徽': '安徽省',
    '河北': '河北省',
    '新疆': '新疆维吾尔自治区',
}

# 处理地区名，替换为全称
processed_data=[(province_mapping.get(area, area), value) for area, value in data_list]
print(processed_data)
python 复制代码 
[('台湾省', 15880), ('江苏省', 1576), ('云南省', 982), ('河南省', 1518), ('上海市', 2408), ('湖南省', 1181), ('湖北省', 68286), 
('广东省', 2978), ('香港特别行政区', 12039), ('福建省', 773), ('浙江省', 1417), ('山东省', 923), ('四川省', 1179), ('天津市', 445),
 ('北京市', 1107), ('陕西省', 668), ('广西壮族自治区', 289), ('辽宁省', 441), ('重庆市', 603), ('澳门特别行政区', 63), ('甘肃省', 199), 
 ('山西省', 255), ('海南省', 190), ('内蒙古自治区', 410), ('吉林省', 574), ('黑龙江省', 1613), ('宁夏回族自治区', 77),
  ('青海省', 18), ('江西省', 937), ('贵州省', 147), ('西藏自治区', 1), ('安徽省', 1008), ('河北省', 1317), ('新疆维吾尔自治区', 980)]
  1. 创建地图，设置颜色分段映射
python 复制代码 
from pyecharts.charts import Map
from pyecharts.options import *

# 创建地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数", processed_data, "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, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]
    )
)
# 绘图
map.render("全国疫情地图.html")

2.2 完整代码

python 复制代码 
import json
from pyecharts.charts import Map
from pyecharts.options import *


# 字典映射省份缩写到全称
province_mapping = {
    '台湾': '台湾省',
    '江苏': '江苏省',
    '云南': '云南省',
    '河南': '河南省',
    '上海': '上海市',
    '湖南': '湖南省',
    '湖北': '湖北省',
    '广东': '广东省',
    '香港': '香港特别行政区',
    '福建': '福建省',
    '浙江': '浙江省',
    '山东': '山东省',
    '四川': '四川省',
    '天津': '天津市',
    '北京': '北京市',
    '陕西': '陕西省',
    '广西': '广西壮族自治区',
    '辽宁': '辽宁省',
    '重庆': '重庆市',
    '澳门': '澳门特别行政区',
    '甘肃': '甘肃省',
    '山西': '山西省',
    '海南': '海南省',
    '内蒙古': '内蒙古自治区',
    '吉林': '吉林省',
    '黑龙江': '黑龙江省',
    '宁夏': '宁夏回族自治区',
    '青海': '青海省',
    '江西': '江西省',
    '贵州': '贵州省',
    '西藏': '西藏自治区',
    '安徽': '安徽省',
    '河北': '河北省',
    '新疆': '新疆维吾尔自治区',
}


# 读取数据文件
f = open("C:/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))

# 处理地区名，替换为全称
processed_data=[(province_mapping.get(area, area), value) for area, value in data_list]
print(processed_data)

# 创建地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数", processed_data, "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, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]
    )
)
# 绘图
map.render("全国疫情地图.html")

2.3 运行结果

相关推荐
bst@微胖子17 分钟前
Python高级语法之selenium
开发语言·python·selenium
王小义笔记22 分钟前
Postman如何流畅使用DeepSeek
开发语言·测试工具·lua·postman·deepseek
查理零世1 小时前
【蓝桥杯集训·每日一题2025】 AcWing 6118. 蛋糕游戏 python
python·算法·蓝桥杯
魔尔助理顾问2 小时前
一个简洁高效的Flask用户管理示例
后端·python·flask
java1234_小锋2 小时前
一周学会Flask3 Python Web开发-request请求对象与url传参
开发语言·python·flask·flask3
流星白龙5 小时前
【C++】36.C++IO流
开发语言·c++
诚信爱国敬业友善6 小时前
常见排序方法的总结归类
开发语言·python·算法
wyg_0311136 小时前
用deepseek学大模型04-模型可视化与数据可视化
人工智能·机器学习·信息可视化
nbsaas-boot7 小时前
Go 自动升级依赖版本
开发语言·后端·golang
架构默片7 小时前
【JAVA工程师从0开始学AI】，第五步：Python类的“七十二变“——当Java的铠甲遇见Python的液态金属
java·开发语言·python
热门推荐
01DeepSeek各版本说明与优缺点分析02如何在WPS和Word/Excel中直接使用DeepSeek功能03DeepSeek本地部署详细指南04本地部署DeepSeek教程（Mac版本）05本地化部署AI知识库：基于Ollama+DeepSeek+AnythingLLM保姆级教程06DeepSeek r1本地安装全指南07太炸裂了！清华大学deepseek从入门到精通使用手册又出第三版了，《普通人如何抓住DeepSeek红利》（无套路，直接下载）08DeepSeek RAGFlow构建本地知识库系统09DeepSeek R1本地化部署 Ollama + Chatbox 打造最强 AI 工具10Page Assist - 本地Deepseek模型 Web UI 的安装和使用