数据可视化:地图

1.基础地图的使用

如何添加颜色表示层级

代码实现

python 复制代码
"""
    基础地图的使用
"""
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", 9),
    ("上海市", 59),
    ("甘肃省", 812),
    ("黑龙江省", 313),
    ("四川省", 1999),
    ("台湾省", 19999)
]
# 添加数据
map.add("测试地图", 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": "#38f55c"},
            {"min": 10, "max": 99, "label": "10-99", "color": "#f5ad38"},
            {"min": 100, "max": 499, "label": "100-500", "color": "#f54a38"},
            {"min": 500, "max": 998, "label": "500-998", "color": "#9d38f5"},
            {"min": 999, "label": ">999", "color": "#201641"}
        ]
    )
)

# 绘图
map.render()

2.疫情地图------国内疫情地图

代码实现

python 复制代码
"""
    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:\\IOText\\DataDoing\\疫情.txt", "r", encoding="UTF-8")
china_data_json = f.read()
# 关闭文件
f.close()
# 取到各省数据
china_data_dict = json.loads(china_data_json)
province_data_list = china_data_dict["areaTree"][0]["children"]
# 地图最终所需的数据
map_list = list()
# 组装每一省份和确诊人数为元组,并各个省的数据都封装入列表内
for province_data in province_data_list:
    # 省份名称
    province_name = province_data["name"]
    # 确诊人数
    province_confirm = province_data["total"]["confirm"]
    map_list.append((province_name, province_confirm))
print(map_list)
# 创建地图对象
map = Map()

# 添加数据
map.add("全国身份确诊人数", map_list, "china")

# 设置全局配置,指定分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 99, "label": "1-99", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100-999", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000-4999", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000-9999", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000-99999", "color": "#CC3333"},
            {"min": 100000, "label": ">100000", "color": "#990033"}
        ]
    )
)

# 绘图
map.render("全国疫情地图.html")

相关数据文件在文章开头出获取


3.疫情地图------省级疫情地图

但是我直接演示四川的地图

代码示例

python 复制代码
"""
    省级疫情地图
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取数据文件
f = open("D:\\IOText\\DataDoing\\疫情.txt", "r", encoding="UTF-8")
sichuan_data_json = f.read()
# 关闭文件
f.close()
# 取到各省数据
sichuan_data_dict = json.loads(sichuan_data_json)
sichuan_children_data_list = sichuan_data_dict["areaTree"][0]["children"][12]["children"]
# 地图最终所需的数据
map_list = list()
# 组装每一省份和确诊人数为元组,并各个省的数据都封装入列表内
for province_data in sichuan_children_data_list:
    # 省份名称

    if province_data["name"] == "阿坝":
        province_name = province_data["name"] + "藏族羌族自治州"
    elif province_data["name"] == "甘孜":
        province_name = province_data["name"] + "藏族自治州"
    elif province_data["name"] == "凉山":
        province_name = province_data["name"] + "彝族自治州"
    else:
        province_name = province_data["name"] + "市"
    # 确诊人数
    province_confirm = province_data["total"]["confirm"]
    map_list.append((province_name, province_confirm))
print(map_list)
# 创建地图对象
map = Map()

# 添加数据
map.add("全国身份确诊人数", map_list, "四川")

# 设置全局配置,指定分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="四川省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 9, "label": "1-9", "color": "#57fa66"},
            {"min": 10, "max": 99, "label": "10-99", "color": "#faf857"},
            {"min": 100, "max": 499, "label": "100-499", "color": "#FF9966"},
            {"min": 500, "max": 999, "label": "500-999", "color": "#FF6666"},
            {"min": 1000, "max": 9999, "label": "1000-9999", "color": "#CC3333"},
            {"min": 10000, "label": ">9999", "color": "#990033"}
        ]
    )
)

# 绘图
map.render("四川疫情地图.html")

结果示例

结语

简简单单直接拿下啦!!!

再见ヾ( ̄▽ ̄)Bye~Bye~

相关推荐
F_D_Z18 分钟前
【Python】数据可视化之聚类图
python·信息可视化·聚类
bin91532 小时前
【EXCEL数据处理】000013 案例 EXCEL筛选与高级筛选。
大数据·信息可视化·数据挖掘·数据分析·excel·数据可视化·数据筛选
chusheng184010 小时前
Python 如何使用 multiprocessing 模块创建进程池
python·信息可视化·matplotlib
安冬的码畜日常1 天前
【D3.js in Action 3 精译_029】3.5 给 D3 条形图加注图表标签(上)
开发语言·前端·javascript·信息可视化·数据可视化·d3.js
安冬的码畜日常1 天前
【D3.js in Action 3 精译_027】3.4 让 D3 数据适应屏幕(下)—— D3 分段比例尺的用法
前端·javascript·信息可视化·数据可视化·d3.js·d3比例尺·分段比例尺
卡卡_R-Python1 天前
Tableau数据可视化入门
信息可视化·tableau
搞大屏的小北 BI1 天前
国内旅游:现状与未来趋势分析
信息可视化·数据分析·旅游·数据可视化·bi 工具
凭栏落花侧2 天前
决策树:简单易懂的预测模型
人工智能·算法·决策树·机器学习·信息可视化·数据挖掘·数据分析
bin91532 天前
【EXCEL数据处理】000010 案列 EXCEL文本型和常规型转换。使用的软件是微软的Excel操作的。处理数据的目的是让数据更直观的显示出来,方便查看。
大数据·数据库·信息可视化·数据挖掘·数据分析·excel·数据可视化
bin91533 天前
【EXCEL数据处理】000009 案列 EXCEL单元格数字格式。文本型数字格式和常规型数字格式的区别
大数据·前端·数据库·信息可视化·数据分析·excel·数据可视化