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
躺柒18 小时前
读数据可视化05视觉感知
信息可视化·数据挖掘·数据分析·视觉·视觉感知
BYSJMG20 小时前
计算机毕业设计选题推荐|【基于大数据的城市噪音数据可视化分析】Spark+K-Means+FP-Growth实战
大数据·hadoop·信息可视化·spark·课程设计
城数派1 天前
ALOS 12.5m高程数据
信息可视化
城数派2 天前
1980-2024年中国区域0.01°分辨率降水量栅格数据集,含逐日/逐月/逐年三层级
信息可视化
城数派2 天前
哥白尼30米分辨率的DEM数据
信息可视化
爱喝水的鱼丶2 天前
SAP-ABAP:BAPI 基础认知:SAP 标准业务对象接口的核心逻辑与调用入门
信息可视化·性能优化·sap·abap·bapi·开发交流·交流学习
Highcharts.js3 天前
数据可视化避坑指南 ——开发中常见图表错误与修复方案
javascript·信息可视化·数据可视化·highcharts·数据可视化避坑·修复方案
雨晨源码(同名B站)3 天前
基于Python的网易云音乐评论数据情感化分析系统 音乐爬虫信息可视化 |SnowNLP评论情感分析
开发语言·hadoop·爬虫·python·信息可视化·毕业设计
时空节拍AI数字人3 天前
数字展厅和传统展厅有什么区别?
信息可视化
躺柒3 天前
读数据可视化03可视化分类
信息可视化·分类·数据挖掘·数据可视化·数据科学·可视化分析·科学可视化