python基础综合案例(数据可视化-地图可视化)

1.基础地图使用

注意写名字的时候要写全名,比如上海市不能写出上海,不然看不到数据

鼠标点击即可看到数据

设置属性的时候不要忘记导包

复制代码
# 演示地图可视化的基础使用
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",99),
    ("上海市",199),
    ("湖南省",299),
    ("台湾省",399),
    ("广东省",499)
]
# 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":"#CCFFFF"},
            {"min":10,"max":99,"label":"10-99","color":"#FF6666"},
            {"min":100,"max":500,"label":"100-500","color":"#990033"}
        ]
    )
)
# 绘图
map.render()

这个颜色是怎么设置的呢?

打开懒人网站 ab173.com ,点击前端里面的rgb颜色对照表

在里面即可看到

想要的颜色代码就可以在这里直接展示

2.疫情地图---国内疫情地图

以上是一个数据的部分例子,对他进行分析依旧是在懒人网站的json视图中输入,然后格式化,查看视图

找到省份名称以及确诊人数

这样我们就得到了一个完整的数据

那么相信大家应该已经掌握好了,上代码!

但是大家会发现没有颜色,这是为什么,因为我所使用的数据没有全称,只有简称,所以需要补充完整名字

复制代码
if province_name == "北京":
    province_name += "市"
else:
    province_name += "省"

比如这样就可以了,还有其他的市,就不一一演示了,大家感兴趣自行探索

细心观察你会发现,北京也有颜色了

最终代码

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:/疫情.txt","r",encoding="UTF-8")
data = f.read()
# 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,并把各个省的数据都封装入列表内
data_list = []
for province_data in province_data_list:
    province_name = province_data["name"] # 省份名称
    if province_name == "北京":
        province_name += "市"
    else:
        province_name += "省"
    province_confirm = province_data["total"]["confirm"]   #确诊人数
    data_list.append((province_name,province_confirm))
#  创建地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数",data_list,"china")
# 设置全局配置,定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="疫情全国地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,  # 是否显示
        is_piecewise=True,   # 是否分段
        pieces=[
            {"min":1,"max":99,"lable":"1~99人","color":"#CCFFFF"},
            {"min":100,"max":999,"lable":"100~999人","color":"#FFFF99"},
            {"min":1000,"max":4999,"lable":"1000~4999人","color":"#FF9966"},
            {"min":5000,"max":9999,"lable":"5000~9999人","color":"#FF6666"},
            {"min":10000,"max":99999,"lable":"10000~99999人","color":"CC3333"},
            {"min":100000,"lable":"100000+","color":"#990033"}
            # 当你设置颜色最大值可以不要设置
        ]
    )
)

# 绘图
map.render("全国疫情地图.html")            #  控制文件生成的文件名

3.疫情地图------省级疫情地图

数据处理还是一样首先找层级关系

注意随时检查

如果有的市没有在数据中,我们可以手动添加

其实制作地图,只有两步:数据处理和构建地图

那么上代码!

复制代码
# 演示河南省疫情地图开发
import json
from pyecharts.charts import Map
from pyecharts.options import *
# 读取文件
f = open("D:/疫情.txt","r",encoding="UTF-8")
data = f.read()
# 关闭文件
f.close()
# json数据转换为python字典
data_lict = json.loads(data)
# 获取河南省数据
cities_data = data_lict["areaTree"][0]["children"][3]["children"]

# 准备数据为元组并放入list
data_list = []
for city_data in cities_data:
    city_name = city_data["name"] + "市"
    city_confirm = city_data["total"]["confirm"]
    data_list.append((city_name,city_confirm))
# 手动添加济源市的数据
data_list.append(("济源市",5))
# 构建地图
map = Map()
# 添加数据
map.add("河南省疫情分布",data_list,"河南")
# 设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,  # 是否显示
        is_piecewise=True,   # 是否分段
        pieces=[
            {"min":1,"max":99,"lable":"1~99人","color":"#CCFFFF"},
            {"min":100,"max":999,"lable":"100~999人","color":"#FFFF99"},
            {"min":1000,"max":4999,"lable":"1000~4999人","color":"#FF9966"},
            {"min":5000,"max":9999,"lable":"5000~9999人","color":"#FF6666"},
            {"min":10000,"max":99999,"lable":"10000~99999人","color":"CC3333"},
            {"min":100000,"lable":"100000+","color":"#990033"}
            # 当你设置颜色最大值可以不要设置
        ]
    )
)
# 绘图
map.render("河南省疫情地图.html")
相关推荐
piaopiaolanghua19 小时前
PyCharm旧版本下载地址
ide·python·pycharm
云天徽上19 小时前
【数据可视化-111】93大阅兵后的军费开支情况———2024年全球军费开支分析:用Python和Pyecharts打造炫酷可视化大屏
开发语言·python·信息可视化·pyecharts
胖达不服输20 小时前
「日拱一码」087 机器学习——SPARROW
人工智能·python·机器学习·sparrow
GilgameshJSS21 小时前
【学习K230-例程21】GT6700-UDP-Client
网络·python·单片机·网络协议·学习·udp
FriendshipT21 小时前
Nuitka 将 Python 脚本封装为 .pyd 或 .so 文件
开发语言·python
她说人狗殊途21 小时前
动态代理1
开发语言·python
Yvonne爱编码1 天前
后端编程开发路径:从入门到精通的系统性探索
java·前端·后端·python·sql·go
Q_Q19632884751 天前
python+springboot大学生心理测评与分析系统 心理问卷测试 自动评分分析 可视化反馈系统
开发语言·spring boot·python·django·flask·node.js·php
BYSJMG1 天前
计算机毕设推荐:基于Hadoop+Spark物联网网络安全数据分析系统 物联网威胁分析系统【源码+文档+调试】
大数据·hadoop·python·物联网·spark·django·课程设计
0_0梅伊阁诗人1 天前
Redis
开发语言·笔记·python