【数据可视化】使用 Pyecharts 绘制人口迁徙图:步骤与数据组织形式

🧑 博主简介:曾任某智慧城市类企业算法总监,CSDN / 稀土掘金 等平台人工智能领域优质创作者。
目前在美国市场的物流公司从事高级算法工程师一职,深耕人工智能领域,精通python数据挖掘、可视化、机器学习等,发表过AI相关的专利并多次在AI类比赛中获奖。


1. 简介

人口迁徙图是一种展示人口流动情况的可视化图表,通常用于分析人口迁移的来源地和目的地。pyecharts 是一个强大的 Python 数据可视化库,支持多种图表类型,包括地图和地理坐标系,非常适合绘制人口迁徙图。

2. 数据格式

人口迁徙图的数据通常包含以下几部分:

  1. 起点城市和终点城市:表示人口迁移的来源地和目的地。
  2. 迁移人数:表示从起点城市到终点城市的人口数量。

数据格式示例:

ini 复制代码
data = [
    ("广州", "上海", 55),
    ("广州", "北京", 66),
    ("广州", "杭州", 77),
    ("广州", "重庆", 88),
    ("河南", "江苏", 99),
    ("河南", "浙江", 111),
    ("河南", "上海", 121),
    ("河南", "广东", 131),
]

3. 绘图步骤

3.1 安装 Pyecharts

确保你已经安装了 pyecharts。如果尚未安装,可以通过以下命令安装:

复制代码
pip install pyecharts

3.2 准备数据

根据实际需求准备人口迁徙的数据。数据格式如上所示。

3.3 绘制地图

使用 pyecharts 的 Geo 模块来绘制人口迁徙图。

4. 完整代码

以下是完整的代码示例:

less 复制代码
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType, ThemeType

# 准备数据
data = [    ("广州", "上海", 55),    ("广州", "北京", 66),    ("广州", "杭州", 77),    ("广州", "重庆", 88),    ("河南", "江苏", 99),    ("河南", "浙江", 111),    ("河南", "上海", 121),    ("河南", "广东", 131),]

# 创建 Geo 对象
geo = (
    Geo(init_opts=opts.InitOpts(theme=ThemeType.DARK, width="1000px", height="600px"))
    .add_schema(
        maptype="china",
        itemstyle_opts=opts.ItemStyleOpts(color="#1C9048", border_color="#111"),
    )
    .add(
        "广东流出人口",
        [("上海", 55), ("北京", 66), ("杭州", 77), ("重庆", 88)],
        type_=ChartType.EFFECT_SCATTER,
        color="#9F2628",
    )
    .add(
        "广东流出路径",
        [("广州", "上海"), ("广州", "北京"), ("广州", "杭州"), ("广州", "重庆")],
        type_=ChartType.LINES,
        effect_opts=opts.EffectOpts(
            symbol=SymbolType.ARROW, symbol_size=6, color="#9F2628"
        ),
        linestyle_opts=opts.LineStyleOpts(curve=0.2),
    )
    .add(
        "河南流出人口",
        [("江苏", 99), ("浙江", 111), ("上海", 121), ("广东", 131)],
        type_=ChartType.EFFECT_SCATTER,
        color="#401183",
    )
    .add(
        "河南流出路径",
        [("河南", "江苏"), ("河南", "浙江"), ("河南", "上海"), ("河南", "广东")],
        type_=ChartType.LINES,
        effect_opts=opts.EffectOpts(
            symbol=SymbolType.ARROW, symbol_size=6, color="#401183"
        ),
        linestyle_opts=opts.LineStyleOpts(curve=0.2),
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="人口迁徙图"),
    )
)

# 渲染图表到 HTML 文件
geo.render("population_migration_map.html")

4.1 代码说明

  1. 数据准备:

    • data 是一个包含起点城市、终点城市和迁移人数的列表。
  2. 创建 Geo 对象:

    • 使用 Geo 创建一个地理坐标系图表。
    • init_opts 设置主题为暗色主题,宽度为1000px,高度为600px。
    • add_schema(maptype="china") 指定地图类型为"中国"。
  3. 添加数据:

    • 使用 add 方法添加数据。
    • ChartType.EFFECT_SCATTER 表示绘制起点和终点的散点效果。
    • ChartType.LINES 表示绘制迁徙线路。
    • effect_opts 设置迁徙线路的样式,如符号大小和颜色。
    • linestyle_opts 设置线路的样式,如曲线程度。
  4. 设置样式:

    • itemstyle_opts 设置地图底图的样式。
    • label_opts 设置标签的显示状态,这里设置为不显示。
  5. 全局配置:

    • title_opts 设置标题为"人口迁徙图"。
  6. 渲染图表:

    • 使用 render 方法将图表渲染为一个 HTML 文件,文件名为 population_migration_map.html。

5. 运行结果

运行上述代码后,会生成一个名为 population_migration_map.html 的文件,你可以用浏览器打开这个文件查看生成的人口迁徙图。图中会显示从起点城市到终点城市的人口迁徙线路,线路的粗细和颜色会根据迁移人数的大小变化。


希望这篇文章对你有帮助!如果你有实际的人口迁徙数据,只需将 data 替换为真实数据即可。


如果您在人工智能领域遇到技术难题,或是需要专业支持,无论是技术咨询、项目开发还是个性化解决方案,我都可以为您提供专业服务,如有需要可站内私信或添加下方VX名片(ID:xf982831907)

期待与您一起交流,共同探索AI的更多可能!

相关推荐
Blockbuater_drug12 小时前
《经典机器学习实战》第 2 课:回归入门——环境、工具与数据准备
线性回归·pandas·scikit-learn·数据可视化·数据清洗·最小二乘法·conda环境
阿琳a_14 小时前
b-map-viewer:面向 Vue 3 的地图可视化 SDK,从接入到展示再到交互分析
前端·javascript·vue.js·gis·数据可视化·地图
MetWeave1 天前
一朵玫瑰,装下一年的风(《风不是一个数》系列第 5 篇
前端·数据可视化
桑年2 天前
四、Pandas数据处理
人工智能·python·线性代数·pandas·数据可视化·数据处理
QianhangQianping3 天前
WebSocket实时推送+ HTTP 定时轮询:一块大屏两套取数怎么不打架
前端·websocket·网络协议·http·低代码·架构·数据可视化
数字新视界3 天前
机房动环监控系统助力数据中心高效能管理与安全保障
物联网·数据可视化·数据中心基础设施管理·dcim管理系统·数据中心dcim
龙亘川4 天前
综合素质评价业务建模:从过程性评价到成长档案全链路闭环
数据库·智慧城市·数据可视化
2分钟速写快排5 天前
ggg! 潜行摸鱼被 Trae 爆改成 3D!
人工智能·程序员·数据可视化
腾讯数据架构师6 天前
任务跑完怎么直接出图表?CubeStudio 任务可视化 ECharts 数据格式实操(CSV/JSON + metric.json,11 种图表一键渲染)
前端·json·echarts·数据可视化
QianhangQianping6 天前
一块大屏的数据在浏览器里怎么变成画面:背景、子屏、前景三层结构
前端·低代码·架构·编辑器·数据可视化·大屏可视化