python用pyecharts实现地图数据可视化
有的时候，我们需要对不同国家或地区的某项指标进行比较，可简单通过直方图加以比较。但直方图在视觉上并不能很好突出地区间的差异，因此考虑地理可视化，通过地图上位置（地理位置）和颜色（颜色深浅代表数值差异）两个元素加以体现。在本文案例中，基于第三方库pyecharts，对中国各省2010-2019年的GDP进行绘制。
我们先来看看最终效果：
关于绘图数据
基于时间和截面两个维度，可把数据分为截面数据、时间序列及面板数据。在本文案例中，某一年各省的GDP属于截面数据，多年各省的GDP属于面板数据。因此，按照先易后难的原则，先对某一年各省的GDP进行地理可视化，再进一步构建for循环对多年各省的GDP进行可视化，形成最终的时间轮播图。
数据来源：本文案例使用的GDP数据来源于国家统计局官网，可在线下载到本地，保存为csv或excel格式，用pandas中的DataFrame进行读取。
地理可视化
一、全国各省单年GDP的可视化
在pyecharts中可使用Map类型实现地理可视化，其原理是通过不同颜色填充以展现不同的数据，options实现图表的调整及修饰。代码展示如下：
import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as opts
frame = pd.read_csv('C:\\Users\\dell\\Desktop\\分省年度数据2.csv',encoding='GBK')
map = Map()
map.add("我国地区的GDP",frame[['地区','2019年']].values.tolist(),"china")
map.set_global_opts(visualmap_opts=opts.VisualMapOpts(min_=500,max_=12000))
map.render("2019年全国各地区GDP.html")
解析：add()来实现了数据的加载，在配置3个参数中——第1个是图的标题，第2个通过.values.tolist()加载要显示的数据，第3个"china"确保显示的地图类型是中国。有个细节需要注意，Map 使用的中国各省份需要将全部的省、市、自治区等去掉。set_global_opts()实现了用颜色标记数据的数值大小，参数min_和max_分别代表最小值和最大值。render()用于生成并保存图像。
效果如下：
然而数据分布并不平均，可以通过is_piecewise 属性表述分段自定义不同的颜色区间：
geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(
is_piecewise=True,
pieces=[
{"min":0,"max":10000,"label":"1~10000","color":"cyan"},
{"min":10001,"max":20000,"label":"10001~20000","color":"yellow"},
{"min":20001,"max":50000,"label":"20001~50000","color":"orange"},
{"min":50001,"max":80000,"label":"50001~80000","color":"coral"},
{"min":80001,"max":120000,"label":"80001~120000","color":"red"},
]
))
效果如下：
二、全国各省多年GDP的可视化
由于要绘制2010-2019年的GDP数据，可以考虑构建一个for循环，通过str(i)+"年"的形式访问数据表格中处于不同列的各年GDP数据。绘制轮播图可考虑调用Timeline，代码如下：
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map, Timeline
frame = pd.read_csv('C:\\Users\\dell\\Desktop\\分省年度数据2.csv',encoding='GBK')
tl = Timeline()
for i in range(2010, 2020):
map0 = (
Map()
.add("省份",frame[['地区',str(i)+'年']].values.tolist(), "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-{}年GDP（亿元）".format(i)),
visualmap_opts=opts.VisualMapOpts(
is_piecewise=True,
pieces=[
{"min":0,"max":10000,"label":"1~10000","color":"cyan"},
{"min":10001,"max":20000,"label":"10001~20000","color":"yellow"},
{"min":20001,"max":50000,"label":"20001~50000","color":"orange"},
{"min":50001,"max":80000,"label":"50001~80000","color":"coral"},
{"min":80001,"max":120000,"label":"80001~12000","color":"red"},
] ),))
tl.add(map0, "{}年".format(i))
tl.render("2010~2019年全国各地区GDP.html")
效果如下：
本案例的实现并不复杂，在pyecharts官方的参考案例基础上稍加改动即可实现。作为一名初学者，模仿案例是提升功力的重要途径，通过模仿可以有效吃透代码要具体实现的功能，量变到质变，就能根据自己工作和学习的需要进行灵活应用。
以上就是python用pyecharts实现地图数据可视化的详细内容，更多关于python pyecharts实现地图数据可视化的资料请关注脚本之家其它相关文章！
相关文章
Python与Appium实现手机APP自动化测试的示例代码
本文主要介绍了Python与Appium实现手机APP自动化测试的示例代码，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-02-02
说起基础的init函数也是我们的老朋友了,组合函数的要么是理解又一定的难度,要么是操作方法有复杂的地方,小编今天要讲的def __init()__属于第一种,下面这篇文章主要给大家介绍了关于如何通过一文带你弄懂Python3中的def __init__的相关资料,需要的朋友可以参考下2022-12-12
在本篇文章里小编给各位分享的是关于python3多线程的相关知识点内容，以后需要的朋友们可以参考下。2019-09-09
这篇文章主要介绍了基于python实现数组格式参数加密计算,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-04-04
Python中识别图片/滑块验证码准确率极高的ddddocr库详解
验证码的种类有很多，它是常用的一种反爬手段，包括：图片验证码，滑块验证码，等一些常见的验证码场景。这里推荐一个简单实用的识别验证码的库 ddddocr (带带弟弟ocr)库，希望大家喜欢2023-02-02
这篇文章主要介绍了python标准算法实现数组全排列的方法,实例分析了全排列的原理与Python实现技巧,需要的朋友可以参考下2015-03-03
对Python中DataFrame选择某列值为XX的行实例详解
今天小编就为大家分享一篇对Python中DataFrame选择某列值为XX的行实例详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
本文给大家分享的是使用Python制作爬虫爬取图片的小程序，非常的简单，但是很实用，有需要的小伙伴可以参考下2016-10-10
这篇文章主要介绍了python3.5安装python3-tk详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-04-04
python 简单搭建阻塞式单进程,多进程,多线程服务的实例
下面小编就为大家带来一篇python 简单搭建阻塞式单进程,多进程,多线程服务的实例。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-11-11
最新评论