Pyecharts绘制可视化地球实现示例
更新时间：2022年07月29日 14:48:54 作者：周萝卜
这篇文章主要为大家介绍了Pyecharts绘制可视化地球实现示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
正文
今天我们使用 Pyecharts 制作一个地球可视化项目，一起来看看吧
Let’s go！
数据处理
这里我们使用全球新冠感染人数的数据集作为我们的测试数据，先来看看数据的整体情况
import pandas as pd
df = pd.read_csv("owid-covid-data.csv")
df_0608 = df[df['date'] == '2022-06-08']
df_new = df_0608[pd.isna(df_0608['continent']) == False]
df_new
Output:
我们选取0608这一天的数据，可以看到 total_cases 字段就是国家当前的累计总确诊人数
下面就提取国家和确诊人数
covid_data = df_new[['location', 'total_cases']].values.tolist()
Output:
Pyecharts 绘图
通过 Pyecharts 绘制地球图，在官网上有很详细的例子，我们直接套用即可
首先导入相关库
import pyecharts.options as opts from pyecharts.charts import MapGlobe
定义地球图函数并绘制
data = [x for _, x in covid_data]
low, high = min(data), max(data)
c = (
MapGlobe()
.add_schema()
.add(
maptype="world",
series_name="World Covid Data",
data_pair=covid_data,
is_map_symbol_show=False,
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(
min_=low,
max_=high,
range_text=["max", "min"],
is_calculable=True,
range_color=["lightskyblue", "yellow", "orangered"],
)
)
)
c.render_notebook()
这样我们得到如下全球各国新管确诊人数分布图
部署为 Web 服务
当前我们所有的代码都是运行在 Jupyter 当中的，如果要分享给其他人，并不是十分的方便，我们可以将整体代码部署成一个 Web 服务，这样其他人就可以方便的通过浏览器来查看该地球图了
我们先创建项目目录，命名为 flask_map，再将本地安装的 Pyecharts 目录下的 templates 文件夹拷贝到该目录下，同时再创建 data 文件夹和 main.py 文件，Pyecharts 模板位置如下：
pyecharts.render.templates
我们将数据集 owid-covid-data.csv 放到 data 文件夹下，再编写 main.py 文件
# coding = utf-8
"""
======================
@author:luobo
@time:2022/7/2:14:32
@email:
@File: main.py
======================
"""
from flask import Flask, render_template
from jinja2 import Markup, Environment, FileSystemLoader
from pyecharts.globals import CurrentConfig
# 关于 CurrentConfig，可参考 [基本使用-全局变量]
CurrentConfig.GLOBAL_ENV = Environment(loader=FileSystemLoader("./templates"))
from pyecharts import options as opts
from pyecharts.charts import MapGlobe
import pandas as pd
df = pd.read_csv("data/owid-covid-data.csv")
df_0608 = df[df['date'] == '2022-06-08']
df_new = df_0608[pd.isna(df_0608['continent']) == False]
covid_data = df_new[['location', 'total_cases']].values.tolist()
app = Flask(__name__, static_folder="templates")
def Map_base():
data = [x for _, x in covid_data]
low, high = min(data), max(data)
c = (
MapGlobe()
.add_schema()
.add(
maptype="world",
series_name="World Covid Data",
data_pair=covid_data,
is_map_symbol_show=False,
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(
min_=low,
max_=high,
range_text=["max", "min"],
is_calculable=True,
range_color=["lightskyblue", "yellow", "orangered"],
)
)
)
return c
@app.route("/")
def index():
c = Map_base()
c.render('templates/Map.html')
return render_template("Map.html")
if __name__ == "__main__":
app.run()
这样，当我们启动 Flask 服务器之后，只需要访问根目录（/），就会在 templates 目录下生成 Map.html 文件，也会在浏览器正常展示地球图了
tup2
至于如何将本地 Web 应用部署到公网上，我们在后面的文章中再介绍吧！
更多关于Pyecharts绘制可视化地球的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Django实现CAS+OAuth2的方法示例，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2019-10-10
Python中还有一个很重要的数据类型就是字典，其实集合的底层使用的也是字典，这篇文章主要介绍了python 字典的概念叙述和使用方法,需要的朋友可以参考下2023-02-02
今天小编就为大家分享一篇使用pandas read_table读取csv文件的方法，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2018-07-07
今天小编就为大家分享一篇Python print不能立即打印的解决方式，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2020-02-02
这篇文章主要介绍了Python自定义装饰器原理与用法,结合实例形式较为详细的分析了Python自定义装饰器,带参数的装饰器等概念、原理、实现方法及相关使用技巧,需要的朋友可以参考下2018-07-07
这篇文章主要介绍了Python中tkinter库的简单使用,Tkinter是Python中常用的GUI库,它使用Tk GUI工具包,并提供了创建各种GUI应用程序的功能,需要的朋友可以参考下2023-10-10
python使用pywinauto驱动微信客户端实现公众号爬虫
这个项目是通过pywinauto控制windows(win10)上的微信PC客户端来实现公众号文章的抓取。代码分成server和client两部分。server接收client抓取的微信公众号文章，并且保存到数据库。另外server支持简单的搜索和导出功能。client通过pywinauto实现微信公众号文章的抓取。2021-05-05
这篇文章主要介绍了Python3自定义json逐层解析器代码，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2020-05-05
这篇文章主要介绍了pandas 缺失值与空值处理的实现方法，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2019-10-10
这篇文章主要介绍了Python实现的爬取小说爬虫功能,结合实例形式分析了Python爬取顶点小说站上的小说爬虫功能相关实现技巧,需要的朋友可以参考下2019-03-03
最新评论