Python数据可视化案例—

Python数据可视化案例——地图

简单案例：

进阶案例：

继上文数据可视化案例，今天学习用pyecharts练习数据可视化案例2-构建地图。

简单案例：

首先构建一个简单的地图。

代码：

import json
from pyecharts.charts import Mapmap=Map()
data=[('北京',99),('上海',199),('湖南',299),('台湾',399),('广东',499)
]map.add('地图',data,'china')
map.render()

效果图：

添加全局属性：

对我们设置了数据的省份设置不同梯度的颜色，颜色数值同样可以在“ac173.com”网站上（前端-RGB颜色对照）查看。

注意：json数据的地图没有地区名没有完整名称最新版的pyecharts无法识别，无法上色，（下面代码对此作了修改）。

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOptsmap=Map()
data=[('北京市',99),('上海市',199),('湖南省',299),('台湾省',399),('广东省',499)
]map.add('地图',data,'china')map.set_global_opts(visualmap_opts=VisualMapOpts(is_show=True,  # 颜色显示is_piecewise=True, # 颜色分段pieces=[{'min':1,'max':9,'label':'1-9','color':'#564112'},{'min':10,'max':99,'label':'1-9','color':'#563012'},{'min':100,'max':500,'label':'1-9','color':'#561512'}])
)map.render()

效果图：

进阶案例：

全国疫情确诊人数地图构建

步骤：

1、打开json数据复制到ac173查看视图。

2、在pycharm中读取json数据文件

3、将json数据转化为python字典。

4、获取我们需要的数据（首先获取整体，再局部）。

5、构建地图。

6、设置全局属性（颜色梯度设置，标题设置等）。

完整代码：

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()
# 格式转化,转换为Python字典
data_dict=json.loads(data)
# 获取整体数据
province_data_list = data_dict['areaTree'][0]['children']
# 获取具体的地区名和确诊人数,存入列表
data_list=[]
for province_data in province_data_list:# 获取地区名province_name=province_data['name']special_province_list = ['北京市', '上海市', '天津市', '重庆市', '新疆维吾尔自治区', '宁夏回族自治区', '西藏自治区', '内蒙古自治区']if province_name not in special_province_list:province_name += '省'# 获取地区确诊人数province_confirm=province_data['total']['confirm']# 存入列表中,别忘了列表内部为元组data_list.append((province_name,province_confirm))
map=Map()map.add('各省份确诊人数',data_list,'china')
# 设置全局选项
map.set_global_opts(title_opts=TitleOpts(title='全国疫情确诊图'),visualmap_opts=VisualMapOpts(is_show=True,  # 颜色显示is_piecewise=True, #分段pieces=[{'min':1,'max':99,'label':'1-99人','color':'#CCFFFF'},{'min':100,'max':999,'label':'100-999人','color':'#FFFF99'},{'min':1000,'max':4999,'label':'1000-4999人','color':'#FF9966'},{'min':5000,'max':9999,'label':'5000-9999人','color':'#FF6666'},{'min':10000,'max':99999,'label':'10000-99999人','color':'#CC3333'},{'min':100000,'label':'100000+人','color':'#990033'}])
)# 绘图
map.render('全国疫情地图.html')

效果图：

以同样的方法尝试练习构建一个河南省的疫情确诊图吧。

代码：


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()
# 格式转化,转换为Python字典
data_dict=json.loads(data)
# 获取数据
data_list=data_dict['areaTree'][0]['children'][3]['children']
# 循环列表获取市名和确诊人数
required_data_list=[]
for city_data in data_list:city_name=city_data['name']+'市' # 追加市city_confirm=city_data['total']['confirm']required_data_list.append((city_name,city_confirm))
# 手动添加济源市数据
required_data_list.append(('济源',5))
# 构建地图
map=Map()
# 向地图中添加数据
map.add('河南疫情确诊图',required_data_list,'河南')# 添加全局属性
map.set_global_opts(title_opts=TitleOpts(title='河南疫情确诊图'),
visualmap_opts=VisualMapOpts(is_show=True,  # 颜色显示is_piecewise=True, #分段pieces=[{'min':1,'max':99,'label':'1-99人','color':'#CCFFFF'},{'min':100,'max':999,'label':'100-999人','color':'#FFFF99'},{'min':1000,'max':4999,'label':'1000-4999人','color':'#FF9966'},{'min':5000,'max':9999,'label':'5000-9999人','color':'#FF6666'},{'min':10000,'max':99999,'label':'10000-99999人','color':'#CC3333'},{'min':100000,'label':'100000+人','color':'#990033'}])
)map.render('河南省疫情确诊图.html')

效果图：