一文帶你掌握Pyecharts地理數(shù)據(jù)可視化的方法

更新時(shí)間：2021年02月06日 09:30:10 作者：葉庭云

這篇文章主要介紹了一文帶你掌握Pyecharts地理數(shù)據(jù)可視化的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

本文主要介紹了Pyecharts地理數(shù)據(jù)可視化，分享給大家，具體如下：

一、Pyecharts簡(jiǎn)介和安裝

1. 簡(jiǎn)介

Echarts 是一個(gè)由百度開(kāi)源的數(shù)據(jù)可視化，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開(kāi)發(fā)者的認(rèn)可。而 Python 是一門(mén)富有表達(dá)力的語(yǔ)言，很適合用于數(shù)據(jù)處理。當(dāng)數(shù)據(jù)分析遇上數(shù)據(jù)可視化時(shí)，pyecharts 誕生了。

簡(jiǎn)潔的 API 設(shè)計(jì)，使用如絲滑般流暢，支持鏈?zhǔn)秸{(diào)用
囊括了 30+ 種常見(jiàn)圖表，應(yīng)有盡有
支持主流 Notebook 環(huán)境，Jupyter Notebook 和 JupyterLab
可輕松集成至 Flask，Sanic，Django 等主流 Web 框架
高度靈活的配置項(xiàng)，可輕松搭配出精美的圖表
詳細(xì)的文檔和示例，幫助開(kāi)發(fā)者更快的上手項(xiàng)目
多達(dá) 400+ 地圖文件，并且支持原生百度地圖，為地理數(shù)據(jù)可視化提供強(qiáng)有力的支持

pyecharts版本v0.5.x 和 v1 間不兼容，v1 是一個(gè)全新的版本，語(yǔ)法也有很大不同。

2. 安裝

安裝pyecharts

pip install pyecharts -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

import pyecharts
print(pyecharts.__version__)     # 查看當(dāng)前pyecharts版本

安裝相關(guān)的地圖擴(kuò)展包

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg  		# 全球國(guó)家地圖
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg  # 中國(guó)省級(jí)地圖
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg   # 中國(guó)市級(jí)地圖
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg  # 中國(guó)縣區(qū)級(jí)地圖

二、地圖可視化

1. 世界地圖

利用 Starbucks.csv 中的數(shù)據(jù)，首先計(jì)算每個(gè)國(guó)家(Country)對(duì)應(yīng)的門(mén)店數(shù)量，然后使用世界地圖可視化展示星巴克門(mén)面店在全球的數(shù)量分布。

# -*- coding: UTF-8 -*-
"""
@File  ：demo1.py
@Author ：葉庭云
@CSDN  ：https://yetingyun.blog.csdn.net/
"""
import pandas as pd
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import ThemeType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

# pandas讀取csv文件里的數(shù)據(jù)
df = pd.read_csv("Starbucks.csv")['Country']
# 統(tǒng)計(jì)各個(gè)地區(qū)星巴克門(mén)店數(shù)量
data = df.value_counts()
datas = [(i, int(j)) for i, j in zip(data.index, data.values)]


# 實(shí)例化一個(gè)Map對(duì)象
map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))
# 世界地圖
map_.add("門(mén)店數(shù)量", data_pair=datas, maptype="world")
map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 不顯示label
map_.set_global_opts(
   title_opts=opts.TitleOpts(title="星巴克門(mén)店數(shù)量在全球分布", pos_left='40%', pos_top='10'),  # 調(diào)整title位置
   legend_opts=opts.LegendOpts(is_show=False),
   visualmap_opts=opts.VisualMapOpts(max_=13608, min_=1, is_piecewise=True,
   pieces=[{"max": 9, "min": 1, "label": "1-9", "color": "#00FFFF"},    # 分段 添加圖例注釋和顏色
     {"max": 99, "min": 10, "label": "10-99", "color": "#A52A2A"},
     {"max": 499, "min": 100, "label": "100-499", "color": "#0000FF	"},
     {"max": 999, "min": 500, "label": "500-999", "color": "#FF00FF"},
     {"max": 2000, "min": 1000, "label": "1000-2000", "color": "#228B22"},
     {"max": 3000, "min": 2000, "label": "2000-3000", "color": "#FF0000"},
     {"max": 20000, "min": 10000, "label": ">=10000", "color": "#FFD700"}
       ])
   )

# 渲染在網(wǎng)頁(yè)上
map_.render('星巴克門(mén)店在全球的分布.html')

運(yùn)行效果如下：

2. 國(guó)家地圖

漣漪散點(diǎn)圖

利用 china.csv 中的數(shù)據(jù)，首先計(jì)算每個(gè)城市(City)對(duì)應(yīng)的門(mén)店數(shù)量，然后使用 pyecharts 包內(nèi) Geo 模塊繪制星巴克門(mén)面店在中國(guó)各城市的數(shù)量分布的漣漪散點(diǎn)地圖。

import pandas as pd
from pyecharts.globals import ThemeType, CurrentConfig, GeoType
from pyecharts import options as opts
from pyecharts.charts import Geo

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'
# pandas讀取csv文件數(shù)據(jù)
df = pd.read_csv("china.csv")['City']
data = df.value_counts()

datas = [(i, int(j)) for i, j in zip(data.index, data.values)]
print(datas)

geo = Geo(init_opts=opts.InitOpts(width='1000px', height='600px', theme=ThemeType.DARK))
geo.add_schema(maptype='china', label_opts=opts.LabelOpts(is_show=True))  # 顯示label 省名
geo.add('門(mén)店數(shù)量', data_pair=datas, type_=GeoType.EFFECT_SCATTER, symbol_size=8)
geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
geo.set_global_opts(title_opts=opts.TitleOpts(title='星巴克門(mén)店在中國(guó)的分布'),
          visualmap_opts=opts.VisualMapOpts(max_=550, is_piecewise=True,
          pieces=[{"max": 50, "min": 0, "label": "0-50", "color": "#708090"},    # 分段 添加圖例注釋 和顏色
               {"max": 100, "min": 51, "label": "51-100", "color": "#00FFFF"},
               {"max": 200, "min": 101, "label": "101-200", "color": "#00008B"},
               {"max": 300, "min": 201, "label": "201-300", "color": "#8B008B"},
               {"max": 600, "min": 500, "label": "500-600", "color": "#FF0000"},
                 ])
          )

geo.render("星巴克門(mén)店在中國(guó)的分布.html")

運(yùn)行效果如下：

動(dòng)態(tài)軌跡圖

# -*- coding: UTF-8 -*-
"""
@File  ：demo3.py
@Author ：葉庭云
@CSDN  ：https://yetingyun.blog.csdn.net/
"""
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType, CurrentConfig, ThemeType

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'
# 鏈?zhǔn)秸{(diào)用
c = (
  Geo()
  .add_schema(
    maptype="china",
    itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),
    label_opts=opts.LabelOpts(is_show=True)
  )
  .add(
    "",
    [("廣州", 55), ("北京", 66), ("杭州", 77), ("重慶", 88), ('成都', 100), ('?？?, 80)],
    type_=ChartType.EFFECT_SCATTER,
    color="white",
  )
  .add(
    "",
    [("廣州", "上海"), ("廣州", "北京"), ("廣州", "杭州"), ("廣州", "重慶"),
     ('成都', '?？?), ('海口', '北京'), ('?？?, '重慶'), ('重慶', '上海')
     ],
    type_=ChartType.LINES,
    effect_opts=opts.EffectOpts(
      symbol=SymbolType.ARROW, symbol_size=6, color="blue" # 軌跡線(xiàn)藍(lán)色
    ),
    linestyle_opts=opts.LineStyleOpts(curve=0.2), # 軌跡線(xiàn)彎曲度
  )
  .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
  .set_global_opts(title_opts=opts.TitleOpts(title="動(dòng)態(tài)軌跡圖"))
  .render("geo_lines_background.html")
)

運(yùn)行效果如下：

3. 省市地圖

熱力圖

# -*- coding: UTF-8 -*-
"""
@File  ：demo4.py
@Author ：葉庭云
@CSDN  ：https://yetingyun.blog.csdn.net/
"""
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import GeoType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

c = (
  Geo()
  .add_schema(maptype="廣東", label_opts=opts.LabelOpts(is_show=True))
  .add(
    "熱力圖",
    [list(z) for z in zip(Faker.guangdong_city, Faker.values())],
    type_=GeoType.HEATMAP,
  )
  .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
  .set_global_opts(
    visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-廣東地圖")
  )
  .render("geo_guangdong.html")
)

運(yùn)行效果如下：

地圖上批量添加經(jīng)緯度數(shù)據(jù)

數(shù)據(jù)來(lái)源于美團(tuán)網(wǎng)成都地區(qū)酒店信息，利用其中酒店的經(jīng)緯度數(shù)據(jù)，批量添加在地圖上可視化。

# -*- coding: UTF-8 -*-
"""
@File  ：demo5.py
@Author ：葉庭云
@CSDN  ：https://yetingyun.blog.csdn.net/
"""
import pandas as pd   
from pyecharts.charts import Geo  
from pyecharts import options as opts  
from pyecharts.globals import GeoType, CurrentConfig, ThemeType

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'
# 讀取Excel數(shù)據(jù) 數(shù)據(jù)來(lái)源美團(tuán)網(wǎng)酒店信息
df = pd.read_excel("hotel.xlsx")

# 獲取 地點(diǎn) 經(jīng)緯度信息
geo_sight_coord = {df.iloc[i]['酒店地址']: [df.iloc[i]['經(jīng)度'], df.iloc[i]['緯度']] for i in range(len(df))}
data = [(df['酒店地址'][j], f"{int(df['最低價(jià)'][j])}元(最低價(jià))") for j in range(len(df))]
# print(data)
# print(geo_sight_coord)

# 實(shí)例化Geo對(duì)象 導(dǎo)入成都地圖
g = Geo(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION, width="1000px", height="600px"))
g.add_schema(maptype="成都")

for k, v in list(geo_sight_coord.items()):
  # 添加地址、經(jīng)緯度數(shù)據(jù)
  g.add_coordinate(k, v[0], v[1])

# 生成漣漪散點(diǎn)圖
g.add("", data_pair=data, type_=GeoType.EFFECT_SCATTER, symbol_size=6)
g.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
g.set_global_opts(title_opts=opts.TitleOpts(title="成都-酒店地址分布"))
g.render("酒店地址分布.html")

運(yùn)行效果如下：

到此這篇關(guān)于一文帶你掌握Pyecharts地理數(shù)據(jù)可視化的方法的文章就介紹到這了,更多相關(guān)Pyecharts地理數(shù)據(jù)可視化內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: