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中的“_args”和“__kwargs”用法详解
*args 和 **kwargs 主要⽤于函数定义,你可以将不定数量的参数传递给⼀个函数,这篇文章主要介绍了Python中的“_args”和“__kwargs”用法,需要的朋友可以参考下2023-01-01Python语法糖for else循环语句里的break使用详解
这篇文章主要介绍了Python语法糖之for else循环语句里的break使用详解,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2023-05-05Mysql分组查询group by与with rollup方式
这篇文章主要介绍了Mysql分组查询group by与with rollup方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-08-08
最新评论