python根据json数据画疫情分布地图的详细代码

 更新时间:2022年12月27日 11:33:54   作者:阳862  
这篇文章主要介绍了python根据json数据画疫情分布地图的详细代码,掌握使用pyecharts构建基础的全国地图可视化图表,本文结合示例代码给大家介绍的非常详细,需要的朋友可以参考下

注:数据集在文章最后

一.基础地图使用

1.掌握使用pyecharts构建基础的全国地图可视化图表

演示

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map=Map()
data=[
    ("北京",99),
    ("上海",199),
    ("湖南",299),
    ("台湾",199),
    ("安徽",299),
    ("广州",399),
    ("湖北",599)
]
map.add("地图",data,"china")
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True
 
    )
)
map.render("1.html")

结果是

这里有个问题

 is_show=True表示展示图例,但是不准怎么办?
这就需要手动校准范围

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map=Map()
data=[
    ("北京",99),
    ("上海",199),
    ("湖南",299),
    ("台湾",199),
    ("安徽",299),
    ("广州",399),
    ("湖北",599)
]
map.add("地图",data,"china")
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 9, "label": "1-9人", "color": "#CCFFFF"},
            {"min": 10, "max": 99, "label": "10-99人", "color": "#FFFF99"},
            {"min": 100, "max": 499, "label": "100-499人", "color": "#FF9966"},
            {"min": 500, "max": 999, "label": "500-999人", "color": "#FF6666"},
            {"min": 1000, "max": 9999, "label": "1000-9999人", "color": "#CC3333"},
            {"min": 10000, "label": "10000以上", "color": "#990033"},
 
        ]
 
    )
)
map.render("1.html")

结果是

 这样就可以了

再解释一下颜色的设置

这样就可以查询相应的颜色

二.疫情地图——国内疫情地图

1.案例效果

演示

 利用json在线在线解析工具可以看到

 那么我们就可以知道该怎么去提取

#从字典中取出省份数据
province_data_list=data_dict["areaTree"][0]["children"]

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()
#获取各省数据
#将字符串json转化为python的字典
data_dict=json.loads(data)
#从字典中取出省份数据
province_data_list=data_dict["areaTree"][0]["children"]
#组装每个省份和确诊人数为元组,并各个省的数据都封装如列表
data_list=[]#绘图需要用到数据列表
for province_data in province_data_list:
    province_name=province_data["name"]#省份名称
    province_confirm=province_data["total"]["confirm"]#确诊人数
    data_list.append((province_name,province_confirm))#这里注意列表里面嵌套的是元组
print(f"{type(data_list)}\n{data_list}")
 
#创建地图对象
map=Map()
#添加数据
map.add("各省份确诊人数",data_list,"china")
#设置全局配置,定制分段到1视觉映射
map.set_global_opts(
    title_opts=TitleOpts("全国疫情地图",pos_left="center",pos_bottom="1%"),
    visualmap_opts=VisualMapOpts(
        is_show=True,#是否显示
        is_piecewise=True,#是否分段
        pieces=[
            {"min": 1, "max": 9, "label": "1-9人", "color": "#CCFFFF"},
            {"min": 10, "max": 99, "label": "10-99人", "color": "#FFFF99"},
            {"min": 100, "max": 499, "label": "100-499人", "color": "#FF9966"},
            {"min": 500, "max": 999, "label": "500-999人", "color": "#FF6666"},
            {"min": 1000, "max": 9999, "label": "1000-9999人", "color": "#CC3333"},
            {"min": 10000, "label": "10000以上", "color": "#990033"},
 
        ]
 
    )
)
map.render("全国疫情地图.html")

结果是

三.疫情地图——省级疫情地图

以河南省为例

代码

import json
from pyecharts.charts import Map
from pyecharts.options import *
 
f=open("D:/疫情.txt","r",encoding="utf-8")
data=f.read()
#关闭文件
f.close()
#json数据转化为python字典
data_dict=json.loads(data)
#取到河南省数据
cities_data=data_dict["areaTree"][0]["children"][3]["children"]
#准备数据为元组并放入list
data_list=[]
 
for city_data in cities_data:
    city_name=city_data["name"]+"市"
    city_confirm=city_data["total"]["confirm"]
    data_list.append((city_name,city_confirm))
#构建地图
map=Map()
map.add("河南省疫情分布",data_list,"河南")
#设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,#是否显示
        is_piecewise=True,#是否分段
        pieces=[
            {"min": 1, "max": 9, "label": "1-9人", "color": "#CCFFFF"},
            {"min": 10, "max": 99, "label": "10-99人", "color": "#FFFF99"},
            {"min": 100, "max": 499, "label": "100-499人", "color": "#FF9966"},
            {"min": 500, "max": 999, "label": "500-999人", "color": "#FF6666"},
            {"min": 1000, "max": 9999, "label": "1000-9999人", "color": "#CC3333"},
            {"min": 10000, "label": "10000以上", "color": "#990033"},
 
        ]
    )
)
map.render("河南疫情地图.html")

结果是

有个问题:济源市因为数据集中没有相应数据,所以需要我们手动加上去

这样就可以了

结果是

 四.数据集

链接: https://pan.baidu.com/s/10eqeAEPjZC9PohlSnMOkJg?pwd=sjte 

提取码: sjte 

到此这篇关于python根据json数据画疫情分布地图的详细代码的文章就介绍到这了,更多相关python画疫情分布地图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • 在jupyter notebook中使用pytorch的方法

    在jupyter notebook中使用pytorch的方法

    这篇文章主要介绍了在jupyter notebook中使用pytorch的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2022-09-09
  • python socket模块创建和使用套接字示例详解

    python socket模块创建和使用套接字示例详解

    这篇文章主要为大家介绍了python socket模块来创建和使用套接字示例详解,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
    2023-06-06
  • python中常用检测字符串相关函数汇总

    python中常用检测字符串相关函数汇总

    这篇文章主要介绍了python中常用检测字符串相关函数,实例汇总了Python针对字符串数字、字母、大小写等常用检测函数,非常具有实用价值,需要的朋友可以参考下
    2015-04-04
  • pytorch 数据处理:定义自己的数据集合实例

    pytorch 数据处理:定义自己的数据集合实例

    今天小编就为大家分享一篇pytorch 数据处理:定义自己的数据集合实例,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
    2019-12-12
  • python模块离线安装方式

    python模块离线安装方式

    这篇文章主要介绍了python模块离线安装方式,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
    2023-09-09
  • 如何在Python 中获取单成员集合中的唯一元素

    如何在Python 中获取单成员集合中的唯一元素

    这篇文章主要介绍了如何在Python 中获取单成员集合中的唯一元素,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2023-03-03
  • Python中静态方法,类方法,属性方法使用方法

    Python中静态方法,类方法,属性方法使用方法

    这篇文章主要介绍了Python中静态方法,类方法,属性方法使用方法,文章围绕主题的相关资料展开详细内容,具有一定的参考价值,需要的小伙伴可以参考一下
    2022-05-05
  • django中path和url函数的具体使用

    django中path和url函数的具体使用

    本文主要介绍了django中path和url函数的具体使用,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
    2023-03-03
  • Python pip通过requirements.txt 文件安装依赖

    Python pip通过requirements.txt 文件安装依赖

    requirements.txt是定义项目依赖的python包,可通过工具生成,本文主要介绍了Python pip通过requirements.txt文件安装依赖,具有一定的参考价值,感兴趣的可以了解一下
    2024-03-03
  • Python教程之无限迭代器的使用详解

    Python教程之无限迭代器的使用详解

    Python的Itetool是一个模块,它提供了各种函数,这些函数在迭代器上工作以产生复杂的迭代器。该模块作为一个快速,内存效率的工具,可以单独使用或组合使用以形成迭代器代数。本文就来和大家详细聊聊无限迭代器,感兴趣的可以了解一下
    2022-09-09

最新评论