脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → python绘制地图

使用python绘制地图的示例代码

 更新时间：2023年08月10日 11:40:26   作者：不能再留遗憾了  
要在Python中绘制地图，你可以使用各种库和工具包，其中最常用的是matplotlib和folium，本文就来给大家介绍一下如何使用python绘制地图，文章通过代码示例介绍的非常详细,需要的朋友可以参考下

如何绘制地图

前面我们绘制折线图需要用到 pyecharts.charts模块下的 Line方法，那么要绘制地图我们需要用到 pyecahrts.charts模块下的 Map方法。基本思想跟绘制折线图是相似的，不同的就是绘制折线图使用的数据是列表，列表中的每个元素是 字典，而绘制地图的数据也是列表，但每个元素是 元组。

导入模块

from pyecharts.charts import Map

创建空地图

map = Map()

提供测试用例

data = [
    ("北京市",499),
    ("上海市",399),
    ("广东省",299),
    ("湖北省",199),
    ("湖南省",99)
]

这里需要注意，我们的数据要和地图上的数据保持一致，例如：地图上是北京市，如果我们用北京，就会出问题。

将数据添加进地图中

map.add("测试地图",data,"china")

第一个参数是绘制的地图的名称。第二个参数是添加的数据，第三个参数是什么类型的地图，默认是中国地图。

生成带有数据的地图

map.render()

在这里插入图片描述

当然这种地图看的很单调，我们同样可以添加一些配置项来更生动的展现数据。

添加配置项

map.set_global_opts(
    title_opts=TitleOpts(title="这是一个测试地图",pos_left="center",pos_bottom="1%"),  # 标题
    visualmap_opts=VisualMapOpts(
        is_show=True,  # 是否显示视觉映射
        is_piecewise=True,  # 是否允许自定义颜色
        pieces=[
            {"min": 1,"max": 99,"label": "1-99","color": "#125616"},
            {"min": 100,"max": 199,"label": "100-199","color": "#121d56"},
            {"min": 200,"max": 299,"label": "200-299","color": "#56124d"},
            {"min": 300,"max": 399,"label": "300-399","color": "#565212"},
            {"min": 400,"max": 499,"label": "400-499","color": "#e53436"},
        ])  # 这里如果我们不知道相对应的颜色的代码的话，我们可以去自行去搜索
)

这里需要注意：我们的数据的范围应该与颜色的范围对应，数据的范围应该在设置的颜色的范围内。例如如果你的数据中没有大于500的数据，那么你设置的颜色的范围也不应该包含大于500的范围段。

在这里插入图片描述

根据已有数据绘制地图

这里我们的提供的数据是关于中国各省疫情确诊人数的。如果大家也想练手的话，欢迎私信我拿数据。

在这里插入图片描述

我们先看看数据的层次。

在这里插入图片描述

我们先获取到所有省份的确诊人数。

import json
# 打开数据所在文件
f = open("D:/桌面/疫情.txt","r",encoding="UTF8")
# 读取数据
data = f.read()
f.close()
# 将JSON数据转换为python数据
data_dict = json.loads(data)
province_data_list = data_dict["areaTree"][0]["children"]

将获取到的数据装进元组中。

data_list = []
# 将数据放入元组中
for i in province_data_list:
    province_name = i["name"]
    province_data = i["total"]["confirm"]
    data_list.append((province_name,province_data))

绘制地图

map = Map()
map.add("各省份确诊人数", data_list, "china")
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情图",pos_left="center",pos_bottom="1%"),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 99, "label": "1-99人", "color": "#cfe4c4"},
            {"min": 100, "max": 999, "label": "100-999人", "color": "#c4d2e4"},
            {"min": 1000, "max": 4999, "label": "1000-4999人", "color": "#e3c4e4"},
            {"min": 5000, "max": 9999, "label": "5000-9999人", "color": "#e4c4d5"},
            {"min": 10000, "max": 99999, "label": "10000-99999人", "color": "#e4cac4"},
        ])
)
map.render("全国疫情图.html")  # 我们可以为形成的html文件命名

在这里插入图片描述

整体代码展示

import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts,VisualMapOpts
map = Map()
# 打开数据所在文件
f = open("D:/桌面/疫情.txt","r",encoding="UTF8")
# 读取数据
data = f.read()
f.close()
# 将JSON数据转换为python数据
data_dict = json.loads(data)
province_data_list = data_dict["areaTree"][0]["children"]
data_list = []
# 将数据放入元组中
for i in province_data_list:
    province_name = i["name"]
    province_data = i["total"]["confirm"]
    data_list.append((province_name,province_data))
map = Map()
map.add("各省份确诊人数", data_list, "china")
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情图",pos_left="center",pos_bottom="1%"),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 99, "label": "1-99人", "color": "#cfe4c4"},
            {"min": 100, "max": 999, "label": "100-999人", "color": "#c4d2e4"},
            {"min": 1000, "max": 4999, "label": "1000-4999人", "color": "#e3c4e4"},
            {"min": 5000, "max": 9999, "label": "5000-9999人", "color": "#e4c4d5"},
            {"min": 10000, "max": 99999, "label": "10000-99999人", "color": "#e4cac4"},
            # {"min": 1000000, "max": "10万+", "label": "1000000-10万+", "color": "#e4cac4"}
        ])
)
map.render("全国疫情图.html")

以上就是详解如何使用python绘制地图的详细内容，更多关于python绘制地图的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

相关文章

  • Python入门教程(二十八)Python中的JSON

    Python入门教程(二十八)Python中的JSON

    这篇文章主要介绍了Python入门教程(二十八)Python中的JSON,JSON 是用 JavaScript 对象表示法（JavaScript object notation）编写的文本,接下来我们就来学习一下
    2023-04-04
  • Python+Selenium实现自动化的环境搭建的步骤(图文)

    Python+Selenium实现自动化的环境搭建的步骤(图文)

    这篇文章主要介绍了Python+Selenium实现自动化的环境搭建的步骤(图文)，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
    2020-09-09
  • 用python画个敬业福字代码

    用python画个敬业福字代码

    大家好，本篇文章主要讲的是用python画个敬业福字代码，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下
    2022-01-01
  • python中列表应用和扩展性实用详解

    python中列表应用和扩展性实用详解

    文章介绍了Python列表的核心特性：有序数据集合,用[]定义,元素类型可不同,支持迭代、循环、切片,可执行增删改查、排序、推导式及嵌套操作,是常用的数据处理结构
    2025-07-07
  • 用python计算文件的MD5值

    用python计算文件的MD5值

    这篇文章主要介绍了用python计算文件的MD5值的方法，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
    2020-12-12
  • Python如何根据字典中的值排序

    Python如何根据字典中的值排序

    这篇文章主要介绍了Python如何根据字典中的值排序问题,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
    2024-02-02
  • 详述numpy中的np.random.random()系列函数用法

    详述numpy中的np.random.random()系列函数用法

    本文主要介绍了详述numpy中的np.random.random()系列函数用法，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
    2023-03-03
  • 分享5个python提速技巧,速度瞬间提上来了

    分享5个python提速技巧,速度瞬间提上来了

    这篇文章主要给大家分享的是5个python提速技巧，工作或者学习的过程中难免会遇到卡顿问题，下面的提速技巧具有一定的参考价值，需要的小伙伴可以参考一下
    2022-01-01
  • 简单有效上手Python3异步asyncio问题

    简单有效上手Python3异步asyncio问题

    这篇文章主要介绍了简单有效上手Python3异步asyncio问题，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
    2023-01-01
  • Python+Opencv实战之人脸追踪详解

    Python+Opencv实战之人脸追踪详解

    人脸处理是人工智能中的一个热门话题，人脸处理可以使用计算机视觉算法从人脸中自动提取大量信息。本文将展示OpenCV Python实现人脸追踪的示例代码，需要的可以参考一下
    2021-11-11

最新评论