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

  • 基于Django OneToOneField和ForeignKey的区别详解

    基于Django OneToOneField和ForeignKey的区别详解

    这篇文章主要介绍了基于Django OneToOneField和ForeignKey的区别详解，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
    2020-03-03
  • Python字符串的创建和驻留机制详解

    Python字符串的创建和驻留机制详解

    字符串驻留是一种在内存中仅保存一份相同且不可变字符串的方法，本文重点给大家介绍Python字符串的创建和驻留机制，感兴趣的朋友跟随小编一起看看吧
    2022-02-02
  • 使用python-cv2实现Harr+Adaboost人脸识别的示例

    使用python-cv2实现Harr+Adaboost人脸识别的示例

    这篇文章主要介绍了使用python-cv2实现Harr+Adaboost人脸识别的示例，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
    2020-10-10
  • Python基础教程之正则表达式基本语法以及re模块

    Python基础教程之正则表达式基本语法以及re模块

    正则表达式是可以匹配文本片段的模式，今天的Python就跟大家一起讨论一下python中的re模块，python re模块感兴趣的朋友一起学习吧
    2016-03-03
  • python列表倒序的几种方法(切片、reverse()、reversed())

    python列表倒序的几种方法(切片、reverse()、reversed())

    本文主要介绍了python列表倒序的几种方法(切片、reverse()、reversed())，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
    2022-08-08
  • python排序算法之归并排序

    python排序算法之归并排序

    这篇文章主要介绍了python排序算法之归并排序,归并排序算法就是一个先把数列拆分为子数列，对子数列进行排序后，再把有序的子数列合并为完整的有序数列的算法,需要的朋友可以参考下
    2023-04-04
  • python 进程池pool使用详解

    python 进程池pool使用详解

    这篇文章主要介绍了python 进程池pool使用的相关资料，帮助大家更好的理解和学习python进程，感兴趣的朋友可以了解下
    2020-10-10
  • Python中的上下文管理器和with语句的使用

    Python中的上下文管理器和with语句的使用

    本篇文章主要介绍了Python中的上下文管理器和with语句的使用，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-04-04
  • Django Model中字段(field)的各种选项说明

    Django Model中字段(field)的各种选项说明

    这篇文章主要介绍了Django Model中字段(field)的各种选项说明，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
    2020-05-05
  • Python日期和时间戳的转换的实现方式

    Python日期和时间戳的转换的实现方式

    Python中日期和时间的处理涉及到time和datetime模块,time模块可实现时间戳与格式化时间字符串的转换,而datetime模块则提供更加直接易用的接口,本文详细给大家介绍了Python日期和时间戳的转换的实现方式,需要的朋友可以参考下
    2024-10-10

最新评论