本文主要介绍了Pyecharts地理数据可视化，分享给大家，具体如下：

一、Pyecharts简介和安装

1. 简介

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

• 简洁的 API 设计，使用如丝滑般流畅，支持链式调用
• 囊括了 30+ 种常见图表，应有尽有
• 支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
• 可轻松集成至 Flask，Sanic，Django 等主流 Web 框架
• 高度灵活的配置项，可轻松搭配出精美的图表
• 详细的文档和示例，帮助开发者更快的上手项目
• 多达 400+ 地图文件，并且支持原生百度地图，为地理数据可视化提供强有力的支持

pyecharts版本v0.5.x 和 v1 间不兼容，v1 是一个全新的版本，语法也有很大不同。

2. 安装

安装pyecharts

pip install pyecharts -i http://pypi.douban.com/simple --trusted-host pypi.douban.comimport pyechartsprint(pyecharts.__version__) # 查看当前pyecharts版本

安装相关的地图扩展包

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg # 全球国家地图pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg # 中国省级地图pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg # 中国市级地图pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg # 中国县区级地图

二、地图可视化

1. 世界地图

利用 Starbucks.csv 中的数据，首先计算每个国家(Country)对应的门店数量，然后使用世界地图可视化展示星巴克门面店在全球的数量分布。

# -*- coding: UTF-8 -*-"""@File ：demo1.py@Author ：叶庭云@CSDN ：https://yetingyun.blog.csdn.net/"""import pandas as pdfrom pyecharts.charts import Mapfrom pyecharts import options as optsfrom pyecharts.globals import ThemeType, CurrentConfigCurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'# pandas读取csv文件里的数据df = pd.read_csv("Starbucks.csv")['Country']# 统计各个地区星巴克门店数量data = df.value_counts()datas = [(i, int(j)) for i, j in zip(data.index, data.values)]# 实例化一个Map对象map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))# 世界地图map_.add("门店数量", data_pair=datas, maptype="world")map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示labelmap_.set_global_opts( title_opts=opts.TitleOpts(title="星巴克门店数量在全球分布", pos_left='40%', pos_top='10'), # 调整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 添加图例注释和颜色 {"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"} ]) )# 渲染在网页上map_.render('星巴克门店在全球的分布.html')

运行效果如下：

2. 国家地图

涟漪散点图

利用 china.csv 中的数据，首先计算每个城市(City)对应的门店数量，然后使用 pyecharts 包内 Geo 模块绘制星巴克门面店在中国各城市的数量分布的涟漪散点地图。

import pandas as pdfrom pyecharts.globals import ThemeType, CurrentConfig, GeoTypefrom pyecharts import options as optsfrom pyecharts.charts import GeoCurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'# pandas读取csv文件数据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)) # 显示label 省名geo.add('门店数量', 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='星巴克门店在中国的分布'), visualmap_opts=opts.VisualMapOpts(max_=550, is_piecewise=True, pieces=[{"max": 50, "min": 0, "label": "0-50", "color": "#708090"}, # 分段 添加图例注释 和颜色 {"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("星巴克门店在中国的分布.html")

运行效果如下：

动态轨迹图

# -*- coding: UTF-8 -*-"""@File ：demo3.py@Author ：叶庭云@CSDN ：https://yetingyun.blog.csdn.net/"""from pyecharts import options as optsfrom pyecharts.charts import Geofrom pyecharts.globals import ChartType, SymbolType, CurrentConfig, ThemeTypeCurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'# 链式调用c = ( Geo() .add_schema( maptype="china", itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"), label_opts=opts.LabelOpts(is_show=True) ) .add( "", [("广州", 55), ("北京", 66), ("杭州", 77), ("重庆", 88), ('成都', 100), ('海口', 80)], type_=ChartType.EFFECT_SCATTER, color="white", ) .add( "", [("广州", "上海"), ("广州", "北京"), ("广州", "杭州"), ("广州", "重庆"), ('成都', '海口'), ('海口', '北京'), ('海口', '重庆'), ('重庆', '上海') ], type_=ChartType.LINES, effect_opts=opts.EffectOpts( symbol=SymbolType.ARROW, symbol_size=6, color="blue" # 轨迹线蓝色 ), linestyle_opts=opts.LineStyleOpts(curve=0.2), # 轨迹线弯曲度 ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title="动态轨迹图")) .render("geo_lines_background.html"))

运行效果如下：

3. 省市地图

热力图

# -*- coding: UTF-8 -*-"""@File ：demo4.py@Author ：叶庭云@CSDN ：https://yetingyun.blog.csdn.net/"""from pyecharts import options as optsfrom pyecharts.charts import Geofrom pyecharts.faker import Fakerfrom pyecharts.globals import GeoType, CurrentConfigCurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'c = ( Geo() .add_schema(maptype="广东", label_opts=opts.LabelOpts(is_show=True)) .add( "热力图", [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-广东地图") ) .render("geo_guangdong.html"))

运行效果如下：

地图上批量添加经纬度数据

数据来源于美团网成都地区酒店信息，利用其中酒店的经纬度数据，批量添加在地图上可视化。

# -*- coding: UTF-8 -*-"""@File ：demo5.py@Author ：叶庭云@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, ThemeTypeCurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'# 读取Excel数据 数据来源美团网酒店信息df = pd.read_excel("hotel.xlsx")# 获取 地点 经纬度信息geo_sight_coord = {df.iloc[i]['酒店地址']: [df.iloc[i]['经度'], df.iloc[i]['纬度']] for i in range(len(df))}data = [(df['酒店地址'][j], f"{int(df['最低价'][j])}元(最低价)") for j in range(len(df))]# print(data)# print(geo_sight_coord)# 实例化Geo对象 导入成都地图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、经纬度数据 g.add_coordinate(k, v[0], v[1])# 生成涟漪散点图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")

运行效果如下：

到此这篇关于一文带你掌握Pyecharts地理数据可视化的方法的文章就介绍到这了,更多相关Pyecharts地理数据可视化内容请搜索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！