pyecharts可视化—

def echarts_map(province,data,title = '主标题',subtitle = '副标题',label = '图例'):"""province：传入省份Listdata：传入各省对应的数据Listtitle：主标题subtitle：副标题label：图例"""map_ = Map(init_opts=opts.InitOpts(bg_color='#080b30',  # 设置背景颜色theme='dark'         # 设置主题# width='980px',     # 设置图的宽度# height='800px'     # 设置图的高度))map_.add(label,[list(i) for i in zip(province,data)])map_.set_global_opts(# 标题设置title_opts=opts.TitleOpts(title=title, # 主标题subtitle=subtitle, # 副标题pos_left='center',  # 标题展示位置title_textstyle_opts=dict(color='#fff') # 设置标题字体颜色),# 图例设置legend_opts=opts.LegendOpts(is_show=True, # 是否显示图例pos_left='right', # 图例显示位置pos_top='3%',  #图例距离顶部的距离orient='horizontal'  # 图例水平布局),visualmap_opts = opts.VisualMapOpts(max_ = int(data.max()),is_piecewise = False))return map_.render_notebook()

写完函数之后：

change_map = df2[['收货地址','买家实际支付金额']].groupby('收货地址').sum().round(2).reset_index().sort_values(by = '买家实际支付金额',ascending = False)echarts_map(change_map['收货地址'],change_map['买家实际支付金额'],title = '成交金额分布图',subtitle = '成交金额在全国各地分布情况',label = '成交金额')

其实更新版本的pyecharts中，还可以画3D地图：

def map3d_with_bar3d(province,data_lis,title = '主标题',subtitle = '副标题',label = '图例'):"""province：传入省份的Listdata_lis：传入省份对应的数据的Listtitle：主标题subtitle：副标题label：图例"""data_dict = {'黑龙江': [127.9688, 45.368], '上海': [121.4648, 31.2891],'内蒙古': [110.3467, 41.4899], '吉林': [125.8154, 44.2584],'辽宁': [123.1238, 42.1216], '河北': [114.4995, 38.1006],'天津': [117.4219, 39.4189], '山西': [112.3352, 37.9413],'陕西': [109.1162, 34.2004], '甘肃': [103.5901, 36.3043],'宁夏': [106.3586, 38.1775], '青海': [101.4038, 36.8207],'新疆': [87.9236, 43.5883], '西藏': [91.11, 29.97],'四川': [103.9526, 30.7617], '重庆': [108.384366, 30.439702],'山东': [117.1582, 36.8701], '河南': [113.4668, 34.6234],'江苏': [118.8062, 31.9208], '安徽': [117.29, 32.0581],'湖北': [114.3896, 30.6628], '浙江': [119.5313, 29.8773],'福建': [119.4543, 25.9222], '江西': [116.0046, 28.6633],'湖南': [113.0823, 28.2568], '贵州': [106.6992, 26.7682],'广西': [108.479, 23.1152], '海南': [110.3893, 19.8516],'广东': [113.28064, 23.125177], '北京': [116.405289, 39.904987],'云南': [102.71225, 25.040609], '香港': [114.165460, 22.275340],'澳门': [113.549130, 22.198750], '台湾': [121.5200760, 25.0307240]}for item in [list(z) for z in zip(province, data_lis)]:data_dict[item[0]].append(item[1])example_data = list(zip(data_dict.keys(),data_dict.values()))map_3d = Map3D(init_opts=opts.InitOpts(bg_color='#080b30',  # 设置背景颜色theme='dark',         # 设置主题# width='1200px',     # 设置图的宽度# height='1000px'     # 设置图的高度))map_3d.add_schema(itemstyle_opts=opts.ItemStyleOpts(color="rgb(5,101,123)",opacity=1,border_width=0.8,border_color="rgb(62,215,213)",),map3d_label=opts.Map3DLabelOpts(is_show=False,formatter=JsCode("function(data){return data.name + " " + data.value[2];}"),),emphasis_label_opts=opts.LabelOpts(is_show=False,color="#fff",font_size=10,background_color="rgba(0,23,11,0)",),light_opts=opts.Map3DLightOpts(main_color="#fff",main_intensity=1.2,main_shadow_quality="high",is_main_shadow=False,main_beta=10,ambient_intensity=0.3,))map_3d.add(series_name=label,data_pair=example_data,type_=ChartType.BAR3D,bar_size=1,shading="lambert",label_opts=opts.LabelOpts(is_show=True,formatter=JsCode("function(data){return data.name + ' ' + data.value[2];}"),),)map_3d.set_global_opts(# 标题设置title_opts=opts.TitleOpts(title= title, # 主标题subtitle= subtitle, # 副标题pos_left='center',  # 标题展示位置title_textstyle_opts=dict(color='#fff') # 设置标题字体颜色),# 图例设置legend_opts=opts.LegendOpts(is_show=True, # 是否显示图例pos_left='right', # 图例显示位置pos_top='3%',  #图例距离顶部的距离orient='horizontal'  # 图例水平布局),)return map_3d.render_notebook()

change_map = df2[['收货地址','买家实际支付金额']].groupby('收货地址').sum().round(2).reset_index().sort_values(by = '买家实际支付金额',ascending = False)
map3d_with_bar3d(change_map['收货地址'],change_map['买家实际支付金额'],title = '成交金额分布图',subtitle = '成交金额在全国各地分布情况',label = '成交金额')

其实3D图，未必是中国地图，还可以其他地图；上面也未必是柱状图，也可以是热力图，流向图，散点图，线状图等等。

可以参考：

pyecharts终于更新啦！| pyecharts-Map3D画3D立体地图_philpy_used的博客-CSDN博客_pyecharts画3d图

数据分析可视化（四）|Pyecharts制作地图的几种方法评析 - 云+社区 - 腾讯云

我觉得还可以利用他来画OD图哈哈哈。

可以查看官网更新：

pyecharts - A Python Echarts Plotting Library built with love.

参考链接：工作台 - Heywhale.com

pyecharts可视化——地图相关推荐

利用python爬取2019-nCoV确诊数据并制作pyecharts可视化地图
1.本章利用python爬取2019-nCoV确诊数据并制作pyecharts可视化地图: 2.主要内容为绘制出中国各省疫情数据,疫情数据从四个维度进行可视化展示:累积确诊人数.现存确诊人数.治愈人数 ...
关于pyecharts可视化地图中国经济、人口等数据
pyechart也提供了一些树型图表和地理图表,树型图表又包括树图和矩型树图:地理图表MAP.GEO.BMAP等图表:其中树图意义不大,矩形树图难度在对json格式的处理上,把sql转为pandas再 ...
Python应用实战-如何用Pyecharts绘制可视化地图？
Pyecharts 是一个用于生成 Echarts 图表的类库.Echarts 是百度开源的一个数据可视化 JS 库.用 Echarts 生成的图可视化效果非常棒,pyecharts 是为了与 Pyt ...
python地图实例_利用pyecharts实现地图可视化的例子
pyecharts 是一个用于生成 Echarts 图表的类库.Echarts 是百度开源的一个数据可视化 JS 库.用 Echarts 生成的图可视化效果非常棒,pyecharts 是为了与 Pyt ...
python动态演示数据gdp_Python可视化地图：2019年中国各省GDP情况(pyecharts地理图表)...
大家好! 今天来分享一下如何用Python工具来帮助我们制作一张展示2019年中国各省GDP的可视化地图. 案例中数据表格结构如下: 代码及演示: import numpy as np import ...
Pyecharts Geo创建中国可视化地图
Pyecharts.Geo创建中国可视化地图安装需要的模块安装pyecharts 安装中国地图库绘制出地图第一步:导入中国地图第二步:进阶教学(干货满满!!!) Pyecharts做出来的图 ...
pyecharts实践--2019-nCoV疫情数据可视化地图（实时更新）
2019-nCoV疫情数据可视化地图效果如下: 获取数据(本文数据获取自腾讯的疫情实时追踪) 腾讯的疫情实时追踪网页: 点击查看. 这里我使用的是Google,追踪得到的数据如下图: 双击左边的 ge ...
使用Pyecharts进行全国水质TDS地图可视化全过程7：使用pyecharts画地图总述
目录一.什么是pyecharts? 二.安装pyecharts? 三.pyecharts使用文档四.pyecharts画地图五.需要注意的事项六.地图的下钻本文为总述.后面几篇文章再详细的拿 ...
Pyecharts Geo绘制可视化地图并展示坐标位置
文章目录 Pyecharts Geo绘制可视化地图安装需要的模块绘制出地图生成空白地图修改参数,调整地图输出格式地图上展示坐标位置输入坐标点将坐标点添加入系列并配置系列完整代码参考文 ...

pyecharts可视化——地图

pyecharts可视化——地图相关推荐

最新文章

热门文章