pyecharts可视化——地图
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 ...
最新文章
- Linux不停往外发包
- SQL Server数据库中使用sql脚本删除指定表的列
- apache.camel_Apache Camel K 1.0在这里–您为什么要关心
- python之pop
- 雪花算法生成数字id_全局唯一iD的生成 雪花算法详解及其他用法
- 我弟弟用管理员身份把我和爸妈的WIFI设置了,现在就他能用网,气不过,有办法让我出口气吗?
- 【翻译自mos文章】Oracle GoldenGate 怎么在源头的传输进程和目的端的server/collector进程之间分配 port?...
- python输入学生成绩、分a、b、c类_在Python中,如果输入a=1b=2c=acc=b,那么c的值是多少?c指的是什么?...
- jq跨域代理_JQuery前端跨域问题的七种解决方案
- 整理索引碎片,提升SQL Server速度 SQL Server“吃内存”的解决(转载)
- 算法:查找序列最小k元素(分治法)
- 漏洞扫描工具Nessus的下载与安装教程
- QQ邮箱代收Gmail邮件,微信第一时间通知Gmail新收邮件
- React Suspense lazy
- MeeGo开发者(二):MeeGo架构
- Oracle数据库原理
- 数据处理是用matlab好还是python好_numpy在一般的数值处理上能与matlab一样好用吗?...
- 芯旺微 CHIPON 32位机GPIO使用,以KF32A156 IO口的基本使用为例
- java实现对pdf文件压缩,拆分,修改水印,添加水印
- 数据库-[mysql]--详细笔记+教程