利用pyecharts对职位数据进行地图可视化

前言

pyecharts 是基于百度开源的Echarts、方便与Python 进行对接、直接可以用于python的一个库。

今天我们利用pyecharts实现职位数据的地图可视化。

安装pyecharts

pyecharts 的安装只需要在命令端输入以下命令。

pip install pyecharts

如果下载失败或者觉得下载太慢，可以用镜像进行下载：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

pyecharts 目前不再自带地图 js 文件。所以要自行安装对应的地图文件包，如果下载失败或者觉得下载太慢，可以用镜像进行下载。

pip install echarts-countries-pypkg   # 世界地图
pip install echarts-china-provinces-pypkg   # 中国省级行政区地图
pip install echarts-china-cities-pypkg  # 中国城市地图
pip install echarts-china-counties-pypkg    # 中国县区地图
pip install echarts-china-misc-pypkg    # 中国区域地图
pip install echarts-united-kingdom-pypkg

小试牛刀

导入需要的模块：

import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import *
from pyecharts.globals import ThemeType

先简单的绘制出中国地图：

# 数据
data = {'河南': 25, '北京': 65, '河北': 111, '辽宁': 221, '江西': 1, '上海': 22, '安徽': 56, '江苏': 78, '湖南': 9,'浙江': 13, '海南': 62, '广东': 262, '湖北': 87, '黑龙江': 171, '澳门': 61, '陕西': 171, '四川': 67, '内蒙古': 63, '重庆': 93,'云南': 16, '贵州': 12, '吉林': 33, '山西': 312, '山东': 511, '福建': 46, '青海': 71, '天津': 91,'其他': 71}
# 以元组的方式输出数值
data_list = list(zip(data.keys(), data.values()))
map_ = (Map()  # 如果想绘制其它图形，可修改Map.add(series_name="中国地图",data_pair=data_list,maptype="china").set_global_opts(title_opts=opts.TitleOpts(title="公 众 号 ：Python与Excel之交")# 设置地图显示最大值,visualmap_opts=opts.VisualMapOpts(max_=500)))
map_.render_notebook()

实战

导入数据源：

df = pd.read_csv('D:\数据小刀\爬虫④\前程无忧\前程无忧.csv')
df.head()

我们先对数据源的工作地址，进行字符串的切割,取出上海、广州等城市名称：

df["工作地址"] = df["工作地址/经验要求/学历要求/招聘人数"].str.split(',', expand=True)[0]
df["工作地址"] = df["工作地址"].str.split('-', expand=True)[0]

因为maptype=‘china’时，地图只显示全国省级行政区，数据只能是省级行政区，不能显示城市名称，所以我们需要导入经纬度，绘制散点图。

df1 = pd.read_csv('D:\数据小刀\爬虫④\拉勾网\中国城市地理坐标.csv')
coords = {df1.iloc[i]['地名']: [df1.iloc[i]['经度'], df1.iloc[i]['纬度']] for i in range(len(df1))}

去除没有经纬度的地区和不必要的字符串：

df = df[(df['工作地址'] != '异地招聘')]
df = df[(df['工作地址'] != '工作地址/经验要求/学历要求/招聘人数')]
df = df[(df['工作地址'] != '雄安新区')]

统计每个城市的职位数量，并以元组的方式输出数值：

df_0 = df['工作地址'].astype("str").value_counts()
df_0 = df_0.sort_values(ascending=False)
regions = df_0.index.to_list()
values = df_0.to_list()
data_list = list(zip(regions, values))

设置背景颜色:

geo = Geo(init_opts=opts.InitOpts(theme=ThemeType.DARK))

设置地图类型为中国地图，当maptype等于广东、广州时，可修改为对应的地图:

geo.add_schema(maptype='china')

设置经纬度:

for key, value in coords.items():geo.add_coordinate(key, value[0], value[1])

设置图例，数据，散点大小，散点颜色:

geo.add('',data_list, symbol_size=10, itemstyle_opts=opts.ItemStyleOpts(color='blue'))

设置为数据不显示，设置为散点图，当type等于heatmap时可修改为热力图:

geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False), type='scatter')

设置地图显示最大值:

geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=200),title_opts=opts.TitleOpts(title='公众号：Python与Excel之交'))
geo.render_notebook()   # 打开

取出上海的行政区，利用Map进行地图可视化：

df["工作地址"] = df["工作地址/经验要求/学历要求/招聘人数"].str.split(',', expand=True)[0]
df8 = df.工作地址.str.contains('上海-.*')  # 利用正则表达式进行匹配
df8 = df[df8]
df8 = df8["工作地址"].str.split('-', expand=True)[1]
df8 = df8.astype("str").value_counts()
df8 = df8.sort_values(ascending=False)
regions = df8.index.to_list()
values = df8.to_list()
data_list = list(zip(regions, values))
map_ = (Map(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add("",data_pair=data_list,maptype="上海")    # 修改地图.set_global_opts(legend_opts = opts.LegendOpts(is_show = False),title_opts=opts.TitleOpts(title="公 众 号 ：Python与Excel之交"),visualmap_opts=opts.VisualMapOpts(max_=100,is_piecewise=False)).set_series_opts(label_opts=opts.LabelOpts(is_show = False,font_size=15)))
map_.render_notebook()