公众号后台回复“图书“，了解更多号主新书内容
作者：zch
来源：菜J学Python

专栏作者：zch，经管专业研一在读，Python数据分析及可视化爱好者。

有的时候，我们需要对不同国家或地区的某项指标进行比较，可简单通过直方图加以比较。但直方图在视觉上并不能很好突出地区间的差异，因此考虑地理可视化，通过地图上位置（地理位置）和颜色（颜色深浅代表数值差异）两个元素加以体现。在本文案例中，基于第三方库pyecharts，对中国各省2010-2019年的GDP进行绘制。

我们先来看看最终效果：

01

关于绘图数据

基于时间和截面两个维度，可把数据分为截面数据、时间序列及面板数据。在本文案例中，某一年各省的GDP属于截面数据，多年各省的GDP属于面板数据。因此，按照先易后难的原则，先对某一年各省的GDP进行地理可视化，再进一步构建for循环对多年各省的GDP进行可视化，形成最终的时间轮播图。

数据来源：本文案例使用的GDP数据来源于国家统计局官网，可在线下载到本地，保存为csv或excel格式，用pandas中的DataFrame进行读取。

02

地理可视化

一、全国各省单年GDP的可视化

在pyecharts中可使用Map类型实现地理可视化，其原理是通过不同颜色填充以展现不同的数据，options实现图表的调整及修饰。代码展示如下：

import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as optsframe = pd.read_csv('C:\\Users\\dell\\Desktop\\分省年度数据2.csv',encoding='GBK')
map = Map()
map.add("我国地区的GDP",frame[['地区','2019年']].values.tolist(),"china")
map.set_global_opts(visualmap_opts=opts.VisualMapOpts(min_=500,max_=12000))
map.render("2019年全国各地区GDP.html")

解析：add()来实现了数据的加载，在配置3个参数中——第1个是图的标题，第2个通过.values.tolist()加载要显示的数据，第3个"china"确保显示的地图类型是中国。有个细节需要注意，Map 使用的中国各省份需要将全部的省、市、自治区等去掉。set_global_opts()实现了用颜色标记数据的数值大小，参数min_和max_分别代表最小值和最大值。render()用于生成并保存图像。

效果如下：

然而数据分布并不平均，可以通过is_piecewise 属性表述分段自定义不同的颜色区间：

geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=[{"min":0,"max":10000,"label":"1~10000","color":"cyan"},{"min":10001,"max":20000,"label":"10001~20000","color":"yellow"},{"min":20001,"max":50000,"label":"20001~50000","color":"orange"},{"min":50001,"max":80000,"label":"50001~80000","color":"coral"},{"min":80001,"max":120000,"label":"80001~120000","color":"red"},]
))

效果如下：

二、全国各省多年GDP的可视化

由于要绘制2010-2019年的GDP数据，可以考虑构建一个for循环，通过str(i)+"年"的形式访问数据表格中处于不同列的各年GDP数据。绘制轮播图可考虑调用Timeline，代码如下：

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map, Timelineframe = pd.read_csv('C:\\Users\\dell\\Desktop\\分省年度数据2.csv',encoding='GBK')
tl = Timeline()
for i in range(2010, 2020):map0 = (Map().add("省份",frame[['地区',str(i)+'年']].values.tolist(), "china").set_global_opts(title_opts=opts.TitleOpts(title="Map-{}年GDP（亿元）".format(i)),visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=[{"min":0,"max":10000,"label":"1~10000","color":"cyan"},{"min":10001,"max":20000,"label":"10001~20000","color":"yellow"},{"min":20001,"max":50000,"label":"20001~50000","color":"orange"},{"min":50001,"max":80000,"label":"50001~80000","color":"coral"},{"min":80001,"max":120000,"label":"80001~12000","color":"red"},]   ),))tl.add(map0, "{}年".format(i))
tl.render("2010~2019年全国各地区GDP.html")

效果如下：

03

小结

本案例的实现并不复杂，在pyecharts官方的参考案例基础上稍加改动即可实现。作为一名初学者，模仿案例是提升功力的重要途径，通过模仿可以有效吃透代码要具体实现的功能，量变到质变，就能根据自己工作和学习的需要进行灵活应用。

◆ ◆ ◆  ◆ ◆麟哥新书已经在当当上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前当当正在举行活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。
管理员二维码：
猜你喜欢
● 卧槽！原来爬取B站弹幕这么简单● 厉害了！麟哥新书登顶京东销量排行榜！● 笑死人不偿命的知乎沙雕问题排行榜
● 用Python扒出B站那些“惊为天人”的阿婆主！● 你相信逛B站也能学编程吗