1.基础地图

（1）基础结构

from pyecharts.charts import Map
map=Map() # 准备地图对象
data=[ # 数据是由元组组成的列表("北京市",100),("台湾省",99),("上海市",98),("广东省",97)
]
map.add("名称",data,"china") # 添加数据，(名称,数据,地图类型（如中国地图）)
map.render() # 生成地图

（2）全局选项-颜色
颜色查找

from pyecharts.options import VisualMapOpts
map.set_global_opts( # 全局选项visualmap_opts=VisualMapOpts( # 可视化地图的相关设置(如设置颜色)is_show=True, # 展示is_piecewise=True, # 开启手动校准范围pieces=[ # 由字典组成的列表{"min":1,"max":9,"label":"1-9人","color":"#B22222"},{"min":10,"max":19,"label":"10-19人","color":"#A52A2A"},{"min":20,"max":29,"label":"20-29人","color":"#E9967A"},{"min":30,"max":39,"label":"30-39人","color":"#FA8072"},{"min":40,"max":49,"label":"40-49人","color":"#FFA07A"},{"min":50,"max":59,"label":"50-59人","color":"#FFA500"},{"min":60,"max":69,"label":"60-69人","color":"#FF8C00"},{"min":70,"max":79,"label":"70-79人","color":"#FF7F50"},{"min":80,"max":89,"label":"80-89人","color":"#F08080"},{"min":90,"max":99,"label":"90-99人","color":"#FF6347"},])
)

完整代码

from pyecharts.charts import Map # 地图
from pyecharts.options import VisualMapOpts # 可视化地图的相关设置(如设置颜色)map=Map() # 准备地图对象
data=[ # 数据是由元组组成的列表("北京市",99),("台湾省",90),("上海市",80),("广东省",70)
]
map.add("名称",data,"china") # 添加数据，(名称,数据,地图类型（如中国地图）)map.set_global_opts( # 全局选项visualmap_opts=VisualMapOpts( # 可视化地图的相关设置(如设置颜色)is_show=True, # 展示is_piecewise=True, # 开启手动校准范围pieces=[ # 由字典组成的列表{"min":1,"max":9,"label":"1-9人","color":"#B22222"},{"min":10,"max":19,"label":"10-19人","color":"#A52A2A"},{"min":20,"max":29,"label":"20-29人","color":"#E9967A"},{"min":30,"max":39,"label":"30-39人","color":"#FA8072"},{"min":40,"max":49,"label":"40-49人","color":"#FFA07A"},{"min":50,"max":59,"label":"50-59人","color":"#FFA500"},{"min":60,"max":69,"label":"60-69人","color":"#FF8C00"},{"min":70,"max":79,"label":"70-79人","color":"#FF7F50"},{"min":80,"max":89,"label":"80-89人","color":"#F08080"},{"min":90,"max":99,"label":"90-99人","color":"#FF6347"},])
)map.render() # 生成地图

2.国内疫情地图

（1）数据获取
数据下载

（2）前期准备

import json
f = open("D:/地图数据/疫情.txt","r",encoding="UTF-8")
data=f.read()
f.close()
data_dict = json.loads(data)  # json转python

（3）数据处理

data_province_list = data_dict["areaTree"][0]["children"]data_list=[] # 用于存储绘图需要用到的数据列表
for data_province in data_province_list:  # 遍历各个省份的数据province_name = data_province["name"]province_confirm = data_province["total"]["confirm"]data_list.append((province_name,province_confirm)) # 省份名和确诊人数组成元组存入列表，用于绘图

此时data_list ↓

此处需要对省份名规范处理

    if province_name=="内蒙古":province_name="内蒙古自治区"elif province_name=="广西":province_name="广西壮族自治区"elif province_name=="西藏":province_name="西藏自治区"elif province_name=="宁夏":province_name="宁夏回族自治区"elif province_name=="新疆":province_name="新疆维吾尔自治区"elif province_name=="北京" or province_name=="上海" or province_name=="天津" or province_name=="重庆":province_name=province_name+"市"elif province_name=="香港" or province_name=="澳门":province_name=province_name+"特别行政区"else:province_name = province_name + "省"

（4）图像绘制

from pyecharts.charts import Map
map=Map()
map.add("各省份确诊人数",data_list,"china")from pyecharts.options import *
map.set_global_opts(title_opts=TitleOpts(title="全国疫情地图"),visualmap_opts=VisualMapOpts(is_show=True,is_piecewise=True,pieces=[{"min":1,"max":99,"label":"1~99人","color":"#CCFFFF"},{"min":100,"max":999,"label":"100~999人","color":"#FFFF99"},{"min":1000,"max":4999,"label":"1000~4999人","color":"#FF9966"},{"min":5000,"max":9999,"label":"5000~9999人","color":"#FF6666"},{"min":10000,"max":99999,"label":"10000~99999人","color":"#CC3333"},{"min":100000,"label":"100000+","color":"#990033"}])
)
map.render("全国疫情地图.html") # 指定生成文件名,默认render.html

完整代码

import json
f = open("D:/地图数据/疫情.txt","r",encoding="UTF-8")
data=f.read()
f.close()
data_dict = json.loads(data)  # json转python
data_province_list = data_dict["areaTree"][0]["children"]data_list=[] # 用于存储绘图需要用到的数据列表
for data_province in data_province_list:  # 遍历各个省份的数据province_name = data_province["name"]if province_name=="内蒙古":province_name="内蒙古自治区"elif province_name=="广西":province_name="广西壮族自治区"elif province_name=="西藏":province_name="西藏自治区"elif province_name=="宁夏":province_name="宁夏回族自治区"elif province_name=="新疆":province_name="新疆维吾尔自治区"elif province_name=="北京" or province_name=="上海" or province_name=="天津" or province_name=="重庆":province_name=province_name+"市"elif province_name=="香港" or province_name=="澳门":province_name=province_name+"特别行政区"else:province_name = province_name + "省"province_confirm = data_province["total"]["confirm"]data_list.append((province_name,province_confirm)) # 省份名和确诊人数组成元组存入列表，用于绘图from pyecharts.charts import Map
map=Map()
map.add("各省份确诊人数",data_list,"china")from pyecharts.options import *
map.set_global_opts(title_opts=TitleOpts(title="全国疫情地图"),visualmap_opts=VisualMapOpts(is_show=True,is_piecewise=True,pieces=[{"min":1,"max":99,"label":"1~99人","color":"#CCFFFF"},{"min":100,"max":999,"label":"100~999人","color":"#FFFF99"},{"min":1000,"max":4999,"label":"1000~4999人","color":"#FF9966"},{"min":5000,"max":9999,"label":"5000~9999人","color":"#FF6666"},{"min":10000,"max":99999,"label":"10000~99999人","color":"#CC3333"},{"min":100000,"label":"100000+","color":"#990033"}])
)
map.render("全国疫情地图.html") # 指定生成文件名,默认render.html

3.省内疫情地图

以河南省为例（数据与上面相同）
（1）前期准备

import json
f = open("D:/地图数据/疫情.txt","r",encoding="UTF-8")
data=f.read()
f.close()
data_dict = json.loads(data)  # json转python
henan_province_list = data_dict["areaTree"][0]["children"][3]["children"] # 更新

（2）数据处理

data_list=[] # 用于存储绘图需要用到的数据列表
for data_henan in henan_province_list:  # 遍历河南各市henan_name = data_henan["name"]if henan_name=="济源示范区":henan_name="济源市"else:henan_name=henan_name+"市"henan_confirm = data_henan["total"]["confirm"]data_list.append((henan_name,henan_confirm))

（3）图像绘制

from pyecharts.charts import Map
map=Map()
map.add("河南省疫情分布",data_list,"河南")from pyecharts.options import *
map.set_global_opts(title_opts=TitleOpts(title="河南省疫情地图"),visualmap_opts=VisualMapOpts(is_show=True,is_piecewise=True,pieces=[{"min":1,"max":99,"label":"1~99人","color":"#CCFFFF"},{"min":100,"max":999,"label":"100~999人","color":"#FFFF99"},{"min":1000,"max":4999,"label":"1000~4999人","color":"#FF9966"},{"min":5000,"max":9999,"label":"5000~9999人","color":"#FF6666"},{"min":10000,"max":99999,"label":"10000~99999人","color":"#CC3333"},{"min":100000,"label":"100000+","color":"#990033"}])
)
map.render("河南省疫情地图.html")

完整代码

import json
from pyecharts.charts import Map
from pyecharts.options import *f = open("D:/地图数据/疫情.txt","r",encoding="UTF-8")
data=f.read()
f.close()
data_dict = json.loads(data)  # json转python
henan_province_list = data_dict["areaTree"][0]["children"][3]["children"]data_list=[] # 用于存储绘图需要用到的数据列表
for data_henan in henan_province_list:  # 遍历河南各市henan_name = data_henan["name"]if henan_name=="济源示范区":henan_name="济源市"else:henan_name=henan_name+"市"henan_confirm = data_henan["total"]["confirm"]data_list.append((henan_name,henan_confirm))map=Map()
map.add("河南省疫情分布",data_list,"河南")map.set_global_opts(title_opts=TitleOpts(title="河南省疫情地图"),visualmap_opts=VisualMapOpts(is_show=True,is_piecewise=True,pieces=[{"min":1,"max":99,"label":"1~99人","color":"#CCFFFF"},{"min":100,"max":999,"label":"100~999人","color":"#FFFF99"},{"min":1000,"max":4999,"label":"1000~4999人","color":"#FF9966"},{"min":5000,"max":9999,"label":"5000~9999人","color":"#FF6666"},{"min":10000,"max":99999,"label":"10000~99999人","color":"#CC3333"},{"min":100000,"label":"100000+","color":"#990033"}])
)
map.render("河南省疫情地图.html")

8-数据可视化-地图可视化相关推荐

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pyechar ...
第十一章数据可视化 - 地图可视化
目录疫情地图的使用疫情地图-国内疫情地图疫情地图-省级疫情地图疫情地图的使用第一阶段-第十一章-01-数据可视化案例-地图-基础地图使用_哔哩哔哩_bilibili "" ...
Python爬虫之Selenium爬取途牛全国的酒店数据进行地图可视化
因为找不太到途牛的url规律,就只能慢慢爬取数据,由于页面加载的时间很慢,用一台电脑爬取4000+数据可能需要数小时,这里只是简单实现了每个城市的第一页数据,可以在这个基础上实现多个页面一起爬和强化翻 ...
海量大数据地图可视化
在浏览器中基于地图构建应用已经是很广泛的业务需求,随着大数据在地图可视化中的出现,我们遇到了不小的挑战.用户会拿出十万甚至百万数量级的数据,正如您所想象的,在显示此数量的地理编码信息方面存在着一些技术 ...
EXCEL地图可视化功能概览--小O地图EXCEL版0.6.3.0版
前言小O地图EXCEL版软件能干什么? 总结起来,在EXCEL中实现地图浏览.地图任务(处理地理数据).地图可视化.地图标注.地图快照. 本文是对小O地图EXCEL版软件功能的简介,通过本文,能够 ...
python数据可视化地图_python--地图可视化
python地图可视化可用python包Basemap:本篇总结用到百度的Echars,http://echarts.baidu.com/:Echarts 是百度开源的一个数据可视化 JS 库. 安装 ...
地图漫游功能的具体体现_骏谷科技|数据中心三维可视化管理系统功能亮点
原标题:骏谷科技|数据中心三维可视化管理系统功能亮点数据中心三维可视化管理系统功能亮点,可视化管理系统为解决以上痛点应运而生.可视化管理系统结合了传统二维管理系统简单易用的特点,对资产数据等等数据进 ...
数据分析Power BI数据可视化教程（二）——关于切片器和地图可视化教程
Power BI 是基于云的商业数据分析和共享工具,它能帮您把复杂的数据转化成最简洁的视图.通过它,您可以快速创建丰富的可视化交互式报告,即使在外也能用手机端 APP 随时查看.甚至检测公司各项业务的 ...
mongodb 可视化_自动爬取疫情数据、交互式地图可视化
这段时间医护人员前赴后继.奋战在最前线,他们是最可敬的人,相信武汉一定会好起来的,武汉加油! 前两天看到几个学习项目,爬取丁香园网站的疫情数据,存储在MongoDB数据库,以及地图形式的可视化,代码不 ...

8-数据可视化-地图可视化

文章目录

1.基础地图

2.国内疫情地图

3.省内疫情地图

8-数据可视化-地图可视化相关推荐

最新文章

热门文章