探索规律:Python地图数据可视化艺术

这篇具有很好参考价值的文章主要介绍了探索规律:Python地图数据可视化艺术。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一 基础地图使用

  • 使用 Pyecharts 构建地图可视化也是很简单的。Pyecharts 支持多种地图类型,包括普通地图、热力图、散点地图等。以下是一个构建简单地图的示例,以中国地图为例:
  1. 首先,确保已安装了Pyecharts 库。可以使用以下命令来安装:

    pip install pyecharts
    
  2. 然后,创建一个 Python 脚本,例如 map_example.py,并输入以下代码:

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

# 准备地图对象
map = Map()
# 准备数据
data = [
    ("北京市", 99),
    ("上海市", 199),
    ("湖南省", 299),
    ("台湾省", 399),
    ("广东省", 499)
]
# 添加数据
map.add("销售额", data, "china")

# 设置全局选项
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 9, "label": "1-9", "color": "#CCFFFF"},
            {"min": 10, "max": 99, "label": "10-99", "color": "#FF6666"},
            {"min": 100, "max": 500, "label": "100-500", "color": "#990033"}
        ]
    )
)

# 绘图
map.render("销售额.html")

  • 使用Pyecharts 的 Map 类来创建地图可视化。通过 add 方法,添加销售额数据,并指定了地图类型为 “china”。然后,通过 set_global_opts 方法设置了图表的标题和视觉映射选项,以控制颜色映射。

  • 运行脚本后,将会生成一个名为 销售额.html 的 HTML 文件,其中包含了一个简单的中国地图。
    探索规律:Python地图数据可视化艺术,驭Python神技:打造编程巨匠之路,信息可视化,python,开发语言

二 国内疫情可视化图表

2.1 实现步骤

  1. 查看数据文件分析json结构,可使用在线json工具进行分析
    探索规律:Python地图数据可视化艺术,驭Python神技:打造编程巨匠之路,信息可视化,python,开发语言
  2. 根据json文件结构获取省份(name)和确诊人数(confirm)数据,并组成列表
import json

# 读取数据文件
f = open("D:/疫情.txt", "r", encoding="UTF-8")
data = f.read()     # 全部数据
# 关闭文件
f.close()
# 取到各省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)        # 基础数据字典
# 从字典中取出省份的数据
province_data_list = data_dict["areaTree"][0]["children"]
# 组装每个省份和确诊人数为元组,并各个省的数据都封装入列表内
data_list = []      # 绘图需要用的数据列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名称
    province_confirm = province_data["total"]["confirm"]    # 确诊人数
    data_list.append((province_name, province_confirm))
  1. 省份的缩写映射到全称处理
# 字典映射省份缩写到全称
province_mapping = {
    '台湾': '台湾省',
    '江苏': '江苏省',
    '云南': '云南省',
    '河南': '河南省',
    '上海': '上海市',
    '湖南': '湖南省',
    '湖北': '湖北省',
    '广东': '广东省',
    '香港': '香港特别行政区',
    '福建': '福建省',
    '浙江': '浙江省',
    '山东': '山东省',
    '四川': '四川省',
    '天津': '天津市',
    '北京': '北京市',
    '陕西': '陕西省',
    '广西': '广西壮族自治区',
    '辽宁': '辽宁省',
    '重庆': '重庆市',
    '澳门': '澳门特别行政区',
    '甘肃': '甘肃省',
    '山西': '山西省',
    '海南': '海南省',
    '内蒙古': '内蒙古自治区',
    '吉林': '吉林省',
    '黑龙江': '黑龙江省',
    '宁夏': '宁夏回族自治区',
    '青海': '青海省',
    '江西': '江西省',
    '贵州': '贵州省',
    '西藏': '西藏自治区',
    '安徽': '安徽省',
    '河北': '河北省',
    '新疆': '新疆维吾尔自治区',
}

# 处理地区名,替换为全称
processed_data=[(province_mapping.get(area, area), value) for area, value in data_list]
print(processed_data)
[('台湾省', 15880), ('江苏省', 1576), ('云南省', 982), ('河南省', 1518), ('上海市', 2408), ('湖南省', 1181), ('湖北省', 68286), 
('广东省', 2978), ('香港特别行政区', 12039), ('福建省', 773), ('浙江省', 1417), ('山东省', 923), ('四川省', 1179), ('天津市', 445),
 ('北京市', 1107), ('陕西省', 668), ('广西壮族自治区', 289), ('辽宁省', 441), ('重庆市', 603), ('澳门特别行政区', 63), ('甘肃省', 199), 
 ('山西省', 255), ('海南省', 190), ('内蒙古自治区', 410), ('吉林省', 574), ('黑龙江省', 1613), ('宁夏回族自治区', 77),
  ('青海省', 18), ('江西省', 937), ('贵州省', 147), ('西藏自治区', 1), ('安徽省', 1008), ('河北省', 1317), ('新疆维吾尔自治区', 980)]

  1. 创建地图,设置颜色分段映射
from pyecharts.charts import Map
from pyecharts.options import *

# 创建地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数", processed_data, "china")
# 设置全局配置,定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,           # 是否显示
        is_piecewise=True,      # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]
    )
)
# 绘图
map.render("全国疫情地图.html")

2.2 完整代码

import json
from pyecharts.charts import Map
from pyecharts.options import *


# 字典映射省份缩写到全称
province_mapping = {
    '台湾': '台湾省',
    '江苏': '江苏省',
    '云南': '云南省',
    '河南': '河南省',
    '上海': '上海市',
    '湖南': '湖南省',
    '湖北': '湖北省',
    '广东': '广东省',
    '香港': '香港特别行政区',
    '福建': '福建省',
    '浙江': '浙江省',
    '山东': '山东省',
    '四川': '四川省',
    '天津': '天津市',
    '北京': '北京市',
    '陕西': '陕西省',
    '广西': '广西壮族自治区',
    '辽宁': '辽宁省',
    '重庆': '重庆市',
    '澳门': '澳门特别行政区',
    '甘肃': '甘肃省',
    '山西': '山西省',
    '海南': '海南省',
    '内蒙古': '内蒙古自治区',
    '吉林': '吉林省',
    '黑龙江': '黑龙江省',
    '宁夏': '宁夏回族自治区',
    '青海': '青海省',
    '江西': '江西省',
    '贵州': '贵州省',
    '西藏': '西藏自治区',
    '安徽': '安徽省',
    '河北': '河北省',
    '新疆': '新疆维吾尔自治区',
}


# 读取数据文件
f = open("C:/疫情.txt", "r", encoding="UTF-8")
data = f.read()     # 全部数据
# 关闭文件
f.close()
# 取到各省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)        # 基础数据字典
# 从字典中取出省份的数据
province_data_list = data_dict["areaTree"][0]["children"]
# 组装每个省份和确诊人数为元组,并各个省的数据都封装入列表内
data_list = []      # 绘图需要用的数据列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名称
    province_confirm = province_data["total"]["confirm"]    # 确诊人数
    data_list.append((province_name, province_confirm))

# 处理地区名,替换为全称
processed_data=[(province_mapping.get(area, area), value) for area, value in data_list]
print(processed_data)

# 创建地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数", processed_data, "china")
# 设置全局配置,定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,           # 是否显示
        is_piecewise=True,      # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]
    )
)
# 绘图
map.render("全国疫情地图.html")

2.3 运行结果

探索规律:Python地图数据可视化艺术,驭Python神技:打造编程巨匠之路,信息可视化,python,开发语言文章来源地址https://www.toymoban.com/news/detail-640347.html

到了这里,关于探索规律:Python地图数据可视化艺术的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数据可视化】Python通过Pyecharts库绘制geo类地图

    我们知道,在数据可视化中的地图可视化分为map类地图和geo类地图,而现在我将介绍geo类地图,会对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着我来一起学习学习吧!(由于我是一位初学者,若有不对的还望大家多多指教,蟹蟹~) 中文官方文档和

    2024年02月04日
    浏览(63)
  • [数据分析与可视化] Python绘制数据地图3-GeoPandas使用要点

    本文主要介绍GeoPandas的使用要点。GeoPandas是一个Python开源项目,旨在提供丰富而简单的地理空间数据处理接口。GeoPandas扩展了Pandas的数据类型,并使用matplotlib进行绘图。GeoPandas官方仓库地址为:GeoPandas。GeoPandas的官方文档地址为:GeoPandas-doc。本文主要参考GeoPandas Examples Gal

    2024年02月09日
    浏览(43)
  • [数据分析与可视化] Python绘制数据地图4-MovingPandas入门指北

    MovingPandas是一个基于Python和GeoPandas的开源地理时空数据处理库,用于处理移动物体的轨迹数据。它提供了一组强大的工具,可以轻松地加载、分析和可视化移动物体的轨迹。通过使用MovingPandas,用户可以轻松地处理和分析移动对象数据,并从中提取有关行为、模式和趋势的见

    2024年02月14日
    浏览(44)
  • 探索Python中的数据可视化利器:Plotly Express

    在数据分析和可视化领域,数据的有效呈现是至关重要的。Python作为一种强大的编程语言,提供了多种数据可视化工具和库。其中,Plotly Express是一款受欢迎的数据可视化库,它提供了简单易用的接口和丰富的图表类型,使得数据可视化变得轻松而愉快。本文将介绍Plotly Exp

    2024年02月10日
    浏览(51)
  • 探索 Python:发现有趣的库——第 1 章:数据可视化之旅

    在一个充满活力的科技世界中,数据分析专家“算法仙”和编程爱好者“代码侠”相遇了,决定一起踏上数据可视化的探险之旅。他们将运用 Matplotlib 和 Seaborn 这两个强大的 Python 库,将枯燥的数据转化为生动的图形。 算法仙 :你好,代码侠!今天我们将一起探索数据可视化

    2024年01月17日
    浏览(46)
  • 数据艺术:精通数据可视化的关键步骤

    数据可视化 是将复杂数据转化为易于理解的图表和图形的过程,帮助我们发现趋势、关联和模式。同时数据可视化也是数字孪生的基础,本文小编带大家用最简单的话语为大家讲解怎么制作一个数据可视化大屏,接下来跟随小编的思路走起来~ 数据可视化最重要的一步便是

    2024年02月10日
    浏览(37)
  • Grafana之魔法:揭秘数据可视化的艺术

    在数据驱动的时代,如何有效地呈现和理解数据成为了每个组织和个人的核心任务。Grafana作为一个领先的开源数据可视化工具,为我们提供了强大的功能和灵活性。本文将深入探讨Grafana的魔法,以及它如何帮助我们更好地理解数据。 Grafana的起源与发展 Grafana最初是为了满足

    2024年02月10日
    浏览(36)
  • 数据可视化:地图

    如何添加颜色表示层级   代码实现 代码实现 相关数据文件在文章开头出获取 但是我直接演示四川的地图 代码示例 结果示例 简简单单直接拿下啦!!! 再见 ヾ( ̄▽ ̄)Bye~Bye~

    2024年02月05日
    浏览(36)
  • 数据可视化:BI热力地图制作

    热力图 时以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。热力图可以显示不可点击区域发生的事情。 热力图 可以直观清楚地看到页面上每一个区域的访客兴趣焦点,无须报告数据分析,图形化展现,无需任何页面分析经验。 上一次带大家过了一遍

    2024年02月07日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包