搜索

就是这么简单！Pyecharts绘制可视化地图专辑

大邓和他的Python

共 25162字，需浏览 51分钟

 · 2021-05-29

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 Python 进行对接，方便在 Python 中直接使用数据生成图。

Pyecharts绘制地图如此轻松，几行代码搞定多种形式的数据地图。

安装

首先需要安装python第三方包 -- pyecharts， 目前最新版本为1.8.1。

pip install pyecharts

自从 v0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts项目的轻量化运行，pyecharts将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。下面介绍如何安装。

  • 全球国家地图: echarts-countries-pypkg (1.9MB): 世界地图和 213 个国家，包括中国地图
  • 中国省级地图: echarts-china-provinces-pypkg (730KB)：23 个省，5 个自治区
  • 中国市级地图: echarts-china-cities-pypkg (3.8MB)：370 个中国城市
  • 中国县区级地图: echarts-china-counties-pypkg (4.1MB)：2882 个中国县·区
  • 中国区域地图: echarts-china-misc-pypkg (148KB)：11 个中国区域地图，比如华南、华北

选择自己需要安装地图相关的扩展包。

pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg
pip install echarts-china-misc-pypkg
pip install echarts-united-kingdom-pypkg

可以选择豆瓣源或清华源加速安装。

pip install pyecharts -i http://pypi.douban.com/simple 
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg

pyecharts版本 v0.5.x 和 v1 间不兼容，v1 是一个全新的版本，语法也有很大不同。

查看pyecharts版本。

import pyecharts
print(pyecharts.__version__)         

做好准备后，就可以开始绘图了。如果你是新手，对pyehcarts还有些陌生，可以参见官方5分钟上手:
https://pyecharts.org/#/zh-cn/quickstart?id=_5-分钟上手

绘制地图

Pyehcarts共有有四种地理图表，

  • Map：地图
    (https://pyecharts.org/#/zh-cn/geography_charts?id=map：地图)

    以此为基础，熟悉绘图基本步骤及各个配置项。

  • Geo：地理坐标系
    (https://pyecharts.org/#/zh-cn/geography_charts?id=geo：地理坐标系)

    本文重点介绍

  • BMap：百度地图
    (https://pyecharts.org/#/zh-cn/geography_charts?id=bmap：百度地图)
    百度地图需要申请开发者 AK，(https://lbsyun.baidu.com/)。这里不做细说，大家有兴趣可以去pyecharts官网学习。

  • Map3D：三维地图 (https://pyecharts.org/#/zh-cn/3d_charts?id=map3d-三维地图)

一、Map

以星巴克门店在全球的分布为例。本例数据来源Kaggle星巴克数据：https://www.kaggle.com/starbucks/store-locations

也可公众号「数据STUDIO」后台回复【星巴克】获取。

数据样例：

from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import ThemeType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/'
# 参考 https://github.com/pyecharts/pyecharts-assets

df = starbuck['English']
data = df.value_counts()
datas = [(i, int(j)) for i, j in zip(data.index, data.values)]

# 实例化一个Map对象
map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))

# 世界地图
map_.add(series_name="门店数量", data_pair=datas, maptype="world")

# 设置系列配置项
map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False))   # 不显示label
# 设置全局配置项
map_.set_global_opts(
     title_opts=opts.TitleOpts(title="星巴克门店数量在全球分布", 
                               pos_left='40%', 
                               pos_top='10'),   # 调整title位置
     legend_opts=opts.LegendOpts(is_show=False),
     visualmap_opts=opts.VisualMapOpts(
         max_=13608, 
         min_=1, 
         is_piecewise=True,
       pieces=[{"max": 9, "min": 1, "label": "1-9", "color": "#00FFFF"},
                 {"max": 99, "min": 10, "label": "10-99", "color": "#FF69B4"},
                 {"max": 499, "min": 100, "label": "100-499", "color": "#0000FF"},
                 {"max": 999, "min": 500, "label": "500-999", "color": "#00BFFF"},
                 {"max": 2000, "min": 1000, "label": "1000-2000", "color": "#228B22"},
                 {"max": 3000, "min": 2000, "label": "2000-3000", "color": "#FF0000"},
                 {"max": 20000, "min": 10000, "label": ">=10000", "color": "#FFD700"}
                ] # 分段  添加图例注释和颜色
     )
)
# 渲染在网页上   有交互性
map_.render('星巴克门店在全球的分布.html')

输出

绘图步骤：

1、创建实例

Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))

创建实例并初始化配置。

可配置图表宽度、高度、渲染风格、标题、主题、背景颜色等，详情参见下面连接
https://pyecharts.org/#/zh-cn/global_options?id=initopts：初始化配置项

theme： pyecharts内置提供了10+ 种不同的风格, 参见
https://pyecharts.org/#/zh-cn/themes

2、添加数据

.add()添加了数据。

  • series_name： 系列名称，用于 tooltip 的显示，legend 的图例筛选。

  • data_pair： 数据项，每个数据项由一个个元组组成：(坐标点名称，坐标点值)    实际上一个是地区名称另一个是对应的数据。

    pyecharts绘制地图只需导入城市名称和数值即可，因为区县级以上城市的经纬度信息都已经在模块中存在，可以在
    https://github.com/pyecharts/pyecharts/blob/master/pyecharts/datasets/city_coordinates.json中找到。

    本实例中是国家名称与门店数量组成的数据项。

    [('United States', 13608),
     ('China', 2734),
     ('Canada', 1468),
     ('Japan', 1237),
     ...
     ]

  • maptype='world'，这里是指地图类型，默认为china中国。

    地图类型请参见：https://github.com/pyecharts/pyecharts/blob/master/pyecharts/datasets/map_filename.json

3、设置系列配置项

.set_series_opts()

https://pyecharts.org/#/zh-cn/series_options

除了在.add()中设置部分配置项外，就是使用.set_series_opts()配置图元样式、文字样式、标签样式、点线样式等。

4、设置全局配置项

.set_global_opts() 配置标题、动画、坐标轴、图例等。
https://pyecharts.org/#/zh-cn/global_options

本实例中：

  • min_： 指定 visualMapPiecewise 组件的最小值。
  • max_： 指定 visualMapPiecewise 组件的最大值。
  • is_piecewise： 是否为分段型。
  • pieces： 自定义的每一段的范围，以及每一段的文字，以及每一段的特别的样式。

5、生成的地图以html格式保存

.render()将生成的地图以html格式保存。

二、Geo

Geo 图类型，使用type_: str = "scatter" 参数控制。

有 scatter, effectScatter, heatmap, lines4 种。

from pyecharts.globals import GeoType    
GeoType.GeoType.EFFECT_SCATTER，GeoType.HEATMAP，GeoType.LINES

1、动态涟漪散点图 effectScatter

V1 版本开始支持链式调用，本例数据可「数据STUDIO」后台回复【星巴克】获取。

数据样例：

import pandas as pd
from pyecharts.globals import ThemeType, CurrentConfig, GeoType
from pyecharts import options as opts
from pyecharts.charts import Geo

CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/'
# pandas读取csv文件数据
df = pd.read_csv('directory2.csv', encoding='utf-8')['城市']
data = df.value_counts()
#自定义各城市的经纬度
# geo_cities_coords = {df.iloc[i]['城市']:[df.iloc[i]['经度'],df.iloc[i]['纬度']] for i in range(len(df))}

datas = [(i, int(j)) for i, j in zip(data.index, data.values)]
print(datas)

geo = (Geo(init_opts=opts.InitOpts(width='1000px', 
                                   height='600px', 
                                   theme=ThemeType.PURPLE_PASSION),
           is_ignore_nonexistent_coord = True)
       .add_schema(maptype='china', 
                   label_opts=opts.LabelOpts(is_show=True))   # 显示label  省名
       .add('门店数量', 
            data_pair=datas, 
            type_=GeoType.EFFECT_SCATTER, 
            symbol_size=8,
            # geo_cities_coords=geo_cities_coords
           )
       .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
       .set_global_opts(
           title_opts=opts.TitleOpts(title='星巴克门店在中国的分布'),
           visualmap_opts=opts.VisualMapOpts(max_=550,
                                             is_piecewise=True,
                                             pieces=[
                     {"max": 50, "min": 0, "label": "0-50", "color": "#708090"},
                     {"max": 100, "min": 51, "label": "51-100", "color": "#00FFFF"},
                     {"max": 200, "min": 101, "label": "101-200", "color": "#FF69B4"},
                     {"max": 400, "min": 201, "label": "201-400", "color": "#FFD700"},
                     {"max": 800, "min": 600, "label": "600-800", "color": "#FF0000"},])
       )
      )

geo.render("星巴克门店在中国的分布.html")

输出

Geo新增坐标点

# 新增一个坐标点
.add_coordinate(    
    # 坐标地点名称    
    name: str,     
    # 经度    
    longitude: Numeric,     
    # 纬度    
    latitude: Numeric, )
# 新增 json 文件格式的坐标数据
.add_coordinate_json(
    # json 文件格式的坐标数据
    # 格式如下
    # {
    #   "阿城": [126.58, 45.32],
    #   "阿克苏": [80.19, 41.09]
    # }
    json_file: str # 坐标文件路径
)

2、热力图heatmap

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/'

# pandas读取csv文件数据
df = pd.read_csv('directory2.csv', encoding='utf-8')['城市']
data = df.value_counts()

datas = [(i, int(j)) for i, j in zip(data.index, data.values)]
print(datas)
geo = (
    Geo(init_opts=opts.InitOpts(width='1000px', 
                                height='600px', 
                                theme=ThemeType.DARK),
        is_ignore_nonexistent_coord=True)
    .add_schema(maptype="china")                       #maptype选择地图种类
    .add(series_name="门店数量",      # 系列名称
         data_pair=datas,          # 数据项 (坐标点名称，坐标点值)
         blur_size=20,
         symbol_size= 5,
         type_=ChartType.HEATMAP  #类型选为热力图
         )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(max_=800,is_piecewise=True),
        title_opts=opts.TitleOpts(title="星巴克门店在中国的分布热力图"))
)
geo.render( '星巴克门店在中国的分布热力图.html')

输出

3、动态轨迹图lines

pyecharts可以生成地理空间流动图，用来表示航班数量、人口流动等等。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import ChartType, SymbolType, CurrentConfig
import  random

datas = []
for _ in range(6):
    datas.append(tuple(random.sample(Faker.provinces, 2)))
    
CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/'
geo = (
    Geo(init_opts=opts.InitOpts(width='1000px', 
                                height='600px', 
                                theme=ThemeType.CHALK))
    .add_schema(
        maptype="china",
        itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),
        label_opts=opts.LabelOpts(is_show=True)
    )
    .add(
        "",
        [list(z) for z in zip(Faker.provinces, Faker.values())],
        type_=ChartType.EFFECT_SCATTER,
        color="white",
    )
    .add(
        "出差",
        data_pair = datas,
        type_=ChartType.LINES,
        effect_opts=opts.EffectOpts(
            symbol=SymbolType.DIAMOND, symbol_size=6, color="blue"
        ),
        linestyle_opts=opts.LineStyleOpts(curve=0.2),
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="动态轨迹图"))
    .render("动态轨迹图.html")
)

输出

如果需要再添加一个其他类别的动态轨迹，只需在链式中添加：

.add('旅游',
     [('上海','拉萨'),('拉萨','大理'),('大理','成都'),('成都','海口')],
     type_=ChartType.LINES,
     effect_opts=opts.EffectOpts(
         symbol=SymbolType.ARROW, symbol_size=6, color="orange"),
     linestyle_opts=opts.LineStyleOpts(curve=0.5)
    )

输出如下，可以点击图例来筛选类别。

这边用到两个配置项：

  • effect_opts= opts.EffectOpts(symbol)涟漪特效配置项

    https://pyecharts.org/#/zh-cn/series_options?id=effectopts：涟漪特效配置项

    symbol： 特效图形的标记。

    ECharts 提供的标记类型包括 'circle', 'rect', 'roundRect', 'triangle', diamond', 'pin', 'arrow', 'none'，

    可以通过 'image://url' 设置为图片，其中 URL 为图片的链接，或者 dataURI。

  • linestyle_opts=opts.LineStyleOpts(curve=0.2)线样式配置项

    https://pyecharts.org/#/zh-cn/series_options?id=linestyleopts：线样式配置项

    curve： 线的弯曲度，0 表示完全不弯曲。

4、三维地图

from pyecharts import options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType
from pyecharts.commons.utils import JsCode

c = (
    Map3D(init_opts=opts.InitOpts(width='1000px', 
                                height='600px', 
                                theme=ThemeType.VINTAGE))
    # 地图类型
    .add_schema(
        itemstyle_opts=opts.ItemStyleOpts( # 图形的颜色
            color="#00BFFF", # 或 'rgb(128, 128, 128)'
            opacity=1, # 图形透明度
            border_width=0.8, # 描边宽度
            border_color="#708090", # 描边颜色
        ),
        # Map3D 的 Label 设置
        map3d_label=opts.Map3DLabelOpts(
            is_show=False,
            formatter=JsCode("function(data){return data.name + " " + data.value[2];}"),
        ),
        
        # 高亮标签配置项
        emphasis_label_opts=opts.LabelOpts(
            is_show=False,
            color="#fff",
            font_size=10,
            background_color="rgba(0,23,11,0)",
        ),
        
        # 光照相关的设置。
        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,
        ),
    )
    .add(
        series_name="门店数量",
        data_pair=datas,
        # 叠加图的类型
        type_=ChartType.BAR3D,
        bar_size=1,
        
        # 三维地图中三维图形的着色效果。
        shading="lambert",
        label_opts=opts.LabelOpts(
            is_show=False,
            formatter=JsCode("function(data){return data.name + ' ' + data.value[2];}"),
        ),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="星巴克门店在中国的分布3D图"))
    .render("map3d_with_bar3d.html")
)

输出

本例中的主要参数说明：

.add_schema()

地图类型设置，参考pyecharts.datasets.map_filenames.json 文件

  • itemstyle_opts=opts.ItemStyleOpts( ) 图形的颜色
  • map3d_label=opts.Map3DLabelOpts() Map3D 的 Label 设置
  • emphasis_label_opts=opts.LabelOpts() 高亮标签配置项参考 series_options.LabelOpts
  • light_opts=opts.Map3DLightOpts() 光照相关的设置。在 shading 为 'color' 的时候无效。

.add()

  • type_=ChartType.BAR3D, 叠加图的类型（目前只支持Bar3D，Line3D，Lines3D，Scatter3D）

  • shading="lambert"

    三维地图中三维图形的着色效果。ECharts GL 中使用了基于物理的渲染（PBR）来表现真实感材质。echarts-gl 中支持下面三种着色方式：color: 只显示颜色，不受光照等其它因素的影响。
    lambert: 通过经典的 lambert 着色表现光照带来的明暗。
    realistic: 真实感渲染，配合 light.ambientCubemap 和 postEffect 使用可以让展示的画面效果和质感有质的提升。

5、Globe地图

数据来源是pyecharts自带的全球人口数据。

import pyecharts.options as opts
from pyecharts.charts import MapGlobe
from pyecharts.faker import POPULATION
from pyecharts.globals import ThemeType

data = [x for _, x in POPULATION[1:]]
low, high = min(data), max(data)

c = (
    MapGlobe(init_opts=opts.InitOpts(theme=ThemeType.DARK))
    .add_schema()
    .add(
        maptype="world",
        series_name="World Population",
        data_pair=POPULATION[1:],
        is_map_symbol_show=False,
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(
            min_=low,
            max_=high,
            range_text=["max", "min"],
            is_calculable=True,
            range_color=["lightskyblue", "yellow", "orangered"],
        )
    )
    .render("map_globe_base.html")
)

输出

本文到此结束，总体来说Pyecharts地图绘图还是比较友好，在不需要多么炫酷的配置前提下，只需要将输入数据格式和类型弄清楚，其余默认配置即可。

对地图样式有一定要求时，只需要根据官网上的配置信息调整全局配置项和系列配置项即可。

精选文章

系列视频|Python网络爬虫与文本数据分析
语法最简单的微博通用爬虫weibo_crawler
hiResearch 定义自己的科研首页
大邓github汇总， 觉得有用记得star
multistop ~ 多语言停用词库
Jaal 库 轻松绘制动态社交网络关系图
addressparser中文地址提取工具
来自kaggle最佳数据分析实践
B站视频 | Python自动化办公
SciencePlots | 科研样式绘图库
使用streamlit上线中文文本分析网站
bsite库 | 采集B站视频信息、评论数据
texthero包 | 支持dataframe的文本分析包
爬虫实战 | 采集&可视化知乎问题的回答
reticulate包 | 在Rmarkdown中调用Python代码
plydata库 | 数据操作管道操作符>>
plotnine: Python版的ggplot2作图库
读完本文你就了解什么是文本分析
文本分析在经管领域中的应用概述  
综述:文本分析在市场营销研究中的应用
plotnine: Python版的ggplot2作图库
Wow~70G上市公司定期报告数据集
漂亮~pandas可以无缝衔接Bokeh  
YelpDaset: 酒店管理类数据集10+G  

    “分享”和“在看”是更好的支持

浏览 109
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
美团社招一面，比预想的简单。
面试题大全：www.javacn.site面试这件事就很玄学，有时候你觉得他可能很难，但面完之后竟然出奇的顺利，问的问题你都会；有些你觉得这次面试应该很简单，但去了之后就被问懵了，所以面试这件事有很多一部分运气的成分。所以说，在没有 Offer 之前就是多准备、楞怂面，主打一个大力出奇迹。这不，逛牛
Java中文社群
0
日常搬砖，Service层接口，就是多此一举！
今天我们要探讨的问题是：Service层需要接口？现在结合我参与的项目以及阅读的一些项目源码来看。如果「项目中使用了像Spring这样的依赖注入框架，那可以不用接口」！先来说说为什么使用了依赖注入框架以后，可以不使用接口！不需要接口的理由我整理了支持Service层和Dao层需要加上接口的理由，总结
java金融
0
led没那么简单，
最近项目上遇到LED的问题，硬是把不用加班的时间搞到周末都需要加班分析问题，而且冷静下来之后发现都是非常简单的小细节，也正是这些小细节让我们受挫，而且也不能说是谁谁的问题，因为出了问题都是有责任的。所以我一直信奉之前团队的一句话，即使是一个GPIO口的变动，都需要认真谨慎。我这里提到的LED不简单，
嵌入式Linux
10
这两个BI可视化软件如何选择？亲测推荐
如果你是用过BI，一定在Power BI和Tableau中纠结过，到底该用哪一个?这两个都是很不错的BI可视化软件，在Gartner BI排名中名列前二，Power BI更出圈，Tableau则在中大型公司中用的多。具体用哪个，标准很简单，主要看你工作中的需求，公司用哪个BI就学哪个。如果你暂时用不
Python大数据分析
8
排名问题新解法：探索可视化计算中的 RANK 函数
上次我们介绍了可视化计算替代 DAX 计算的一些场景。参考：PowerBI 进阶：可视化计算替代 DAX 场景探索今天我们介绍一个新的场景，这是一个困扰许多人的问题，排名问题。在 DAX 中，很多新手小白对于上下文概念还不太理解，但在处理排名问题时又要求你必须理解一些上下文，比如常见的绝对排名和相对
PowerBI战友联盟
8
实战必备-数据清洗、数据存储、数据可视化-《AKShare-初阶-实战应用》
✔️课程介绍本课程主要给大家介绍 AKShare 的实战应用部分，主要包括对 AKShare 获取到的数据进行数据清洗，数据存储和数据可视化。课中会提供我们在进行数据处理中的最佳实践！课程目录✔️获取方式如下：  直接购买订阅： ¥39.8/年🔗扫码进入课程店铺：🔅懒得
数据科学实战
31
笑死！哈哈哈，小米汽车都这么牛逼了，为啥还要加装个手机支架？是不是车载导航不行？
大家好周六本来没啥值得写的，晚上刷到周鸿祎的一个视频，引发我的一点表达欲小米汽车发布会上，雷军介绍他们的特色功能时，提到他们专门给汽车做了个手机支架扩展，因为市面上的汽车都没有这个功能，所以他拿出来炫耀了一把。我当时第一感觉就是，都这么先进的电车了，为啥还要搞个手机支架，直接用汽车的大屏导航不就行了
python之禅
0
iMeta | 最全可视化韦恩图和集合图工具EVenn使用手册
通讯点击蓝字 关注我们最全可视化集合工具EVenn使用手册iMeta主页：http://www.imeta.science研究论文● 原文链接DOI: https://doi.org/10.1002/imt2.184● 2024年4月11日，中国中医科学院陈同、黄璐琦和中国农科院
生信宝典
0
支付系统就该这么设计，稳的一批！！
支付永远是一个公司的核心领域，因为这是一个有交易属性公司的命脉。那么，支付系统到底长什么样，又是怎么运行交互的呢?抛开带有支付牌照的金融公司的支付架构，下述链路和系统组成基本上符合绝大多数支付场景。其实整体可以看成是交易核心+支付核心 两个大系统。交易系统关联了业务场景和底层支付，而支付系统完成了调
程序员闪充宝
10
1000Mbps换算成MB/s是多少？除以8？想简单了
原文链接：https://post.smzdm.com/p/azoqenzp/在网络传输的时候，往往会用到Mbps这个单位，GbE or 1 GigE 的网卡现在很流行，这个东西被大家叫做“千兆网卡”。同时，大家特别习惯用GB或者MB来描述一个磁盘的大小。这个叫做Gigabyte或者Megabyte
DevOps技术栈
10
点赞
评论
收藏
分享

手机扫一扫分享

举报