用 pyecharts 制作数据可视化大屏之数据地图

林骥

共 2711字,需浏览 6分钟

 ·

2020-12-18 19:55

你好,我是林骥。

前段时间,我看到 20 个炫酷的数据可视化大屏,源代码都是基于 echarts 的,于是我产生了用 Python 来实现数据可视化大屏的想法。

参考上面这个模板,我计划用 pyecharts 实现一个类似的数据可视化大屏。

今天先绘制中间的数据地图,为了方便演示,我们采用一个超市数据集,数据来源于 Tableau 官方示例。

你可以点击左下方阅读原文的链接,用电脑下载到本地之后,把 Excel 数据文件保存到 data 文件夹中。

如果你还没有安装 pyecharts,那么请先打开命令行,运行以下代码:

# 安装或更新 v1 以上版本,目前是 1.9.0pip3 install pyecharts -U

在 Jupyter Lab 中新建一个 Notebook,运行以下代码:

# 声明 Notebook 类型,必须在引入 pyecharts.charts 等模块前声明from pyecharts.globals import CurrentConfig, NotebookTypeCurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
# 导入相关库from pyecharts import options as optsfrom pyecharts.charts import Mapfrom pyecharts.globals import ThemeType import pandas as pd
# 从 data 文件夹读取 Excel 中的数据df = pd.read_excel('./data/超市数据.xlsx')
# 用数据透视表的方法汇总各省销售额province_sale = df.pivot_table(values='销售额', index='省/自治区', aggfunc=sum)
# 把数据整理成绘图所需的列表格式,规范名称,销售额换算成万元,保留一位小数list_province_sale = [list(z) for z in zip(province_sale.index.str.replace('自治区', ''), round(province_sale.销售额/10000, 1))]
# 求各省销售额的最大值max_sale = round(province_sale.销售额.max()/10000,0)
# 标题,数字千分位格式显示title = "{:,}".format(int(province_sale.销售额.sum()))
# 副标题subtitle = '\t\t2016年到2019年总销售额'
# 绘制地图c = ( # 主题样式和背景颜色 Map(init_opts=opts.InitOpts(theme=ThemeType.SHINE, chart_id=1, bg_color='#00589F')) # 添加地图数据 .add("", list_province_sale, "china") # 全局配置 .set_global_opts( # 标题文字 title_opts=opts.TitleOpts(title=title, # 副标题 subtitle=subtitle, # 标题位置 pos_left='39%', pos_top=20, # 标题颜色和大小 title_textstyle_opts=opts.TextStyleOpts(color="#FBC171", font_size=36), # 副标题颜色和大小 subtitle_textstyle_opts=opts.TextStyleOpts(color="#CCCCCC", font_size=15)), # 可视化组件参数 visualmap_opts=opts.VisualMapOpts( # 最大值 max_=max_sale, # 显示精确的分段值 is_piecewise=True, # 图例位置 pos_left='30%', pos_bottom=10, # 图例字体颜色 textstyle_opts=opts.TextStyleOpts(color="#FFFFFF"))) # 隐藏文字标签 .set_series_opts(label_opts=opts.LabelOpts(is_show=False)))
# 在 Jupyter Lab 中第一次渲染时需要调用_ = c.load_javascript()

然后,运行以下代码:

# 需要与 load_javascript 在不同的单元格中运行c.render_notebook()

就能得到如下数据地图:

对于颜色的深浅和气泡的大小,我们的感知能力其实是比较弱的,通常很难精准地判断差异。

从有效传递信息的角度来看,林骥认为上面这种分段式的数据地图,比普通的热力地图和气泡地图更加有效。

下一篇文章,我将用 pyecharts 绘制数据可视化大屏中的其他图表,敬请关注。


数据可视化|用热力地图进行数据分析


长按下方的二维码,关注林骥的公众号,更多干货早知道。
欢迎加入我的免费知识星球,我每天都会在星球内分享读书笔记和思考感悟,点击左下角的阅读原文即可加入。
浏览 101
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报