用 pyecharts 制作数据可视化大屏之数据地图-技术圈

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

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。