做建筑设计网站,wordpress大学模板,河西网站建设制作,教育培训机构有哪些文章目录 一 基础地图使用二 国内疫情可视化图表2.1 实现步骤2.2 完整代码2.3 运行结果 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#xff0c;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#xff0c;以… 文章目录 一 基础地图使用二 国内疫情可视化图表2.1 实现步骤2.2 完整代码2.3 运行结果 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 首先确保已安装了Pyecharts 库。可以使用以下命令来安装 pip install pyecharts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_optsVisualMapOpts(is_showTrue,is_piecewiseTrue,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。
二 国内疫情可视化图表
2.1 实现步骤
查看数据文件分析json结构可使用在线json工具进行分析 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, encodingUTF-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))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)]
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_optsTitleOpts(title全国疫情地图),visualmap_optsVisualMapOpts(is_showTrue, # 是否显示is_piecewiseTrue, # 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, encodingUTF-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_optsTitleOpts(title全国疫情地图),visualmap_optsVisualMapOpts(is_showTrue, # 是否显示is_piecewiseTrue, # 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
