就是这么简单！Pyecharts绘制可视化地图大全

您所在的位置：网站首页 › 地图绘制方法有哪些 › 就是这么简单！Pyecharts绘制可视化地图大全

就是这么简单！Pyecharts绘制可视化地图大全

2023-04-21 10:03| 来源: 网络整理| 查看: 265

本文首发于微信公众号里：地址 -- Pyecharts绘制可视化地图专辑

我的个人原创微信公众号：数据STUDIO

微信公众号介绍：一个专注于数据挖掘分析干货分享的公号。分享在学习成长过程中的读书笔记：包括但不限于Python数据分析、数据挖掘算法、数据可视化、网络爬虫、MySQL、Excel等实用知识、趣味应用等。期待您的关注，欢迎一起学习交流进步！

本文内容导图

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:

绘制地图

Pyehcarts共有有四种地理图表，

Map：地图以此为基础，熟悉绘图基本步骤及各个配置项。

Geo：地理坐标系本文重点介绍

BMap：百度地图百度地图需要申请开发者 AK。这里不做细说，大家有兴趣可以去pyecharts官网学习。

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：可查看原文获取。

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。

theme： pyecharts内置提供了10+ 种不同的风格。

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。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。

3、设置系列配置项

.set_series_opts()

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。

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.LINES1、动态涟漪散点图 effectScatter

V1 版本开始支持链式调用

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heatmapfrom 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。

-- 数据STUDIO --

【本文地址】

就是这么简单！Pyecharts绘制可视化地图大全

就是这么简单！Pyecharts绘制可视化地图大全

今日新闻

推荐新闻