有的時候，我們需要對不同國家或地區(qū)的某項指標進行比較，可簡單通過直方圖加以比較。但直方圖在視覺上并不能很好突出地區(qū)間的差異，因此考慮地理可視化，通過地圖上位置（地理位置）和顏色（顏色深淺代表數(shù)值差異）兩個元素加以體現(xiàn)。在本文案例中，基于第三方庫pyecharts，對中國各省2010-2019年的GDP進行繪制。

我們先來看看最終效果：

關于繪圖數(shù)據(jù)

基于時間和截面兩個維度，可把數(shù)據(jù)分為截面數(shù)據(jù)、時間序列及面板數(shù)據(jù)。在本文案例中，某一年各省的GDP屬于截面數(shù)據(jù)，多年各省的GDP屬于面板數(shù)據(jù)。因此，按照先易后難的原則，先對某一年各省的GDP進行地理可視化，再進一步構(gòu)建for循環(huán)對多年各省的GDP進行可視化，形成最終的時間輪播圖。

數(shù)據(jù)來源：本文案例使用的GDP數(shù)據(jù)來源于國家統(tǒng)計局官網(wǎng)，可在線下載到本地，保存為csv或excel格式，用pandas中的DataFrame進行讀取。

地理可視化

在pyecharts中可使用Map類型實現(xiàn)地理可視化，其原理是通過不同顏色填充以展現(xiàn)不同的數(shù)據(jù)，options實現(xiàn)圖表的調(diào)整及修飾。代碼展示如下：

import pandas as pdfrom pyecharts.charts import Mapimport pyecharts.options as optsframe = pd.read_csv(’C:UsersdellDesktop分省年度數(shù)據(jù)2.csv’,encoding=’GBK’)map = Map()map.add('我國地區(qū)的GDP',frame[[’地區(qū)’,’2019年’]].values.tolist(),'china')map.set_global_opts(visualmap_opts=opts.VisualMapOpts(min_=500,max_=12000))map.render('2019年全國各地區(qū)GDP.html')

解析：add()來實現(xiàn)了數(shù)據(jù)的加載，在配置3個參數(shù)中——第1個是圖的標題，第2個通過.values.tolist()加載要顯示的數(shù)據(jù)，第3個'china'確保顯示的地圖類型是中國。有個細節(jié)需要注意，Map 使用的中國各省份需要將全部的省、市、自治區(qū)等去掉。set_global_opts()實現(xiàn)了用顏色標記數(shù)據(jù)的數(shù)值大小，參數(shù)min_和max_分別代表最小值和最大值。render()用于生成并保存圖像。

效果如下：

然而數(shù)據(jù)分布并不平均，可以通過is_piecewise 屬性表述分段自定義不同的顏色區(qū)間：

geo.set_global_opts(visualmap_opts=opts.VisualMapOpts( is_piecewise=True, pieces=[{'min':0,'max':10000,'label':'1~10000','color':'cyan'},{'min':10001,'max':20000,'label':'10001~20000','color':'yellow'},{'min':20001,'max':50000,'label':'20001~50000','color':'orange'},{'min':50001,'max':80000,'label':'50001~80000','color':'coral'},{'min':80001,'max':120000,'label':'80001~120000','color':'red'}, ] ))

效果如下：

由于要繪制2010-2019年的GDP數(shù)據(jù)，可以考慮構(gòu)建一個for循環(huán)，通過str(i)+'年'的形式訪問數(shù)據(jù)表格中處于不同列的各年GDP數(shù)據(jù)。繪制輪播圖可考慮調(diào)用Timeline，代碼如下：

import pandas as pdfrom pyecharts import options as optsfrom pyecharts.charts import Map, Timelineframe = pd.read_csv(’C:UsersdellDesktop分省年度數(shù)據(jù)2.csv’,encoding=’GBK’)tl = Timeline()for i in range(2010, 2020): map0 = (Map().add('省份',frame[[’地區(qū)’,str(i)+’年’]].values.tolist(), 'china').set_global_opts( title_opts=opts.TitleOpts(title='Map-{}年GDP（億元）'.format(i)), visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=[ {'min':0,'max':10000,'label':'1~10000','color':'cyan'}, {'min':10001,'max':20000,'label':'10001~20000','color':'yellow'}, {'min':20001,'max':50000,'label':'20001~50000','color':'orange'}, {'min':50001,'max':80000,'label':'50001~80000','color':'coral'}, {'min':80001,'max':120000,'label':'80001~12000','color':'red'},] ),)) tl.add(map0, '{}年'.format(i))tl.render('2010~2019年全國各地區(qū)GDP.html')

效果如下：

本案例的實現(xiàn)并不復雜，在pyecharts官方的參考案例基礎上稍加改動即可實現(xiàn)。作為一名初學者，模仿案例是提升功力的重要途徑，通過模仿可以有效吃透代碼要具體實現(xiàn)的功能，量變到質(zhì)變，就能根據(jù)自己工作和學習的需要進行靈活應用。

以上就是python用pyecharts實現(xiàn)地圖數(shù)據(jù)可視化的詳細內(nèi)容，更多關于python pyecharts實現(xiàn)地圖數(shù)據(jù)可視化的資料請關注好吧啦網(wǎng)其它相關文章！