
來源:數(shù)據(jù)STUDIO
作者:云朵君
Pyecharts 是一個用于生成 Echarts 圖表的類庫。Echarts 是百度開源的一個數(shù)據(jù)可視化 JS 庫。用 Echarts 生成的圖可視化效果非常棒,pyecharts 是為了與 Python 進行對接,方便在 Python 中直接使用數(shù)據(jù)生成圖。
Pyecharts繪制地圖如此輕松,幾行代碼搞定多種形式的數(shù)據(jù)地圖。
首先需要安裝python第三方包 -- pyecharts, 目前最新版本為1.8.1。
pip install pyecharts
自從 v0.3.2 開始,為了縮減項目本身的體積以及維持 pyecharts項目的輕量化運行,pyecharts將不再自帶地圖 js 文件。如用戶需要用到地圖圖表,可自行安裝對應的地圖文件包。下面介紹如何安裝。
選擇自己需要安裝地圖相關(guān)的擴展包。
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
可以選擇豆瓣源或清華源加速安裝。
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 間不兼容,v1 是一個全新的版本,語法也有很大不同。
查看pyecharts版本。
import pyecharts print(pyecharts.__version__)
做好準備后,就可以開始繪圖了。如果你是新手,對pyehcarts還有些陌生,可以參見官方5分鐘上手:
Pyehcarts共有有四種地理圖表,
以星巴克門店在全球的分布為例。本例數(shù)據(jù)來源Kaggle星巴克數(shù)據(jù):https://www.kaggle.com/starbucks/store-locations
數(shù)據(jù)樣例:
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/' # 參考 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)] # 實例化一個Map對象 map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION)) # 世界地圖 map_.add(series_name="門店數(shù)量", data_pair=datas, maptype="world") # 設(shè)置系列配置項 map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不顯示label # 設(shè)置全局配置項 map_.set_global_opts(
title_opts=opts.TitleOpts(title="星巴克門店數(shù)量在全球分布",
pos_left='40%',
pos_top='10'), # 調(diào)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 添加圖例注釋和顏色 )
) # 渲染在網(wǎng)頁上 有交互性 map_.render('星巴克門店在全球的分布.html')
輸出
1、創(chuàng)建實例
Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))
創(chuàng)建實例并初始化配置。
可配置圖表寬度、高度、渲染風格、標題、主題、背景顏色等,詳情參見下面連接
https://pyecharts.org/#/zh-cn/global_options?id=initopts:初始化配置項
theme: pyecharts內(nèi)置提供了10+ 種不同的風格, 參見
https://pyecharts.org/#/zh-cn/themes
2、添加數(shù)據(jù)
.add()添加了數(shù)據(jù)。
3、設(shè)置系列配置項
.set_series_opts()
https://pyecharts.org/#/zh-cn/series_options
除了在.add()中設(shè)置部分配置項外,就是使用.set_series_opts()配置圖元樣式、文字樣式、標簽樣式、點線樣式等。
4、設(shè)置全局配置項
.set_global_opts() 配置標題、動畫、坐標軸、圖例等。
https://pyecharts.org/#/zh-cn/global_options
本實例中:
5、生成的地圖以html格式保存
.render()將生成的地圖以html格式保存。
Geo 圖類型,使用type_: str = "scatter" 參數(shù)控制。
有 scatter, effectScatter, heatmap, lines4 種。
from pyecharts.globals import GeoType GeoType.GeoType.EFFECT_SCATTER,GeoType.HEATMAP,GeoType.LINES
1、動態(tài)漣漪散點圖 effectScatter
V1 版本開始支持鏈式調(diào)用。
數(shù)據(jù)樣例:
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讀取csv文件數(shù)據(jù) df = pd.read_csv('directory2.csv', encoding='utf-8')['城市']
data = df.value_counts() #自定義各城市的經(jīng)緯度 # geo_cities_coords = {df.iloc[i]['城市']:[df.iloc[i]['經(jīng)度'],df.iloc[i]['緯度']] 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)) # 顯示label 省名 .add('門店數(shù)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='星巴克門店在中國的分布'),
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("星巴克門店在中國的分布.html")
輸出
Geo新增坐標點# 新增一個坐標點
.add_coordinate(
# 坐標地點名稱
name: str,
# 經(jīng)度
longitude: Numeric,
# 緯度
latitude: Numeric, )
# 新增 json 文件格式的坐標數(shù)據(jù)
.add_coordinate_json(
# json 文件格式的坐標數(shù)據(jù)
# 格式如下
# {
# "阿城": [126.58, 45.32],
# "阿克蘇": [80.19, 41.09]
# }
json_file: str # 坐標文件路徑
)
2、熱力圖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讀取csv文件數(shù)據(jù)
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選擇地圖種類
.add(series_name="門店數(shù)量", # 系列名稱
data_pair=datas, # 數(shù)據(jù)項 (坐標點名稱,坐標點值)
blur_size=20,
symbol_size= 5,
type_=ChartType.HEATMAP #類型選為熱力圖
)
.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="星巴克門店在中國的分布熱力圖"))
)
geo.render( '星巴克門店在中國的分布熱力圖.html')
輸出
3、動態(tài)軌跡圖lines
pyecharts可以生成地理空間流動圖,用來表示航班數(shù)量、人口流動等等。
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="動態(tài)軌跡圖"))
.render("動態(tài)軌跡圖.html")
)
輸出
如果需要再添加一個其他類別的動態(tài)軌跡,只需在鏈式中添加:
.add('旅游',
[('上海','拉薩'),('拉薩','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)
)
輸出如下,可以點擊圖例來篩選類別。
這邊用到兩個配置項:
4、三維地圖
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))
# 地圖類型 .add_schema(
itemstyle_opts=opts.ItemStyleOpts( # 圖形的顏色 color="#00BFFF", # 或 'rgb(128, 128, 128)' opacity=1, # 圖形透明度 border_width=0.8, # 描邊寬度 border_color="#708090", # 描邊顏色 ),
# Map3D 的 Label 設(shè)置 map3d_label=opts.Map3DLabelOpts(
is_show=False,
formatter=JsCode("function(data){return data.name + " " + data.value[2];}"),
),
# 高亮標簽配置項 emphasis_label_opts=opts.LabelOpts(
is_show=False,
color="#fff",
font_size=10,
background_color="rgba(0,23,11,0)",
),
# 光照相關(guān)的設(shè)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="門店數(shù)量",
data_pair=datas,
# 疊加圖的類型 type_=ChartType.BAR3D,
bar_size=1,
# 三維地圖中三維圖形的著色效果。 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="星巴克門店在中國的分布3D圖"))
.render("map3d_with_bar3d.html")
)
輸出
本例中的主要參數(shù)說明:
.add_schema()
地圖類型設(shè)置,參考pyecharts.datasets.map_filenames.json 文件
.add()
5、Globe地圖
數(shù)據(jù)來源是pyecharts自帶的全球人口數(shù)據(jù)。
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")
)
輸出
本文到此結(jié)束,總體來說Pyecharts地圖繪圖還是比較友好,在不需要多么炫酷的配置前提下,只需要將輸入數(shù)據(jù)格式和類型弄清楚,其余默認配置即可。
對地圖樣式有一定要求時,只需要根據(jù)官網(wǎng)上的配置信息調(diào)整全局配置項和系列配置項即可。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03