
作者:Python進階者
來源:Python爬蟲與數(shù)據(jù)挖掘
前幾天有個學(xué)生娃子找我?guī)兔ψ鳇c可視化的作業(yè),其實倒是也不難,覺得挺有意思,這里拿出來給大家分享,主要是完成了輪播圖的制作,顯得作業(yè)高大上一些。
首先是數(shù)據(jù)來源,來自百度疫情實時大數(shù)據(jù)報告,如下圖所示。
新增感染病例
這里直接上代碼和效果圖,如下所示:
from pyecharts.charts import Map, Timeline from pyecharts import options as opts # 準(zhǔn)數(shù)據(jù) shanxi_city = ["西安市", "延安市", "咸陽市", "渭南市", "安康市", "漢中市", "寶雞市", "銅川市", "商洛市", "榆林市", "韓城市", "楊凌示范區(qū)"]
shanxi_data = [46, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0] # 繪制陜西疫情地圖 map = (
Map()
.add('陜西省', [(i, j) for i, j in zip(shanxi_city, shanxi_data)], '陜西')
.set_global_opts(title_opts=opts.TitleOpts(title='陜西省新增感染病例疫情圖'), visualmap_opts=opts.VisualMapOpts(max_=50, is_piecewise=True))
) # 渲染數(shù)據(jù) map.render('陜西省新增感染病例疫情圖.html')
運行之后,得到的效果圖如下所示:
代碼和上面差不多,只需要更改下數(shù)據(jù)即可,這里直接放效果圖了,如下圖所示:
代碼和上面差不多,只需要更改下數(shù)據(jù)即可,這里直接放效果圖了,如下圖所示:
代碼和上面差不多,只需要更改下數(shù)據(jù)即可,這里直接放效果圖了,如下圖所示:
代碼和上面差不多,只需要更改下數(shù)據(jù)即可,這里直接放效果圖了,如下圖所示:
這里給大家分享輪播效果圖的代碼,原理倒是不難,后面自己直接套用就行,代碼如下:
from pyecharts.charts import Map, Timeline from pyecharts import options as opts # 1. 準(zhǔn)數(shù)據(jù) shanxi_city = ["西安市", "延安市", "咸陽市", "渭南市", "安康市", "漢中市", "寶雞市", "銅川市", "商洛市", "榆林市", "韓城市", "楊凌示范區(qū)"] xinzeng = [46, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0] xianyou = [1747, 13, 11, 1, 0, 0, 0, 0, 0, 0, 0, 0] leiji = [2094, 21, 31, 18, 26, 26, 13, 8, 7, 3, 1, 1] zhiyu = [304, 8, 20, 17, 26, 26, 13, 8, 7, 3, 1, 1] siwang = [3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0] # 2. 繪制新增疫情地圖:格式一 map1 = ( Map(init_opts=opts.InitOpts(width="700px", height="300px", theme="blue")) .add('新增病例', [(i, j) for i, j in zip(shanxi_city, xinzeng)], '陜西') .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=50)) ) # 3. 繪制現(xiàn)有疫情地圖:格式二 map2 = ( Map() .add('現(xiàn)有病例', [(i, j) for i, j in zip(shanxi_city, xianyou)], '陜西') .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=1750, is_piecewise=True)) ) # 4. 繪制累計疫情地圖:格式三 map3 = ( Map() .add('累計病例', [(i, j) for i, j in zip(shanxi_city, leiji)], '陜西') .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=2100, is_piecewise=True)) ) # 5. 繪制治愈疫情地圖:格式四 map4 = ( Map() .add('治愈病例', [(i, j) for i, j in zip(shanxi_city, zhiyu)], '陜西') .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=310, is_piecewise=True)) ) # 6. 繪制死亡疫情地圖:格式五 map5 = ( Map() .add('死亡病例', [(i, j) for i, j in zip(shanxi_city, siwang)], '陜西') .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=3, is_piecewise=True)) ) # 7. 創(chuàng)建組合類對象 timeline = Timeline(init_opts=opts.InitOpts(width='720px', height='350px')) # 8. 在組合對象中添加需要組合的圖表對象 timeline.add(chart=map1, time_point="陜西省新增病例疫情圖") timeline.add(chart=map2, time_point="陜西省現(xiàn)有病例疫情圖") timeline.add(chart=map3, time_point="陜西省累計病例疫情圖") timeline.add(chart=map4, time_point="陜西省治愈病例疫情圖") timeline.add(chart=map5, time_point="陜西省死亡病例疫情圖") timeline.add_schema(is_auto_play=True, play_interval=2000) # 9. 渲染數(shù)據(jù) timeline.render('陜西省疫情輪播圖.html')
實現(xiàn)的效果圖如下:
實際上它是動態(tài)的,我這里沒有轉(zhuǎn)gif格式,看上去有點干巴,問題不大。
大家好,我是Python進階者。這篇文章主要基于百度疫情實時大數(shù)據(jù)報告數(shù)據(jù),利用了Python中的可視化庫pyecharts給大家分享了省位地圖的制作和輪播圖的制作方法。
最后也歡迎大家積極嘗試,有好的內(nèi)容也可以分享給我噢!
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
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10