Python轻松实现地图可视化(附详细源码)
作者:互联网
前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
Python的地图可视化库很多,Matplotlib库虽然作图很强大,但只能做静态地图。而我今天要讲的是交互式地图库,分别为pyecharts、folium,掌握这两个库,基本可以解决你的地图可视化需求。
不管你是零基础还是有基础都可以获取到自己相对应的学习礼包!包括Python软件工具和2020最新入门到实战教程。加群695185429即可免费获取。
pyecharts
首先,必须说说强大的pyecharts库,简单易用又酷炫,几乎可以制作任何图表。pyecharts有v0.5和v1两个版本,两者不兼容,最新的v1版本开始支持链式调用,采用options配置图表。pyecharts在制作地图方面,包含Map、Geo和Bmap三类,使用Map类支持世界、国家、省市和区县四级地图,使用前需独立安装。so,pip它们!
pip install pyecharts pip install echarts-countries-pypkg pip install echarts-china-provinces-pypkg pip install echarts-china-cities-pypkg pip install echarts-china-counties-pypkg
pip完之后,查看下pyecharts版本。
import pyecharts print(pyecharts.__version__)
毋庸置疑,肯定是最新版本啦,版本号为1.6.2。
一、Map
在制作地图前,首先要有数据,我从Wind数据库导出了全国各省GDP总量数据,命名为GDP.xlsx,如下图所示。
有了数据,咱们就可以用python开始操作了,先把需要的库import一下。
import pandas as pd #pandas是强大的数据处理库 from pyecharts.charts import Map from pyecharts import options as opts
用pandas读取GDP.xlsx,提取2019年各省GDP数据为例,我们来制作地图。这里注意下zip() 函数,它用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的对象。
data = pd.read_excel('GDP.xlsx') province = list(data["province"]) gdp = list(data["2019_gdp"]) list = [list(z) for z in zip(province,gdp)]
我们来打印下list,长这样:
其实就是列表里嵌套列表的数据结构,只有这种结构把数据添加到地图中去。我们用Map类中的常用方法add、set_global_opts和render来配置地图。
c = ( Map(init_opts=opts.InitOpts(width="1000px", height="600px")) #初始化地图大小 .set_global_opts( title_opts=opts.TitleOpts(title="2019年各省GDP分布图 单位:亿元"), #配置标题 visualmap_opts=opts.VisualMapOpts( type_ = "scatter" #散点类型 ) ) .add("GDP",list,maptype="china") #将list传入,地图类型为中国地图 .render("Map1.html") )
运行以上代码,用浏览器打开生成的Map1.html,效果如下:
有朋友可能会问了,地图倒是有了,可你这地图不好区分不同省的GDP大小呀。不慌,我们继续优化以上代码,给不同省依据GDP的大小配置不同的颜色,让你一目了然。
c = ( Map(init_opts=opts.InitOpts(width="1000px", height="600px")) #可切换主题 .set_global_opts( title_opts=opts.TitleOpts(title="2019年各省GDP分布图 单位:亿元"), visualmap_opts=opts.VisualMapOpts( min_=1000, max_=110000, range_text = ['GDP总量(亿)颜色区间:', ''], #分区间 is_piecewise=True, #定义图例为分段型,默认为连续的图例 pos_top= "middle", #分段位置 pos_left="left", orient="vertical", split_number=10 #分成10个区间 ) ) .add("GDP",list,maptype="china") .render("Map2.html") )
运行以上代码,用浏览器打开生成的Map2.html,效果如下:
怎么样,这下效果是不是好多了,颜色越红代表GDP越高。你所在的省份2019年GDP处于哪个颜色段呢?当然,对于有些审美较高的朋友可能还是无法满足你的要求。
既然如此,那我再优化下代码,给地图添加主题。添加主题很简单,只要import下ThemeType,然后将主题添加到Mpa()方法内。我以ThemeType.DARK为例看下效果。
from pyecharts.globals import ThemeType #引入主题 Map(init_opts=opts.InitOpts(width="1000px", height="600px",theme = ThemeType.DARK)) #添加主题ThemeType.DARK
运行一下看看效果:
有没有B格上升n个level的感觉,如果你还不满意,ok,pyecharts内置了10余种主题任你切换。萝卜青菜各有所爱,自个调去吧~
二、Geo
Geo与Map类似,可以通过设置maptype参数选择地图类型,所支持的方法也和Map类似,我这里就不赘述了,直接贴代码。
#Geo地图-涟漪图 import pandas as pd from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType data = pd.read_excel('GDP.xlsx') province = list(data["province"]) gdp = list(data["2019_gdp"]) list = [list(z) for z in zip(province,gdp)] print(list) c = ( Geo() .add_schema(maptype="china") .add( "geo", list, #传入数据 symbol_size=10, large_threshold=110000, #设置涟漪大小 type_=ChartType.EFFECT_SCATTER, #地图类型为涟漪图 ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=110000),title_opts=opts.TitleOpts(title="2019年各省GDP涟漪图")) .render("Geomap1.html") )
运行一下,效果如下:
三、Bmap
Bmap是百度地图的一个接口,你如果Map和Geo搞明白了,Bmap也是分分钟可以搞定的。不过,有一点要注意,你要先到百度地图开放平台注册,获取AK才可以调用哦。
注册获得AK,就可以开心制作地图啦,以热力图为例,代码如下。
#Bmap-散点图、热力图和涟漪图 import pandas as pd from pyecharts.charts import BMap from pyecharts import options as opts from pyecharts.globals import ChartType data = pd.read_excel('GDP.xlsx') province = list(data["province"]) gdp = list(data["2019_gdp"]) list = [list(z) for z in zip(province,gdp)] print(list) c = ( BMap(init_opts=opts.InitOpts(width="1000px", height="600px")) .add_schema(baidu_ak="你的AK", center=[120.13066322374, 30.240018034923]) .add( "GDP", list, type_="heatmap", #scatter为散点图,heatmap为热力图,ChartType.EFFECT_SCATTER为涟漪图 label_opts=opts.LabelOpts(formatter="{b}") ) .set_global_opts( title_opts=opts.TitleOpts(title="2019年各省GDP热力图"), visualmap_opts=opts.VisualMapOpts(max_=110000) ) .render("Bmap1.html") )
运行后,长这样:
folium
你以为以上几个地图就能满足我J哥对数据可视化美感的追求,那你太小看J哥了,我经过研究,发现folium库才是吊炸天的存在。
首先,我用python调取了高德地图API接口,获得了广州市近6000个景点的地理数据,保存为poi_scenic_spot.csv。以下为部分数据:
然后安装folium库,设置刺激战场底图,当然你也可以换其他底图玩,代码中提供了mapbox底图、高德底图等,任你随意切换。
#folium-热力图 import pandas as pd import folium from folium import plugins data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8') # heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True) # 绘制地图,确定聚焦点,默认底图(加载慢) heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamen Terrain') #刺激战场底图 # heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='Mapbox Bright') #mapbox底图 # heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner') #黑白底图 # heatmap1 = folium.Map( #高德底图 # location=[23.122373,113.268027], # zoom_start=15, # control_scale = True, # tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}', # attr='© <a href="http://ditu.amap.com/">高德地图</a>' # ) folium.Marker([23.122373,113.268027],popup='<i>J哥</i>',icon=folium.Icon(icon='cloud',color='green')).add_to(heatmap1) #创建中心标记 heatmap1.add_child(plugins.HeatMap([[row["lat"],row["lon"]] for name, row in data.iterrows()])) #传入经纬度 heatmap1.save("folium_map1.html") #生成网
页
迫不及待运行了下,效果如下:
哈哈哈哈,好大一只红烧鸡。
热力图有点中看不中用啊,看这图我也很难搞清楚广州的景点分布情况。那咱换个别的图试试。
#folium-聚合散点地图 import pandas as pd import folium from folium import plugins data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8') plotmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner') folium.Marker([23.122373,113.268027],popup='<p style="color: green">我是J哥</p>',icon=folium.Icon(icon='cloud',color='green')).add_to(plotmap1) #创建中心标记 plotmap1.add_child(plugins.MarkerCluster([[row["lat"],row["lon"]] for name, row in data.iterrows()])) plotmap1.save('folium_map2.html')
看效果!
你就说酷不酷,炫不炫?
当然,python的地图库还有很多,值得进一步挖掘。我以后还会写地图可视化的内容,欢迎继续关注,精彩不错过!
标签:GDP,pyecharts,Python,list,源码,可视化,import,folium,opts 来源: https://www.cnblogs.com/python0921/p/12930325.html