Python轻松实现地图可视化(附详细源码) 转载

标签：GDP pyecharts Python list 地图 源码 可视化 folium opts

大家好，我是J哥，专注原创，致力于用浅显易懂的语言分享爬虫、数据分析及可视化等干货，希望人人都能学到新知识。
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。


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！

1pip install pyecharts
2pip install echarts-countries-pypkg
3pip install echarts-china-provinces-pypkg
4pip install echarts-china-cities-pypkg
5pip install echarts-china-counties-pypkg

pip完之后，查看下pyecharts版本。

1import pyecharts
2print(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。

1import pandas as pd  #pandas是强大的数据处理库
2from pyecharts.charts import Map
3from 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。

1data = pd.read_excel('GDP.xlsx')
2province = list(data["province"])
3gdp = list(data["2019_gdp"])
4list = [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。

 1c = (
 2    Map(init_opts=opts.InitOpts(width="1000px", height="600px"))  #初始化地图大小
 3    .set_global_opts(
 4        title_opts=opts.TitleOpts(title="2019年各省GDP分布图  单位:亿元"),  #配置标题
 5        visualmap_opts=opts.VisualMapOpts(
 6            type_ = "scatter"   #散点类型
 7        )
 8    )
 9    .add("GDP",list,maptype="china")  #将list传入，地图类型为中国地图
10    .render("Map1.html")
11)

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。

 1c = (
 2    Map(init_opts=opts.InitOpts(width="1000px", height="600px")) #可切换主题
 3    .set_global_opts(
 4        title_opts=opts.TitleOpts(title="2019年各省GDP分布图  单位:亿元"),
 5        visualmap_opts=opts.VisualMapOpts(
 6            min_=1000,
 7            max_=110000,
 8            range_text = ['GDP总量（亿）颜色区间:', ''],  #分区间
 9            is_piecewise=True,  #定义图例为分段型，默认为连续的图例
10            pos_top= "middle",  #分段位置
11            pos_left="left",
12            orient="vertical",
13            split_number=10  #分成10个区间
14        )
15    )
16    .add("GDP",list,maptype="china")
17    .render("Map2.html")
18)

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。

1from pyecharts.globals import ThemeType #引入主题
2Map(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。

 1#Geo地图-涟漪图
 2import pandas as pd
 3from pyecharts import options as opts
 4from pyecharts.charts import Geo
 5from pyecharts.globals import ChartType
 6
 7data = pd.read_excel('GDP.xlsx')
 8province = list(data["province"])
 9gdp = list(data["2019_gdp"])
10list = [list(z) for z in zip(province,gdp)]
11print(list)
12c = (
13    Geo()
14    .add_schema(maptype="china")
15    .add(
16        "geo",
17        list,  #传入数据
18        symbol_size=10, large_threshold=110000,  #设置涟漪大小
19        type_=ChartType.EFFECT_SCATTER,   #地图类型为涟漪图
20    )
21    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
22    .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=110000),title_opts=opts.TitleOpts(title="2019年各省GDP涟漪图"))
23    .render("Geomap1.html")
24)

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。注册地址：https://lbsyun.baidu.com/index.php?title=%E9%A6%96%E9%A1%B5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。

 1#Bmap-散点图、热力图和涟漪图
 2import pandas as pd
 3from pyecharts.charts import BMap
 4from pyecharts import options as opts
 5from pyecharts.globals import ChartType
 6
 7data = pd.read_excel('GDP.xlsx')
 8province = list(data["province"])
 9gdp = list(data["2019_gdp"])
10list = [list(z) for z in zip(province,gdp)]
11print(list)
12c = (
13    BMap(init_opts=opts.InitOpts(width="1000px", height="600px"))
14    .add_schema(baidu_ak="你的AK", center=[120.13066322374, 30.240018034923])
15    .add(
16        "GDP",
17        list,
18        type_="heatmap",  #scatter为散点图，heatmap为热力图，ChartType.EFFECT_SCATTER为涟漪图
19        label_opts=opts.LabelOpts(formatter="{b}")
20    )
21    .set_global_opts(
22        title_opts=opts.TitleOpts(title="2019年各省GDP热力图"), visualmap_opts=opts.VisualMapOpts(max_=110000)
23    )
24    .render("Bmap1.html")
25)

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。

 1#folium-热力图
 2import pandas as pd
 3import folium
 4from folium import plugins
 5
 6data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8')
 7
 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）
 9heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamen Terrain') #刺激战场底图
10# heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='Mapbox Bright') #mapbox底图
11# heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner') #黑白底图
12
13# heatmap1 = folium.Map(   #高德底图
14#     location=[23.122373,113.268027],
15#     zoom_start=15,
16#     control_scale = True,
17#     tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}',
18#     attr='&copy; <a href="http://ditu.amap.com/">高德地图</a>'
19#     )
20
21folium.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
22heatmap1.add_child(plugins.HeatMap([[row["lat"],row["lon"]] for name, row in data.iterrows()]))  #传入经纬度
23heatmap1.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。

 1#folium-聚合散点地图
 2import pandas as pd
 3import folium
 4from folium import plugins
 5
 6data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8')
 7
 8plotmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner')
 9
10folium.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
11plotmap1.add_child(plugins.MarkerCluster([[row["lat"],row["lon"]] for name, row in data.iterrows()]))
12plotmap1.save('folium_map2.html')

看效果！

你就说酷不酷，炫不炫？




结 语

J哥自认为以上归纳还算完整，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！对本文地图所用数据集和完整代码感兴趣的小伙伴后台回复“地图可视化”即可免费领取啦。

 

 

参考链接：

1.http://gallery.pyecharts.org/#/README;

2.https://github.com/apache/incubator-echarts;

3.https://blog.csdn.net/Fimooo/article/details/102948186

标签：GDP,pyecharts,Python,list,地图,源码,可视化,folium,opts
From： https://www.cnblogs.com/testzcy/p/18082041