本篇我们来了解一个新的可视化模块pyecharts,由于爬虫敏感问题，博主对数据已经提取供大家使用，本篇文章仅介绍数据可视化。
一、热力图
案例：绘制2021部分城市的GDP热力图(比如上海，北京，深圳，重庆，长沙的2021年总GDP)，data为一个列表，每个城市数据用元祖表示，比如：(‘上海’,43214.85）。
from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType
data=[('上海',43214.85),('北京',40269.60),('深圳',30664.85),('重庆',27894.02),('长沙',13270.70)]
geo = (Geo()
.add_schema(maptype="china")
.add("人口", data,
type_=ChartType.HEATMAP)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(),
legend_opts=opts.LegendOpts(is_show=False),
title_opts=opts.TitleOpts(title="Geo-全国GDP图"))
)
geo.render_notebook()
运行如下：
二、地理图表
2.1 地理坐标系
案例一：绘制2021部分省份的人口数量在地图中
2.2 市区地图
案例：标出2021部分省份的人口数量在地图中
from pyecharts.charts import Map
data=[('福建',41540086),('广东',126012510),('河北',74610235),('山西',34915616),('四川',83674866)]
print(data)
geo = (
Map()
.add("", data, 'china')
)
geo.render_notebook()
例如：绘制上海市各个区的平均房价交互式地图
from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType
data=[('上海',43214.85),('北京',40269.60),('深圳',30664.85),('重庆',27894.02),('长沙',13270.70)]
geo = (Geo()
.add_schema(maptype="china")
.add("人口", data,
type_=ChartType.HEATMAP)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(),
legend_opts=opts.LegendOpts(is_show=False),
title_opts=opts.TitleOpts(title="Geo-全国GDP图"))
)
geo.render_notebook()
运行如下：
2.3人口流动图
案例：河南省人口输出到外省的人口量。依次向广东，浙江，江苏，上海，北京传输人口277.36，246.59，219.72，134.3.127.1万人。
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType
c = (
Geo()
.add_schema(maptype="china")
.add(
"",
[("广东",277.36), ("浙江", 246.59), ("江苏", 219.72), ("上海", 134.3),('北京',127.1)],
type_=ChartType.EFFECT_SCATTER,
color="white",
)
.add(
"geo",
[("河南", "广东"), ("河南", "浙江"), ("河南", "江苏"), ("河南", "上海"),('河南','北京')],
type_=ChartType.LINES,
effect_opts=opts.EffectOpts(
symbol=SymbolType.ARROW, 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="河南省主要人口输出"))
)
c.render_notebook()
运行如下：
2.4 3D地图
案例：绘制福建，广东，河北，山西，四川，新疆的2021总人口数量，绘制到3D地图上
from pyecharts import options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType
data=[('福建',41540086),('广东',126012510),('河北',74610235),('山西',34915616),('四川',83674866),('新疆',2585.23)]
map3d = (
Map3D()
.add("部分省人口数量(单位：万)", data_pair=data, maptype='china')
)
map3d.render_notebook()
2.5 3D地球
案例：绘制一个立体的3D地球
from pyecharts.faker import POPULATION
from pyecharts.charts import MapGlobe
globe = (
MapGlobe()
.add_schema()
.add(
series_name="",
maptype="world",
data_pair=POPULATION[1:]
)
)
globe.render_notebook()
如下：
三、疫情数据可视化
本小节做一个简单的案例，轻松简单的做一个疫情数据显示屏，由于爬虫知识敏感问题，所以这里作者直接把数据拿出来了，数据日期为2022年4月24日数据，数据来源：丁香医生。数据仅供参考，不作任何用途。
from pyecharts.charts import Map
from pyecharts import options as opts
data=[['香港', 328074], ['台湾', 56468], ['上海', 43782], ['吉林', 39903],
['浙江', 2984], ['黑龙江', 2851], ['广东', 6981], ['江西', 1184],
['江苏', 2175], ['福建', 3002], ['山东', 2676], ['北京', 1876],
['广西', 1572], ['山西', 413], ['海南', 288], ['青海', 88],
['云南', 2114], ['四川', 1999], ['河南', 2878], ['湖南', 1362],
['陕西', 3276], ['河北', 1993], ['内蒙古', 1706], ['安徽', 1063],
['辽宁', 1614], ['湖北', 68398], ['天津', 1800], ['重庆', 694],
['贵州', 179], ['新疆', 999], ['甘肃', 681], ['宁夏', 122],
['澳门', 82], ['西藏', 1]]
print(data)
geo = (
Map()
.add("感染人数", data, 'china') # 传入数据，地图选择中国
)
geo.render_notebook()
效果如下：
为了让图更加优美，需要对它设置标签，颜色信息，所以添加set_global_opts方法，修改后代码如下：
from pyecharts.charts import Map
from pyecharts import options as opts
data=[['香港', 328074], ['台湾', 56468], ['上海', 43782], ['吉林', 39903],
['浙江', 2984], ['黑龙江', 2851], ['广东', 6981], ['江西', 1184],
['江苏', 2175], ['福建', 3002], ['山东', 2676], ['北京', 1876],
['广西', 1572], ['山西', 413], ['海南', 288], ['青海', 88],
['云南', 2114], ['四川', 1999], ['河南', 2878], ['湖南', 1362],
['陕西', 3276], ['河北', 1993], ['内蒙古', 1706], ['安徽', 1063],
['辽宁', 1614], ['湖北', 68398], ['天津', 1800], ['重庆', 694],
['贵州', 179], ['新疆', 999], ['甘肃', 681], ['宁夏', 122],
['澳门', 82], ['西藏', 1]]
print(data)
geo = (
Map()
.add("感染人数", data, 'china') # 传入数据，地图选择中国
.set_global_opts(
title_opts=opts.TitleOpts(title="2022-4-23中国疫情地图"),
visualmap_opts=opts.VisualMapOpts(max_=10000, is_piecewise=True,
#最大数据范围，分段
# 第一段设置为：猩红
pieces=[
{
"max": 99999, "min": 10001, "label": ">10000", "color": "#DC143C"},
{
"max": 10000, "min": 1000, "label": "1000-10000", "color": "#8A0808"},
{
"max": 999, "min": 500, "label": "500-999", "color": "#B40404"},
{
"max": 499, "min": 100, "label": "100-499", "color": "#DF0101"},
{
"max": 99, "min": 10, "label": "10-99", "color": "#F78181"},
{
"max": 9, "min": 1, "label": "1-9", "color": "#F5A9A9"},
{
"max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
],
is_calculable=True)
)
)
geo.render_notebook()
运行：
pyecharts是图表是可以制作成网页的，作者在此留下一个思考：是否可以制作实时每天每小时更新的这样网页？当然，这留给感兴趣的同学去探索。因为设计爬虫，前端，数据分析，可视化。本书主要只介绍了数据可视化与数据分析。
四、空气质量数据可视化
案例：绘制身份的降雨量在地图上。（数据来源由作者随机设置，读者可以自行查看相关数据网站设置真实值）
from pyecharts.charts import Map
from pyecharts import options as opts
attr_1= [95, 56, 87, 92, 74, 79, 82,68 , 59, 63, 82]
value_1 = ["福建","河南","浙江","江西","贵州","四川","上海","北京","湖北","广西","河北"]
# print([list(z) for z in zip(attr_1, value_1)])
c = (
Map()
.add("空气质量", [list(z) for z in zip(attr_1, value_1)],"china") # 用列表推导式对两个列表合并成对应形式
.set_global_opts(
title_opts=opts.TitleOpts(title="降雨量可视化"),
visualmap_opts=opts.VisualMapOpts(max_=100,is_piecewise=True
)
)
)
# c.render_notebook()
c.render(r"1.html")
运行如下：
本次案例对图形保存为html格式文件，可以使用浏览器打开查看自己的图形。唯一的区别就是最后一行：c.render(r"1.html")，它所代表的含义为对图形保存为1.html文件，也就是网页文件。
五、外卖点分布数据可视化
案例：假设获取到美团与饿了么的部分省份骑手数量，对该数据同时绘制在一张图上。（数据由作者随意设置，仅供参考）
from pyecharts import options as opts
value_1 = [1500, 1300, 20000, 23000, 3500, 3400, 2500]
attr_1 = ["福建","山东","北京","上海","江西","云南","重庆"]
value_2 = [21000, 16520, 24120, 17820, 9542, 4689, 4325, 8950,]
attr_2 = ["北京","广东","上海","浙江","四川","贵州","云南","重庆"]
c = (
Map()
.add("饿了么", [list(z) for z in zip(attr_1, value_1)],"china")
.add("美团", [list(z) for z in zip(attr_2, value_2)],"china")
.set_global_opts(
title_opts=opts.TitleOpts(title="美团-饿了么骑手分布"),
visualmap_opts=opts.VisualMapOpts(max_=25000,is_piecewise=True)
)
)
# c.render_notebook()
c.render(r"2.html")
效果如下：
六、总结
本篇文章带大家进入了一个新的数据可视化模块，它非常适合制作可视化大屏，如果感兴趣的可以继续学习一下，如果你对python感兴趣，欢迎关注订阅本专栏。