西电-数据可视化-实验四-地理数据可视化（pyecharts）

西电-数据可视化-实验四-地理数据可视化

一、实验内容：

利用已有数据CityData.xlsx（请于课程资料库中下载）与已有工具，设计可视化方案，展示2020年全国新冠患者人数随时间的变化过程（下图仅供参考），并完成以下任务：

任务一：统计截止4月1日各省的累计确诊数量，并通过图表展示。

任务二：对每日各省的累计确诊患者数量进行统计，为图像添加时间轴，通过时间轴自动播放演示疫情发展的整个过程。

二、解决思路

(1) 进入pyecharts官网修改demo即可:

实验涉及到的三个图表类型如下：
TimeLine
MapBar
(2) 代码实现：

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map, Bar, Timeline

# 存放数据的列表
provinces = []  # 省份->去重->排序->bar
confirmed = []  # 某省某地区某天确诊人数
date = []  # 日期->去重->排序->timeline
info = []  # 省份-确诊人数-日期 用于遍历


# 读取文件中的数据
def read_excel(file_name):
    df = pd.read_excel(file_name)
    # 遍历excel文件的每一行
    for _, data in df.iterrows():
        global date, provinces, confirmed, info
        provinces.append(data[1])
        confirmed.append(data[3])
        # 格式化日期 如：2021/4/1=>2021/04/01
        data[7] = str(data[7].year) + "-" + str("{:0>2d}".format(data[7].month)) + "-" + str(
            "{:0>2d}".format(data[7].day))
        # my_date = datetime.datetime.strptime(data[7], '%Y-%m-%d')
        date.append(data[7])
    # info 用于存储excel每一行的完整信息，包括省、确诊人数、日期
    info = list(zip(provinces, confirmed, date))
    # 对省份去重 便于后续建立字典用于统计同一省份的累计确诊人数
    provinces = list(set(provinces))
    provinces.sort()
    # 对日期去重排序 便于后续建立时间线轮播多图
    date = list(set(date))
    date.sort()


# # -----------------------task_1----------------------------------
data_for_bar = []


def draw_Bar_for_04_01():
    (
        Bar()
        .add_xaxis(
            xaxis_data=provinces
        )
        .add_yaxis(
            series_name="截止4.1日各省累计确诊人数",
            y_axis=data_for_bar
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="截止4.1日全国疫情条形图"
            ),
            xaxis_opts=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(rotate=-45)
            ),
            visualmap_opts=opts.VisualMapOpts(
                min_=-1,
                max_=1
            )
        )
        .render("bar_04_01.html")
    )


# ------------------------task_2------------------------------------
# 下边这些代码是实现整个功能的核心
# 初始化一个字典 动态更新 每当有新的数据读进来时，这个字典里的数据也随即更新
# 这样做的目的就是避免某一天某省数据缺失而导致人数为0
my_dict_map = {
    
    province: 0 for province in provinces}


def creat_data_for_map(day):
    # 初始化字典：每个省的累计确诊人数预置为0
    my_dict_map_thisday = {
    
    province: 0 for province in provinces}
    for elem in info:
        if elem[2] == day:
            my_dict_map_thisday[elem[0]] += elem[1]
    # 用新读入的数据来更新my_dict_map
    for key, value in my_dict_map_thisday.items():
        # 有新的数据
        if value != 0:
            my_dict_map[key] = value
    # excel中的省必须删除后缀省/市/自治区/壮族/回族/维吾尔才能使用
    # 因为Map()里的data_pair接收的参数就是这种格式，否则识别不了
    my_data = [[key.strip("省").strip("市").strip("自治区").strip("壮族").strip("回族").strip("维吾尔"), value]
               for key, value in my_dict_map.items()]
    # 当day="2020-04-01"时调用函数完成任务一bar的绘制
    if day == "2020-04-01":
        global data_for_bar
        data_for_bar = [my_dict_map[province] for province in provinces]
        draw_Bar_for_04_01()
    return my_data


def draw_Timeline():
    # 创建一个时间线轮播图对象
    t1 = Timeline()
    # 循环创建与时间点相应的map
    for day in date:
        my_map = (
            Map()
            .add(
                series_name="截止{}全国疫情确诊数量".format(day),
                data_pair=creat_data_for_map(day)
            )
            .set_global_opts(
                title_opts=opts.TitleOpts(
                    title=day + "全国疫情确诊地图",
                ),
                visualmap_opts=opts.VisualMapOpts(
                    # 是否为分段型
                    is_piecewise=True,
                    pieces=[
                        {
    
    "min": 1, "max": 99, "label": "1-99人", "color": "#FFEFD5"},
                        {
    
    "min": 100, "max": 999, "label": "100-999人", "color": "#FFD700"},
                        {
    
    "min": 1000, "max": 9999, "label": "1000-9999人", "color": "#FF6347"},
                        {
    
    "min": 10000, "max": 999999, "label": ">10000人", "color": "#B22222"},
                    ]
                )
            )
        )
        t1.add(my_map, day)
        t1.add_schema(
            # 是否自动播放
            is_auto_play=True,
            # 是否循环播放
            is_loop_play=True,
            # 间隔
            play_interval=1000
        )
    t1.render("timeline_map.html")


if __name__ == '__main__':
    filename = "CityData.xlsx"
    read_excel(filename)
    draw_Timeline()
    draw_Bar_for_04_01()

(3)实验细节：
@在本实验中，核心是使用动态更新字典的方法，当某省有最新的数据时，替换掉原先的数据。这样做的一个好处是：如果某省某天没有更新数据，不会出现这一天数据为0的情况。
@本实验的的一个易错点：

三、实验结果