本文主要内容

前言一、 地图的基本使用方法二、 地图与数据结合1、各省GDP在地图上展示2、去除地图上的数据信息3、用颜色区别数据大小4、自己定义颜色区间5、修改点的显示效果6、修改地图的色彩 三、 Pyecharts制作地图的其他几种方式1、Map()2、Geo（）3、Bmap（）4、Map3D（）

前言

今天和老师一起学习在地图上呈现数据，使用的库为pyecharts。 看到这个库名时，我有似曾相似的感觉，翻看了一下，前段时间想实现可交互的图表时，了解过这个库。所以关于这个库，我这儿顺便多说几句吧。 Pyecharts的中文手册，见https://pyecharts.org/#/zh-cn/ 官网对pyecharts的简介如下： Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。 该库可以画柱状图、饼图、散点图……，该库的基础应用及各种配置项都可以在手册中查到。 今天我们先学该图库的Geo地图类型。

一、 地图的基本使用方法

【脚本】

from pyecharts.charts import Geo geo = Geo() geo.add_schema(maptype="china") geo.render()

【结果】 注意，这个绘制结果不会直接显示出来，而是生成一个名为“render.html”的文档，用浏览器打开该文件，即可看到如下的地图：

【语法特征】 老师上课没有解释以上语法，于我这个新手而言，这个语法模式我不太熟悉，至少与matplotlib的用法不太相同。个人感觉，pyechart使用时，都要使用Bar()\Pie()\Funnel()\Geo()初始化一个实例对象，然后在这个对象上各种add_… 这里的add_schema()表示增加一个框架，指定是看哪个地方的地图，如：maptype=“china”、maptype=“山东”…… 此后在使用中还会有大量的option配置项，官网中这么说“在 pyecharts 中，一切皆 Options”。由此可见，在pyecharts中，想实现什么个性化的设置，大多需要设置option的。

二、 地图与数据结合

1、各省GDP在地图上展示

从统计局官网下载（http://data. stats.gov.cn/）各省份在各年份的GDP数据。（注：整理笔记时网站处于升级状态，无法下载，我使用此前下载过的数据）。下载的数据表样如下：

此后读入数据，并将数据转化为pyecharts能用的二维列表数据。 【脚本】

#导入各省GDP数据 df = pd.read_csv(r'D:\cpda\python\data\分省年度数据.csv', encoding='GBK') #将需要展示的数据转为二维列表格式，以便pyecharts使用 ls_2019 = df[['地区', '2019年']].values.tolist() geo = Geo() geo.add_schema(maptype="china") #加入数据 geo.add('图表名称：2019年各省GDP', ls_2019) geo.render()

【结果】

2、去除地图上的数据信息

【脚本】

from pyecharts import options as opts geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

【结果】

【说明】 可以了解一下，这个set_series_opts()，可以设置标签、线形等效果。详细如下：

3、用颜色区别数据大小

【脚本】

geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=110000))

【结果】

【说明】 同样set_global_opts()，也可以设置很多配置项，如：标题、工具箱等。详细如下：

4、自己定义颜色区间

【脚本】

#自己定义颜色区间 geo.set_global_opts(visualmap_opts=opts.VisualMapOpts( is_piecewise=True, # 表示分段 pieces=[{'min': 0 , 'max':10000, 'label':1, 'color':'blue'}, {'min': 10001 , 'max':20000, 'label':2, 'color':'cyan'}, {'min': 20001, 'max': 50000, 'label': 3, 'color': 'green'}, {'min': 50001, 'max': 80000, 'label': 8, 'color': 'yellow'}, {'min': 80001, 'max': 100000, 'label': 10, 'color': 'orange'}, {'min': 100001, 'max': 200000, 'label': 20, 'color': 'red'}, ] ))

【结果】

【说明】 这里的分段是自己分的，可以根据数据的密集程度自己调节。

5、修改点的显示效果

【脚本】

from pyecharts.globals import ChartType geo.add('图表名称：2019年各省GDP', ls_2019, type_=ChartType.EFFECT_SCATTER)

【结果】

6、修改地图的色彩

【脚本】

geo.add_schema(maptype="china", itemstyle_opts=opts.ItemStyleOpts(color='#A60B63',border_color='#FFFF22'))

【结果】

三、 Pyecharts制作地图的其他几种方式

老师说，pyecharts还有其他方式可以实现在地图上呈现数据，好奇pyecharts到底有几种地图实现方式，所以百度了一下，有一篇博文写的内容比较简单明了，引用来供自己学习。 以下内容来自： https://www.cnblogs.com/liuzaoqi/p/13041411.html 文中说Pyecharts有四种地图，Map()、Geo()、Bmap（）、Map3d。

1、Map()

该地图可以按数据大小给相应的区域着色，所以Map更应该适合能将地图填满的数据。如疫情期间的数据图：

2、Geo（）

该地图绘制出来的地图不会显示省份/城市的名字，并且用热力图的方式让数据差异更直观，而这恰好解决了Map不适用与小部分数据的短板。所以当数据量不是很多的时候又想绘制地图就可以考虑使用Geo并通过热力图的方法来展示。当然Geo还支持不同样式动态的流向地图。如我们本文的制作的图。

3、Bmap（）

该地图就是百度地图，Pyecharts可以调用百度地图的接口来让地图更加丰富。使用Bmap绘制出来的地图更接近我们平时使用的地图，并支持缩放来查看更多细节而更加真实，不过使用Bmap之前需要去百度地图开放平台申请一个API KEY才能使用。效果如下：

4、Map3D（）

该地图会让数据更加立体的展示出来，不过虽然炫酷，但是要整理经纬度数据等需要消耗太多的时间，而且代码调整起来也比之前几种地图更加复杂。效果如下：

【The End】