Python可視化神器pyecharts繪制地理圖表

Posted on by

地理圖表

什麼是地理圖表？地理圖表有什麼作用？地理圖表主要應用在那些領域？

其實這些問題看看下面的實例圖形就已不攻自破瞭，地理圖表一看首先就是地圖，然後在地理圖表裡面展示數據，比如說熱力圖，趨勢流動圖，人口密集分佈圖，反正地理坐標相關的就可以運用在這個裡面，其次圖形支持全球地圖，全球國傢，中國，中國的所有的省份的地圖，反正應有盡有，包含300多個方法的地理圖例，如果要做科研想要研究這方面的課題，那麼pyecharts現在就是首選瞭，matplotlib就應該退下，都說“選擇大於努力”，在某些時候其實說的非常正確！

Python繪制地理圖表之可視化神器pyecharts（一）_數據可視化

地理圖表之熱力圖系列模板

人口流動趨勢圖（中國）

這個圖表可以運用在航班的信息分析，比如現在有一架飛機從重慶江北機場出發，我們需要快速的瞭解飛機乘客都要去那些地方，而且每個地域有多少人，那麼這個模板就可以用的上瞭。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType
c = (
Geo()
.add_schema(
maptype="china",
itemstyle_opts=opts.ItemStyleOpts(color="#a4a4a4", border_color="#005454"),
)
.add(
"",
[("廣州", 20000), ("北京", 15000), ("杭州", 69000), ("重慶", 56000),("西藏",64000),("新疆",64000),("內蒙古",64000)],
type_=ChartType.EFFECT_SCATTER,
color="yellow",
)
.add(
"流動路線",
[("重慶", "上海"), ("重慶", "北京"), ("重慶", "杭州"), ("重慶", "廣州"), ("重慶", "西藏"), ("重慶", "新疆"), ("重慶", "內蒙古")],
type_=ChartType.LINES,
effect_opts=opts.EffectOpts(
symbol=SymbolType.ARROW, symbol_size=6, color="green"
),
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="人口流動路線"))
.render("人口流動路線.html")
)

Python繪制地理圖表之可視化神器pyecharts（一）_熱力圖_02

中國城市分段熱力圖

知道中國所有城市，比如江西，重慶，上海……每個城市的參數數據分佈，我們就可以畫出相應的熱力圖。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
c = (
Geo()
.add_schema(maptype="china")
.add("城市", [list(z) for z in zip(Faker.provinces, Faker.values())])
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(is_piecewise=True),
title_opts=opts.TitleOpts(title="標題"),
)
.render("分段熱力圖.html")
)
print([list(z) for z in zip(Faker.provinces, Faker.values())])

Python繪制地理圖表之可視化神器pyecharts（一）_地圖_03

重慶省份微塑料分佈熱力圖

數據純屬虛構，這個模板涵蓋瞭中國所有省份的地圖大全，隻要知道省份裡面的區縣就可以呈現相關數據效果圖瞭。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import ChartType
x=["巫山","萬州","雲陽","奉節"]
y=[123,560,456,362]
c = (
Geo()
.add_schema(maptype="重慶")
.add(
"含量",
[list(z) for z in zip(x, y)],
type_=ChartType.HEATMAP,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(max_=570), title_opts=opts.TitleOpts(title="重慶微塑料分佈熱力圖")
)
.render("重慶熱力圖.html")
)

Python繪制地理圖表之可視化神器pyecharts（一）_地圖_04

中國城市連續熱力圖

鼠標可以控制熱力分佈，用於可視化展示與解說。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import ChartType
c = (
Geo()
.add_schema(maptype="china")
.add(
"熱力",
[list(z) for z in zip(Faker.provinces, Faker.values())],
type_=ChartType.HEATMAP,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(),
title_opts=opts.TitleOpts(title="標題"),
)
.render("連續熱力圖.html")
)

Python繪制地理圖表之可視化神器pyecharts（一）_熱力圖_05

中國城市熱力動態圖

展示城市動態圖的熱力效果，直觀看出效果。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import ChartType
c = (
Geo()
.add_schema(maptype="china")
.add(
"熱力圖",
[list(z) for z in zip(Faker.provinces, Faker.values())],
type_=ChartType.EFFECT_SCATTER,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
.render("動態熱力圖.html")
)

Python繪制地理圖表之可視化神器pyecharts（一）_熱力圖_06

中國城市散點熱力圖

鼠標可以控制熱力圖的覆蓋率，此模板比較的合適。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
c = (
Geo()
.add_schema(maptype="china")
.add("熱力", [list(z) for z in zip(Faker.provinces, Faker.values())])
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="標題")
)
.render("中國散點熱力圖.html")
)

Python繪制地理圖表之可視化神器pyecharts（一）_地圖_07

到此這篇關於Python可視化神器pyecharts繪制地理圖表的文章就介紹到這瞭,更多相關Python繪制地理圖表內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：