脚本之家，脚本语言编程技术及教程分享平台！
分类导航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|shell|

服务器之家 - 脚本之家 - Python - Python+pyecharts绘制交互式可视化图表

Python+pyecharts绘制交互式可视化图表

2022-12-08 10:47川川菜鸟 Python

本文我们来了解一个新的可视化模块pyecharts，并且利用该模块绘制让数据变成优美的交互式可视化图表，感兴趣的小伙伴可以跟随小编一起了解一下

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：

Python+pyecharts绘制交互式可视化图表

 

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

Python+pyecharts绘制交互式可视化图表

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：

Python+pyecharts绘制交互式可视化图表

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：

Python+pyecharts绘制交互式可视化图表

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:

Python+pyecharts绘制交互式可视化图表

 

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：

Python+pyecharts绘制交互式可视化图表

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:

Python+pyecharts绘制交互式可视化图表

Python+pyecharts绘制交互式可视化图表

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：

Python+pyecharts绘制交互式可视化图表

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：

Python+pyecharts绘制交互式可视化图表

 

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

以上就是Python+pyecharts绘制交互式可视化图表的详细内容，更多关于Python pyecharts可视化图表的资料请关注服务器之家其它相关文章！

原文链接：https://blog.csdn.net/weixin_46211269/article/details/124430865

  • Python
  • 图表
  • 可视化
  • Pyecharts

    • 延伸 · 阅读

    精彩推荐
    • Pythonpython多线程互斥锁与死锁

      python多线程互斥锁与死锁

      这篇文章主要介绍了python多线程互斥锁与死锁，多线程间的资源竞争下文我们就以task1()，task2()两个函数为例，分别将对全局变量num加一重复一千万次循环...

      侯小啾11402022-09-20
    • Python使用python opencv对目录下图片进行去重的方法

      使用python opencv对目录下图片进行去重的方法

      今天小编就为大家分享一篇使用python opencv对目录下图片进行去重的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧...

      Sand_Ng8322021-05-14
    • Python对python函数签名的方法详解

      对python函数签名的方法详解

      今天小编就为大家分享一篇对python函数签名的方法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧...

      BlackMatrix12722021-05-20
    • Python在Pycharm中设置默认自动换行的方法

      在Pycharm中设置默认自动换行的方法

      今天小编就为大家分享一篇在Pycharm中设置默认自动换行的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧...

      山河宁5722021-05-17
    • Python使用Python脚本实现批量网站存活检测遇到问题及解决方法

      使用Python脚本实现批量网站存活检测遇到问题及解决方法

      本文是小编自己编写的一个使用python实现批量网站存活检测。在项目测试中非常有用。本文给大家分享了遇到的问题及解决方案，非常不错，具有参考借鉴...

      Joy_nick7252020-09-10
    • Python基于python的图片修复程序（实现水印去除）

      基于python的图片修复程序（实现水印去除）

      这篇文章主要给大家介绍了关于python图片修复程序的相关资料，可以用于实现图片中水印去除，主要利用的是OpenCV这个框架实现的，文中通过示例代码介绍...

      王磊的博客5182021-02-28
    • Python关于Python3爬虫利器Appium的安装步骤

      关于Python3爬虫利器Appium的安装步骤

      在本篇文章里小编给大家整理的是一篇关于Python3爬虫利器Appium的安装步骤，需要的朋友们可以跟着参考下。 ...

      爱喝马黛茶的安东尼2642020-07-30
    • Python哪种Python的IDE更适合你？

      哪种Python的IDE更适合你？

      哪一种Python的集成开发环境（IDE）更适合你？以下对IDLE、Komodo、LiClipse、PyCharm、Visual Studio Code的Python扩展，Visual Studio的Python工具，以及Spyder这7种Python ID...

      51CTO11052021-05-08
    最近更新
    编辑推荐
    阅读排行
    热门标签
    2048 　 6006 　 contextlib 　 SLOTS 　 MELIAE 　 FEEDPARSER 　 暂存 　 持久性管理 　 pickle模块 　 THREADING 　 reduce 　 nignx 　 装饰器 　 函数式编程 　 兔子毒药 　 监控文件 　 流量监控 　 Web框架 　 对应值 　 PIL库 　 高斯模糊 　 wxPython 　 import 　 自定义模块 　 Python开发 　 元类 　 metaclass 　 魔术方法 　 DNSPod 　 动态解析域名 　
    © 2019-2022 脚本之家 | 服务器之家(www.tuohang.net)旗下站点 版权所有关于我们联系我们版权申明网站地图