综合案例-数据可视化-地图

一、pyecharts—地图快速入门

假设我们要将6个地区的某种数量在地图上标注出来，首先导入pyecharts包内地图相关模块，然后准备地图数据（数据类型是列表，列表的元素类型为元组），然后把准备好的数据添加进地图。补充细节，设置全局选项，不同的数量段用不同颜色标注出来，使效果更加直观。最后，生成地图。

代码示例：

#导包
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
#构建地图
map=Map()
#准备地图数据
data=[           #数据类型：元素类型为元组的列表
    ('北京市',99),
    ('上海市',199),
    ('湖南省',299),
    ('山东省',199),
    ('安徽省',499),
    ('河南省',366),
    ('湖北省',599)
]
#添加地图数据
map.add('地图',data,'china') #不输入地图类型'China'也默认是'China'
#设置全局选项
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #手动校准范围
        pieces=[           #范围定义是一个列表
            {'min': 1, 'max': 9, 'label': '1-9人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 10, 'max': 99, 'label': '10-99人', 'color': '#FFFF99'},
            {'min': 100, 'max': 299, 'label': '100-299人', 'color': '#6699FF'},
            {'min': 300, 'max':499, 'label': '300-499人', 'color': '#F38F24'},
            {'min': 500, 'max': 599, 'label': '500-599人', 'color': '#CC3333'},
            {'min': 600,  'label': '600人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render()

运行代码后会产生新文件render.html，用Edge浏览器打开，即可看到生成的地图。

关于Map_visualmap_piecewise的详细说明，可访问官网：

DocumentDescriptionhttps://gallery.pyecharts.org/#/Map/map_visualmap_piecewise在设置全局选项时，用到了颜色值，颜色值是6位，什么值对应什么颜色，可通过RGB颜色对照表一一对应。

可访问如下网站进行了解RGB颜色对照表：RGB颜色对照表-RGB颜色查询对照表-颜色代码表-颜色的英文名称大全-懒人工具|www.ab173.com懒人站长工具提供RGB颜色对照表,RGB颜色查询对照表、常见的网页颜色代码表，常见颜色的英文名称颜色表查询！http://www.ab173.com/gongju/ui/rgb.php

二、进阶-全国疫情地图

2.1分析文件数据

文件“ 疫情.txt ”记录了全国各个地区的疫情数据（确诊人数，治愈人数等等），文件链接：
链接：https://pan.baidu.com/s/1Q9az5lIKuWbMTIxzXRtX_A?pwd=1yts
提取码：1yts

文件“ 疫情.txt ”是标准的json格式，我们通过网站（如下所示）可以更直观地看出数据层级。在线JSON校验格式化工具（Be JSON）在线,JSON,JSON 校验,格式化,xml转json 工具,在线工具,json视图,可视化,程序,服务器,域名注册,正则表达式,测试,在线json格式化工具,json 格式化,json格式化工具,json字符串格式化,json 在线查看器,json在线,json 在线验证,json tools online,在线文字对比工具https://www.bejson.com/

使用步骤如图：

数据层级如下：

通过在线网站工具，点击“+"，一级一级展开，体验展开过程，也许会更容易理解。

简单分析完数据层级后，我们决定要做一个反映各个省份疫情确诊人数的地图，则地图类型默认中国，地图数据类型为列表，列表内元素类型为元组，一个元组就包括：一个省份名称+确诊人数。

2.2处理数据

我们要处理一下文件“ 疫情.txt ”中的数据，数据本身就是标准的json格式，不再需要处理开头与结尾，步骤如下：

首先，我们要读取数据文件。
然后将json数据转换为python字典。
然后从字典中取出children列表内的数据（即包括省份名称+确诊人数）。
最后利用for循环组装每个省份名称+确诊人数为元组，将所有元组封装在列表内。

代码如下所示：

#准备地图数据
#读取数据文件
f=open('E:/可视化案例数据/地图数据/疫情.txt','r',encoding='UTF-8')
data=f.read()  #获取文件内全部数据
#取完数据后就用不到文件了，关闭文件即可
f.close()
#将json数据转换为python字典
data_dict=json.loads(data)
#从字典中取出省份数据
province_data_list=data_dict['areaTree'][0]['children']
#组装每个省份名称和确诊人数为元组，将所有元组封装在列表内
data_list=[]  #绘图要用到的数据列表
for province_data in province_data_list:
    province_name=province_data['name']+'省'            #省份名称，拼接字符串的原因在代码下方
    province_confirm=province_data['total']['confirm'] #确诊人数
    data_list.append((province_name,province_confirm)) #放入列表中

第三步：从字典中取出children列表内的数据（即包括省份名称+确诊人数的数据），我们需要先访问字典data_dict中的列表'areaTree'，然后访问列表'areaTree'中第一个元素，其类型为字典，然后访问此字典内的列表'children'，列表'children'内是各个省份的疫情数据，结合数据层级图，更容易理解。

第四步：利用for循环组装每个省份名称+确诊人数为元组，将所有元组封装在列表内，在获取省份名称的时候，我在后面拼接了字符串'省'，因为现在pyecharts包要求，地区后面添加上相应后缀：省，市，行政区，最后生成的地图才会显示数据，而我们现在用的这份文件没有相应后缀，所以我拼接了字符串'省'，至于市和行政区，我没有再去添加，最后生成的地图也没有市和行政区的数据，还望读者见谅。还有一个需要注意的问题：append函数的参数只有1个，我们在此处追加的是元组类型的元素，追加了一个元组，元组内是省份名称+确诊人数2个参数，不要忽略元组的括号。

回顾append函数：http://t.csdnimg.cn/kKNQE 3.3.2在列表尾部添加指定元素。回顾元组知识：http://t.csdnimg.cn/XIMOe 。

2.3构建地图

构建地图的步骤如下所示：

首先构建地图对象map
添加上一步处理好的数据
设置全局配置选项（标题，地区颜色）
生成地图

代码如下：

#构建地图
map=Map()
#添加地图数据
map.add('全国各省份确诊人数',data_list) #最后一个参数没写，默认地图类型为中国
#设置全局配置选项
map.set_global_opts(
    title_opts=TitleOpts(title='全国疫情地图'), #设置地图标题
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #是否分段
        pieces=[           #定义分段范围
            {'min': 1, 'max': 99, 'label': '1-99人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 100, 'max': 999, 'label': '100-999人', 'color': '#FFFF99'},
            {'min': 1000, 'max': 4999, 'label': '1000-4999人', 'color': '#6699FF'},
            {'min': 5000, 'max':9999, 'label': '5000-9999人', 'color': '#F38F24'},
            {'min': 10000, 'max': 99999, 'label': '10000-99999人', 'color': '#CC3333'},
            {'min': 100000,  'label': '10万人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render('全国疫情地图.html')  #控制生成的文件名

运行代码后会产生新文件 “ 全国疫情地图.html ” ，用Edge浏览器打开，即可看到生成的地图。

2.4完整代码

#导包
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts,TitleOpts
import json

#准备地图数据
#读取数据文件
f=open('E:/可视化案例数据/地图数据/疫情.txt','r',encoding='UTF-8')
data=f.read()  #获取文件内全部数据
#取完数据后就用不到文件了，关闭文件即可
f.close()
#将json数据转换为python字典
data_dict=json.loads(data)
#从字典中取出省份数据
province_data_list=data_dict['areaTree'][0]['children']
#组装每个省份名称和确诊人数为元组，将所有元组封装在列表内
data_list=[]  #绘图要用到的数据列表
for province_data in province_data_list:
    province_name=province_data['name']+'省'            #省份名称，拼接字符串的原因在代码下方
    province_confirm=province_data['total']['confirm'] #确诊人数
    data_list.append((province_name,province_confirm)) #放入列表中

#构建地图
map=Map()
#添加地图数据
map.add('全国各省份确诊人数',data_list) #最后一个参数没写，默认地图类型为中国
#设置全局配置选项
map.set_global_opts(
    title_opts=TitleOpts(title='全国疫情地图'), #设置地图标题
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True, #是否分段
        pieces=[           #定义分段范围
            {'min': 1, 'max': 99, 'label': '1-99人', 'color': '#CCFFFF'},  #'color': '#CCFFFF'颜色值，详见RGB颜色对照表
            {'min': 100, 'max': 999, 'label': '100-999人', 'color': '#FFFF99'},
            {'min': 1000, 'max': 4999, 'label': '1000-4999人', 'color': '#6699FF'},
            {'min': 5000, 'max':9999, 'label': '5000-9999人', 'color': '#F38F24'},
            {'min': 10000, 'max': 99999, 'label': '10000-99999人', 'color': '#CC3333'},
            {'min': 100000,  'label': '10万人以上', 'color': '#990033'},
        ]
    )
)
#生成地图
map.render('全国疫情地图.html')  #控制生成的文件名

三、进阶-山东省疫情地图

2.1分析文件数据

我们继续使用文件“ 疫情.txt ”，从其中取出山东省的数据，地图中反映山东省各城市的疫情确诊人数，地图类型选择“山东”，地图数据类型为列表，列表内元素类型为元组，一个元组就包括：山东省城市名称+确诊人数。

数据层级图如下：