Python實(shí)現(xiàn)地圖可視化案例詳解

更新時(shí)間：2022年01月13日 14:38:52 作者：程序員迪迪

?Python的地圖可視化庫(kù)很多，Matplotlib庫(kù)雖然作圖很強(qiáng)大，但只能做靜態(tài)地圖。而我今天要講的是交互式地圖庫(kù)，分別為pyecharts、folium。感興趣的可以學(xué)習(xí)一下

?前言

Python的地圖可視化庫(kù)很多，Matplotlib庫(kù)雖然作圖很強(qiáng)大，但只能做靜態(tài)地圖。而我今天要講的是交互式地圖庫(kù)，分別為pyecharts、folium，掌握這兩個(gè)庫(kù)，基本可以解決你的地圖可視化需求。

一、pyecharts

首先，必須說(shuō)說(shuō)強(qiáng)大的pyecharts庫(kù)，簡(jiǎn)單易用又酷炫，幾乎可以制作任何圖表。pyecharts有v0.5和v1兩個(gè)版本，兩者不兼容，最新的v1版本開(kāi)始支持鏈?zhǔn)秸{(diào)用，采用options配置圖表。pyecharts在制作地圖方面，包含Map、Geo和Bmap三類(lèi)，使用Map類(lèi)支持世界、國(guó)家、省市和區(qū)縣四級(jí)地圖，使用前需獨(dú)立安裝。so，pip它們！

pip install pyecharts
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg

pip完之后，查看下pyecharts版本。

import pyecharts
print(pyecharts.__version__)

毋庸置疑，肯定是最新版本啦，版本號(hào)為1.6.2。

Map

在制作地圖前，首先要有數(shù)據(jù)，我從Wind數(shù)據(jù)庫(kù)導(dǎo)出了全國(guó)各省GDP總量數(shù)據(jù)，命名為GDP.xlsx，如下圖所示。

有了數(shù)據(jù)，咱們就可以用python開(kāi)始操作了，先把需要的庫(kù)import一下。

import pandas as pd  #pandas是強(qiáng)大的數(shù)據(jù)處理庫(kù)
from pyecharts.charts import Map
from pyecharts import options as opts

用pandas讀取GDP.xlsx，提取2019年各省GDP數(shù)據(jù)為例，我們來(lái)制作地圖。這里注意下zip() 函數(shù)，它用于將可迭代的對(duì)象作為參數(shù)，將對(duì)象中對(duì)應(yīng)的元素打包成一個(gè)個(gè)元組，然后返回由這些元組組成的對(duì)象。

data = pd.read_excel('GDP.xlsx')
province = list(data["province"])
gdp = list(data["2019_gdp"])
list = [list(z) for z in zip(province,gdp)]

我們來(lái)打印下list，長(zhǎng)這樣：

其實(shí)就是列表里嵌套列表的數(shù)據(jù)結(jié)構(gòu)，只有這種結(jié)構(gòu)把數(shù)據(jù)添加到地圖中去。我們用Map類(lèi)中的常用方法add、set_global_opts和render來(lái)配置地圖。

c = (
     Map(init_opts=opts.InitOpts(width="1000px", height="600px"))  #初始化地圖大小
     .set_global_opts(
         title_opts=opts.TitleOpts(title="2019年各省GDP分布圖  單位:億元"),  #配置標(biāo)題
         visualmap_opts=opts.VisualMapOpts(
             type_ = "scatter"   #散點(diǎn)類(lèi)型
         )
     )
     .add("GDP",list,maptype="china")  #將list傳入，地圖類(lèi)型為中國(guó)地圖
    .render("Map1.html")
)

運(yùn)行以上代碼，用瀏覽器打開(kāi)生成的Map1.html，效果如下：

有朋友可能會(huì)問(wèn)了，地圖倒是有了，可你這地圖不好區(qū)分不同省的GDP大小呀。不慌，我們繼續(xù)優(yōu)化以上代碼，給不同省依據(jù)GDP的大小配置不同的顏色，讓你一目了然。

c = (
     Map(init_opts=opts.InitOpts(width="1000px", height="600px")) #可切換主題
     .set_global_opts(
         title_opts=opts.TitleOpts(title="2019年各省GDP分布圖  單位:億元"),
         visualmap_opts=opts.VisualMapOpts(
             min_=1000,
             max_=110000,
             range_text = ['GDP總量（億）顏色區(qū)間:', ''],  #分區(qū)間
             is_piecewise=True,  #定義圖例為分段型，默認(rèn)為連續(xù)的圖例
            pos_top= "middle",  #分段位置
            pos_left="left",
            orient="vertical",
            split_number=10  #分成10個(gè)區(qū)間
        )
    )
    .add("GDP",list,maptype="china")
    .render("Map2.html")
)

運(yùn)行以上代碼，用瀏覽器打開(kāi)生成的Map2.html，效果如下：

怎么樣，這下效果是不是好多了，顏色越紅代表GDP越高。你所在的省份2019年GDP處于哪個(gè)顏色段呢？當(dāng)然，對(duì)于有些審美較高的朋友可能還是無(wú)法滿足你的要求。

既然如此，那我再優(yōu)化下代碼，給地圖添加主題。添加主題很簡(jiǎn)單，只要import下ThemeType，然后將主題添加到Mpa()方法內(nèi)。我以ThemeType.DARK為例看下效果。

from pyecharts.globals import ThemeType #引入主題
Map(init_opts=opts.InitOpts(width="1000px", height="600px",theme = ThemeType.DARK)) #添加主題ThemeType.DARK

運(yùn)行一下看看效果：

有沒(méi)有B格上升n個(gè)level的感覺(jué)，如果你還不滿意，ok，pyecharts內(nèi)置了10余種主題任你切換。蘿卜青菜各有所愛(ài)，自個(gè)調(diào)去吧~

Geo

Geo與Map類(lèi)似，可以通過(guò)設(shè)置maptype參數(shù)選擇地圖類(lèi)型，所支持的方法也和Map類(lèi)似，我這里就不贅述了，直接貼代碼。

#Geo地圖-漣漪圖
 import pandas as pd
 from pyecharts import options as opts
 from pyecharts.charts import Geo
 from pyecharts.globals import ChartType
 
 data = pd.read_excel('GDP.xlsx')
 province = list(data["province"])
 gdp = list(data["2019_gdp"])
 list = [list(z) for z in zip(province,gdp)]
 print(list)
 c = (
      Geo()
      .add_schema(maptype="china")
      .add(
          "geo",
           list,  #傳入數(shù)據(jù)
           symbol_size=10, large_threshold=110000,  #設(shè)置漣漪大小
           type_=ChartType.EFFECT_SCATTER,   #地圖類(lèi)型為漣漪圖
     )
      .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
      .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=110000),title_opts=opts.TitleOpts(title="2019年各省GDP漣漪圖"))
      .render("Geomap1.html")
   )

運(yùn)行一下，效果如下：

Bmap

Bmap是百度地圖的一個(gè)接口，你如果Map和Geo搞明白了，Bmap也是分分鐘可以搞定的。不過(guò)，有一點(diǎn)要注意，你要先到百度地圖開(kāi)放平臺(tái)注冊(cè)，獲取AK才可以調(diào)用哦。注冊(cè)地址：https://lbsyun.baidu.com/index.php注冊(cè)獲得AK，就可以開(kāi)心制作地圖啦，以熱力圖為例，代碼如下。

#Bmap-散點(diǎn)圖、熱力圖和漣漪圖
  import pandas as pd
  from pyecharts.charts import BMap
  from pyecharts import options as opts
  from pyecharts.globals import ChartType
  
  data = pd.read_excel('GDP.xlsx')
  province = list(data["province"])
  gdp = list(data["2019_gdp"])
  list = [list(z) for z in zip(province,gdp)]
  print(list)
  c = (
       BMap(init_opts=opts.InitOpts(width="1000px", height="600px"))
       .add_schema(baidu_ak="你的AK", center=[120.13066322374, 30.240018034923])
       .add(
           "GDP",
           list,
           type_="heatmap",  #scatter為散點(diǎn)圖，heatmap為熱力圖，ChartType.EFFECT_SCATTER為漣漪圖
           label_opts=opts.LabelOpts(formatter="")
           )
      .set_global_opts(
          title_opts=opts.TitleOpts(title="2019年各省GDP熱力圖"), visualmap_opts=opts.VisualMapOpts(max_=110000)
     )
      .render("Bmap1.html")
   )

運(yùn)行后，長(zhǎng)這樣：

二、folium

你以為以上幾個(gè)地圖就能滿足我查理對(duì)數(shù)據(jù)可視化美感的追求，那你太小看查理了，我經(jīng)過(guò)研究，發(fā)現(xiàn)folium庫(kù)才是吊炸天的存在。

首先，我用python調(diào)取了高德地圖API接口，獲得了廣州市近6000個(gè)景點(diǎn)的地理數(shù)據(jù)，保存為poi_scenic_spot.csv。以下為部分?jǐn)?shù)據(jù)：

然后安裝folium庫(kù)，設(shè)置刺激戰(zhàn)場(chǎng)底圖，當(dāng)然你也可以換其他底圖玩，代碼中提供了mapbox底圖、高德底圖等，任你隨意切換。

#folium-熱力圖
 import pandas as pd
 import folium
 from folium import plugins
 
 data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8')
 
 # heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True) # 繪制地圖，確定聚焦點(diǎn)，默認(rèn)底圖（加載慢）
 heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamen Terrain') #刺激戰(zhàn)場(chǎng)底圖
# heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='Mapbox Bright') #mapbox底圖
# heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner') #黑白底圖

# heatmap1 = folium.Map(   #高德底圖
#     location=[23.122373,113.268027],
#     zoom_start=15,
#     control_scale = True,
#     tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}',
#     attr='&copy; <a  rel="external nofollow" >高德地圖</a>'
#     )

folium.Marker([23.122373,113.268027],popup='<i>查理</i>',icon=folium.Icon(icon='cloud',color='green')).add_to(heatmap1)  #創(chuàng)建中心標(biāo)記
heatmap1.add_child(plugins.HeatMap([[row["lat"],row["lon"]] for name, row in data.iterrows()]))  #傳入經(jīng)緯度
heatmap1.save("folium_map1.html")  #生成網(wǎng)頁(yè)

迫不及待運(yùn)行了下，效果如下：

哈哈哈哈，好大一只紅燒雞。

熱力圖有點(diǎn)中看不中用啊，看這圖我也很難搞清楚廣州的景點(diǎn)分布情況。那咱換個(gè)別的圖試試。

#folium-聚合散點(diǎn)地圖
 import pandas as pd
 import folium
 from folium import plugins
 
 data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8')
 
 plotmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner')
 
 folium.Marker([23.122373,113.268027],popup='<p style="color: green">我是J哥</p>',icon=folium.Icon(icon='cloud',color='green')).add_to(plotmap1)  #創(chuàng)建中心標(biāo)記
 plotmap1.add_child(plugins.MarkerCluster([[row["lat"],row["lon"]] for name, row in data.iterrows()]))
 plotmap1.save('folium_map2.html')

看效果！