Python實現(xiàn)地圖可視化案例詳解
?前言
Python的地圖可視化庫很多，Matplotlib庫雖然作圖很強大，但只能做靜態(tài)地圖。而我今天要講的是交互式地圖庫，分別為pyecharts、folium，掌握這兩個庫，基本可以解決你的地圖可視化需求。
一、pyecharts
首先，必須說說強大的pyecharts庫，簡單易用又酷炫，幾乎可以制作任何圖表。pyecharts有v0.5和v1兩個版本，兩者不兼容，最新的v1版本開始支持鏈式調用，采用options配置圖表。pyecharts在制作地圖方面，包含Map、Geo和Bmap三類，使用Map類支持世界、國家、省市和區(qū)縣四級地圖，使用前需獨立安裝。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)庫導出了全國各省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開始操作了，先把需要的庫import一下。
import pandas as pd #pandas是強大的數(shù)據(jù)處理庫 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，我們來制作地圖。這里注意下zip() 函數(shù)，它用于將可迭代的對象作為參數(shù)，將對象中對應的元素打包成一個個元組，然后返回由這些元組組成的對象。
data = pd.read_excel('GDP.xlsx')
province = list(data["province"])
gdp = list(data["2019_gdp"])
list = [list(z) for z in zip(province,gdp)]我們來打印下list，長這樣：
其實就是列表里嵌套列表的數(shù)據(jù)結構，只有這種結構把數(shù)據(jù)添加到地圖中去。我們用Map類中的常用方法add、set_global_opts和render來配置地圖。
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"), #配置標題
visualmap_opts=opts.VisualMapOpts(
type_ = "scatter" #散點類型
)
)
.add("GDP",list,maptype="china") #將list傳入，地圖類型為中國地圖
.render("Map1.html")
)運行以上代碼，用瀏覽器打開生成的Map1.html，效果如下：
有朋友可能會問了，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個區(qū)間
)
)
.add("GDP",list,maptype="china")
.render("Map2.html")
)運行以上代碼，用瀏覽器打開生成的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處于哪個顏色段呢？當然，對于有些審美較高的朋友可能還是無法滿足你的要求。
既然如此，那我再優(yōu)化下代碼，給地圖添加主題。添加主題很簡單，只要import下ThemeType，然后將主題添加到Mpa()方法內。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
運行一下看看效果：
有沒有B格上升n個level的感覺，如果你還不滿意，ok，pyecharts內置了10余種主題任你切換。蘿卜青菜各有所愛，自個調去吧~
Geo
Geo與Map類似，可以通過設置maptype參數(shù)選擇地圖類型，所支持的方法也和Map類似，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, #設置漣漪大小
type_=ChartType.EFFECT_SCATTER, #地圖類型為漣漪圖
)
.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")
)運行一下，效果如下：
Bmap
Bmap是百度地圖的一個接口，你如果Map和Geo搞明白了，Bmap也是分分鐘可以搞定的。不過，有一點要注意，你要先到百度地圖開放平臺注冊，獲取AK才可以調用哦。注冊地址：https://lbsyun.baidu.com/index.php注冊獲得AK，就可以開心制作地圖啦，以熱力圖為例，代碼如下。
#Bmap-散點圖、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")
)運行后，長這樣：
二、folium
你以為以上幾個地圖就能滿足我查理對數(shù)據(jù)可視化美感的追求，那你太小看查理了，我經(jīng)過研究，發(fā)現(xiàn)folium庫才是吊炸天的存在。
首先，我用python調取了高德地圖API接口，獲得了廣州市近6000個景點的地理數(shù)據(jù)，保存為poi_scenic_spot.csv。以下為部分數(shù)據(jù)：
然后安裝folium庫，設置刺激戰(zhàn)場底圖，當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，默認底圖（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='© <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)頁迫不及待運行了下，效果如下：
哈哈哈哈，好大一只紅燒雞。
熱力圖有點中看不中用啊，看這圖我也很難搞清楚廣州的景點分布情況。那咱換個別的圖試試。
#folium-聚合散點地圖
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)建中心標記
plotmap1.add_child(plugins.MarkerCluster([[row["lat"],row["lon"]] for name, row in data.iterrows()]))
plotmap1.save('folium_map2.html')看效果！
你就說酷不酷，炫不炫？
結 語
查理自認為以上歸納還算完整，當然，python的地圖庫還有很多，值得進一步挖掘。
到此這篇關于Python實現(xiàn)地圖可視化案例詳解的文章就介紹到這了,更多相關Python地圖可視化內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
pytorch 優(yōu)化器(optim)不同參數(shù)組,不同學習率設置的操作
這篇文章主要介紹了pytorch 優(yōu)化器(optim)不同參數(shù)組,不同學習率設置的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-05-05
本篇文章給大家分享習如何Python3生成手寫體數(shù)字方法以及實例代碼分享，有興趣的朋友參考下吧。2018-01-01
Jython 是 Python 的純 Java 實現(xiàn)。她無縫地結合了 Java 類與 Python，使用戶能以 Python 語言的語法編寫在 Java 虛擬機上運行的 軟件，本文重點給大家介紹通過Jython調用Python腳本的實現(xiàn)方法，一起看看吧2021-06-06
今天小編就為大家分享一篇在IPython中執(zhí)行Python程序文件的示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11
這篇文章主要介紹了python爬蟲進階之協(xié)程詳解,coroutine中文翻譯叫協(xié)程，在 Python 中昌指代為協(xié)程對象類型，可以將協(xié)程對象注冊到時間循環(huán)中被調用,需要的朋友可以參考下2023-08-08
這篇文章主要介紹了FFT快速傅里葉變換的python實現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-10-10
這篇文章主要介紹了Python3實現(xiàn)二叉樹的最大深度， 文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-09-09
這篇文章主要介紹了Python?并行加速技巧分享，文章圍繞文章主題展開詳細的內容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-05-05
Python實現(xiàn)爬取天氣數(shù)據(jù)并可視化分析
這篇文章主要和大家分享一個用Python實現(xiàn)的小功能：獲取天氣數(shù)據(jù)，進行可視化分析，帶你直觀了解天氣情況！感興趣的小伙伴可以學習一下2022-02-02
python實現(xiàn)Dijkstra算法的最短路徑問題
這篇文章主要介紹了python實現(xiàn)Dijkstra算法的最短路徑問題，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-06-06