说到使用Python来进行地图的可视化那就一定少不了Pyecharts的身影,本文小编就对Pyecharts可实现的地图可视化进行一番探究,看看其出来的效果如何
1
Pyecharts-Map
首先要介绍的是Pyecharts中使用最多的Map()方法,我们生成全国范围的销售额分布图,如下
当然我们也可以用来制作世界地图,比方说我们来绘制一下现在全世界的疫情新增确诊人数分布
从上图我们能够清晰的看到,美国的新增确诊病例每天都以几千几万的量级在增加,当然我们也可以用其来绘制局部区域的地图,就拿小编所在地的上海来说吧,下图便是上海各个地区的二手房房价的分布图,
2
Pyecharts-Geo
在看完了上海市中心的二手房价对于我们普通人来说就好比是一个天文数字之后,我们将目光转向另外一个Geo()方法,来看看其可视化的效果如何,比方说看一下湖北省内各市的门店数(虚拟数据)
当然我们也可以转变成热力图,并且将地图的背景颜色换一下,例如
当然我们也不只能够将其局限于一个省或者某一市,能够将其范围扩展到全国,由于其中的步骤与原理都高度类似,这里就不做赘述。
3
Pyecharts的航线图
Pyecharts可以生成地理空间的流动图,用来表示航班数量、人口流动等等,下面以上海为例,查看一下上海发往全国各地的航班情况
4
Pyecharts—Bmap
Bmap也就是百度地图,Pyecharts可以调用百度地图的接口来让绘制出来的结果更加接近我们平时使用的地图,如下图所示(不过使用Bmap之前需要去百度地图开放平台申请一个API KEY方能使用)
5
总的来说
总的来说,我们能够使用Geo、Map和BMap来分别绘制地图,步骤也是非常的相似与简便,要是对本文的可视化实践比较感兴趣的读者,可以找小编要一下本文的代码,小编会在下方贴出自己的联系方式哦!
步骤 | 描述 | 代码示例 |
---|---|---|
1 | 实例一个具体类型的对象 | c = Geo() |
2 | 往里面添加数据 | c.add(x,y) |
3 | 添加标题等图标的配置 | c.set_global_opts(title="") |
4 | 在jupyter notebook中生成 | c.render_notebook() |