「Python」使用Pyecharts生成疫情分布地图

Posted 2023-04-27

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了「Python」使用Pyecharts生成疫情分布地图相关的知识，希望对你有一定的参考价值。

参考技术A

最近受江苏疫情影响，好多小伙伴都居家办公咯！为了密切关注疫情动态，最近写了爬取疫情分布的脚本，参考上篇链接。

既然我们已经获得了相应的江苏各个地级市的疫情数据，那么我们如何来使用Python实现将数据可视化在地图上呢？

Apache Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

简单来说，pyecharts具有以下特性：

3. Pyecharts 安装

使用pip进行安装如下：

因为我们需要使用pycharts绘制地图，此时我们还需要安装相应的地图文件包：

其中：

echarts-countries-pypkg 包为全球国家地图

echarts-china-provinces-pypkg包为中国省级地图

echarts-china-cities-pypkg 包为中国市级地图

安装完上述绘制地图相关的python包后，我们接下来开始画疫情分布地图。

首先，我们先来查看一段Pyecharts相关实现：

上述代码解释如下：

运行后会在当前目录生成 map_jiangsu_0803.html,用浏览器打开后结果如下：

当鼠标移动到对应区域后，会显示出对应地级市今日新增人数。

上述脚本虽然可以实现我们的功能，但是颜色灰灰的，太过于单调，接下来我们来想办法进行美化,实现代码如下：

代码解释如下：

运行后会在当前目录生成 map_jiangsu_0803_new.html,用浏览器打开后结果如下：

同理我们可以得到现有确诊人数分布如下：

进而我们可以得到累计确诊人数分布如下：

python根据json数据画疫情分布地图

一.基础地图使用

1.掌握使用pyecharts构建基础的全国地图可视化图表

注：数据集在文章最后

一.基础地图使用

1.掌握使用pyecharts构建基础的全国地图可视化图表

演示

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map=Map()
data=[
    ("北京",99),
    ("上海",199),
    ("湖南",299),
    ("台湾",199),
    ("安徽",299),
    ("广州",399),
    ("湖北",599)
]
map.add("地图",data,"china")
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True

    )
)
map.render("1.html")

结果是

这里有个问题

is_show=True表示展示图例，但是不准怎么办？
这就需要手动校准范围

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map=Map()
data=[
    ("北京",99),
    ("上海",199),
    ("湖南",299),
    ("台湾",199),
    ("安徽",299),
    ("广州",399),
    ("湖北",599)
]
map.add("地图",data,"china")
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            "min": 1, "max": 9, "label": "1-9人", "color": "#CCFFFF",
            "min": 10, "max": 99, "label": "10-99人", "color": "#FFFF99",
            "min": 100, "max": 499, "label": "100-499人", "color": "#FF9966",
            "min": 500, "max": 999, "label": "500-999人", "color": "#FF6666",
            "min": 1000, "max": 9999, "label": "1000-9999人", "color": "#CC3333",
            "min": 10000, "label": "10000以上", "color": "#990033",

        ]

    )
)
map.render("1.html")

结果是

这样就可以了

再解释一下颜色的设置

这样就可以查询相应的颜色

二.疫情地图——国内疫情地图

1.案例效果

演示

利用json在线在线解析工具可以看到

那么我们就可以知道该怎么去提取

#从字典中取出省份数据
province_data_list=data_dict["areaTree"][0]["children"]

代码

import json
from pyecharts.charts import Map
from pyecharts.options import *
#读取文件
f=open("D:/疫情.txt","r",encoding="utf-8")
data=f.read()
#关闭文件
f.close()
#获取各省数据
#将字符串json转化为python的字典
data_dict=json.loads(data)
#从字典中取出省份数据
province_data_list=data_dict["areaTree"][0]["children"]
#组装每个省份和确诊人数为元组，并各个省的数据都封装如列表
data_list=[]#绘图需要用到数据列表
for province_data in province_data_list:
    province_name=province_data["name"]#省份名称
    province_confirm=province_data["total"]["confirm"]#确诊人数
    data_list.append((province_name,province_confirm))#这里注意列表里面嵌套的是元组
print(f"type(data_list)\\ndata_list")

#创建地图对象
map=Map()
#添加数据
map.add("各省份确诊人数",data_list,"china")
#设置全局配置，定制分段到1视觉映射
map.set_global_opts(
    title_opts=TitleOpts("全国疫情地图",pos_left="center",pos_bottom="1%"),
    visualmap_opts=VisualMapOpts(
        is_show=True,#是否显示
        is_piecewise=True,#是否分段
        pieces=[
            "min": 1, "max": 9, "label": "1-9人", "color": "#CCFFFF",
            "min": 10, "max": 99, "label": "10-99人", "color": "#FFFF99",
            "min": 100, "max": 499, "label": "100-499人", "color": "#FF9966",
            "min": 500, "max": 999, "label": "500-999人", "color": "#FF6666",
            "min": 1000, "max": 9999, "label": "1000-9999人", "color": "#CC3333",
            "min": 10000, "label": "10000以上", "color": "#990033",

        ]

    )
)
map.render("全国疫情地图.html")

结果是

三.疫情地图——省级疫情地图

以河南省为例

代码

import json
from pyecharts.charts import Map
from pyecharts.options import *

f=open("D:/疫情.txt","r",encoding="utf-8")
data=f.read()
#关闭文件
f.close()
#json数据转化为python字典
data_dict=json.loads(data)
#取到河南省数据
cities_data=data_dict["areaTree"][0]["children"][3]["children"]
#准备数据为元组并放入list
data_list=[]

for city_data in cities_data:
    city_name=city_data["name"]+"市"
    city_confirm=city_data["total"]["confirm"]
    data_list.append((city_name,city_confirm))
#构建地图
map=Map()
map.add("河南省疫情分布",data_list,"河南")
#设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,#是否显示
        is_piecewise=True,#是否分段
        pieces=[
            "min": 1, "max": 9, "label": "1-9人", "color": "#CCFFFF",
            "min": 10, "max": 99, "label": "10-99人", "color": "#FFFF99",
            "min": 100, "max": 499, "label": "100-499人", "color": "#FF9966",
            "min": 500, "max": 999, "label": "500-999人", "color": "#FF6666",
            "min": 1000, "max": 9999, "label": "1000-9999人", "color": "#CC3333",
            "min": 10000, "label": "10000以上", "color": "#990033",

        ]
    )
)
map.render("河南疫情地图.html")

结果是