网站视差怎么做,专业简历制作管理平台,低代码建站,网站通知模板文章目录 前言如何绘制地图添加配置项 根据已有数据绘制地图整体代码展示 前言
前面我们学习了如何利用提供的数据来对数据进行处理#xff0c;然后以折线图的形式展现出来#xff0c;那么今天我将为大家分享如何将提数据以地图的形式展现。
如何绘制地图
前面我们绘制折线… 文章目录 前言如何绘制地图添加配置项 根据已有数据绘制地图整体代码展示 前言
前面我们学习了如何利用提供的数据来对数据进行处理然后以折线图的形式展现出来那么今天我将为大家分享如何将提数据以地图的形式展现。
如何绘制地图
前面我们绘制折线图需要用到 pyecharts.charts 模块下的 Line 方法那么要绘制地图我们需要用到 pyecahrts.charts 模块下的 Map 方法。基本思想跟绘制折线图是相似的不同的就是绘制折线图使用的数据是列表列表中的每个元素是 字典 而绘制地图的数据也是列表但每个元素是 元组。
导入模块
from pyecharts.charts import Map创建空地图
map Map()提供测试用例
data [(北京市,499),(上海市,399),(广东省,299),(湖北省,199),(湖南省,99)
]这里需要注意我们的数据要和地图上的数据保持一致例如地图上是北京市如果我们用北京就会出问题。
将数据添加进地图中
map.add(测试地图,data,china)第一个参数是绘制的地图的名称。第二个参数是添加的数据第三个参数是什么类型的地图默认是中国地图。
生成带有数据的地图
map.render()当然这种地图看的很单调我们同样可以添加一些配置项来更生动的展现数据。
添加配置项
map.set_global_opts(title_optsTitleOpts(title这是一个测试地图,pos_leftcenter,pos_bottom1%), # 标题visualmap_optsVisualMapOpts(is_showTrue, # 是否显示视觉映射is_piecewiseTrue, # 是否允许自定义颜色pieces[{min: 1,max: 99,label: 1-99,color: #125616},{min: 100,max: 199,label: 100-199,color: #121d56},{min: 200,max: 299,label: 200-299,color: #56124d},{min: 300,max: 399,label: 300-399,color: #565212},{min: 400,max: 499,label: 400-499,color: #e53436},]) # 这里如果我们不知道相对应的颜色的代码的话我们可以去自行去搜索
)这里需要注意我们的数据的范围应该与颜色的范围对应数据的范围应该在设置的颜色的范围内。例如如果你的数据中没有大于500的数据那么你设置的颜色的范围也不应该包含大于500的范围段。
根据已有数据绘制地图
这里我们的提供的数据是关于中国各省疫情确诊人数的。如果大家也想练手的话欢迎私信我拿数据。 我们先看看数据的层次。 我们先获取到所有省份的确诊人数。
import json# 打开数据所在文件
f open(D:/桌面/疫情.txt,r,encodingUTF8)# 读取数据
data f.read()f.close()# 将JSON数据转换为python数据
data_dict json.loads(data)
province_data_list data_dict[areaTree][0][children]将获取到的数据装进元组中。
data_list []
# 将数据放入元组中
for i in province_data_list:province_name i[name]province_data i[total][confirm]data_list.append((province_name,province_data))绘制地图
map Map()map.add(各省份确诊人数, data_list, china)map.set_global_opts(title_optsTitleOpts(title全国疫情图,pos_leftcenter,pos_bottom1%),visualmap_optsVisualMapOpts(is_showTrue,is_piecewiseTrue,pieces[{min: 1, max: 99, label: 1-99人, color: #cfe4c4},{min: 100, max: 999, label: 100-999人, color: #c4d2e4},{min: 1000, max: 4999, label: 1000-4999人, color: #e3c4e4},{min: 5000, max: 9999, label: 5000-9999人, color: #e4c4d5},{min: 10000, max: 99999, label: 10000-99999人, color: #e4cac4},])
)map.render(全国疫情图.html) # 我们可以为形成的html文件命名整体代码展示
import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts,VisualMapOptsmap Map()# 打开数据所在文件
f open(D:/桌面/疫情.txt,r,encodingUTF8)# 读取数据
data f.read()f.close()# 将JSON数据转换为python数据
data_dict json.loads(data)
province_data_list data_dict[areaTree][0][children]data_list []
# 将数据放入元组中
for i in province_data_list:province_name i[name]province_data i[total][confirm]data_list.append((province_name,province_data))map Map()map.add(各省份确诊人数, data_list, china)map.set_global_opts(title_optsTitleOpts(title全国疫情图,pos_leftcenter,pos_bottom1%),visualmap_optsVisualMapOpts(is_showTrue,is_piecewiseTrue,pieces[{min: 1, max: 99, label: 1-99人, color: #cfe4c4},{min: 100, max: 999, label: 100-999人, color: #c4d2e4},{min: 1000, max: 4999, label: 1000-4999人, color: #e3c4e4},{min: 5000, max: 9999, label: 5000-9999人, color: #e4c4d5},{min: 10000, max: 99999, label: 10000-99999人, color: #e4cac4},# {min: 1000000, max: 10万, label: 1000000-10万, color: #e4cac4}])
)map.render(全国疫情图.html)
