国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

探索規(guī)律:Python地圖數(shù)據(jù)可視化藝術(shù)

這篇具有很好參考價值的文章主要介紹了探索規(guī)律:Python地圖數(shù)據(jù)可視化藝術(shù)。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

一 基礎(chǔ)地圖使用

  • 使用 Pyecharts 構(gòu)建地圖可視化也是很簡單的。Pyecharts 支持多種地圖類型,包括普通地圖、熱力圖、散點地圖等。以下是一個構(gòu)建簡單地圖的示例,以中國地圖為例:
  1. 首先,確保已安裝了Pyecharts 庫。可以使用以下命令來安裝:

    pip install pyecharts
    
  2. 然后,創(chuàng)建一個 Python 腳本,例如 map_example.py,并輸入以下代碼:

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

# 準備地圖對象
map = Map()
# 準備數(shù)據(jù)
data = [
    ("北京市", 99),
    ("上海市", 199),
    ("湖南省", 299),
    ("臺灣省", 399),
    ("廣東省", 499)
]
# 添加數(shù)據(jù)
map.add("銷售額", data, "china")

# 設(shè)置全局選項
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 9, "label": "1-9", "color": "#CCFFFF"},
            {"min": 10, "max": 99, "label": "10-99", "color": "#FF6666"},
            {"min": 100, "max": 500, "label": "100-500", "color": "#990033"}
        ]
    )
)

# 繪圖
map.render("銷售額.html")

  • 使用Pyecharts 的 Map 類來創(chuàng)建地圖可視化。通過 add 方法,添加銷售額數(shù)據(jù),并指定了地圖類型為 “china”。然后,通過 set_global_opts 方法設(shè)置了圖表的標題和視覺映射選項,以控制顏色映射。

  • 運行腳本后,將會生成一個名為 銷售額.html 的 HTML 文件,其中包含了一個簡單的中國地圖。
    探索規(guī)律:Python地圖數(shù)據(jù)可視化藝術(shù),馭Python神技:打造編程巨匠之路,信息可視化,python,開發(fā)語言

二 國內(nèi)疫情可視化圖表

2.1 實現(xiàn)步驟

  1. 查看數(shù)據(jù)文件分析json結(jié)構(gòu),可使用在線json工具進行分析
    探索規(guī)律:Python地圖數(shù)據(jù)可視化藝術(shù),馭Python神技:打造編程巨匠之路,信息可視化,python,開發(fā)語言
  2. 根據(jù)json文件結(jié)構(gòu)獲取省份(name)和確診人數(shù)(confirm)數(shù)據(jù),并組成列表
import json

# 讀取數(shù)據(jù)文件
f = open("D:/疫情.txt", "r", encoding="UTF-8")
data = f.read()     # 全部數(shù)據(jù)
# 關(guān)閉文件
f.close()
# 取到各省數(shù)據(jù)
# 將字符串json轉(zhuǎn)換為python的字典
data_dict = json.loads(data)        # 基礎(chǔ)數(shù)據(jù)字典
# 從字典中取出省份的數(shù)據(jù)
province_data_list = data_dict["areaTree"][0]["children"]
# 組裝每個省份和確診人數(shù)為元組,并各個省的數(shù)據(jù)都封裝入列表內(nèi)
data_list = []      # 繪圖需要用的數(shù)據(jù)列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名稱
    province_confirm = province_data["total"]["confirm"]    # 確診人數(shù)
    data_list.append((province_name, province_confirm))
  1. 省份的縮寫映射到全稱處理
# 字典映射省份縮寫到全稱
province_mapping = {
    '臺灣': '臺灣省',
    '江蘇': '江蘇省',
    '云南': '云南省',
    '河南': '河南省',
    '上海': '上海市',
    '湖南': '湖南省',
    '湖北': '湖北省',
    '廣東': '廣東省',
    '香港': '香港特別行政區(qū)',
    '福建': '福建省',
    '浙江': '浙江省',
    '山東': '山東省',
    '四川': '四川省',
    '天津': '天津市',
    '北京': '北京市',
    '陜西': '陜西省',
    '廣西': '廣西壯族自治區(qū)',
    '遼寧': '遼寧省',
    '重慶': '重慶市',
    '澳門': '澳門特別行政區(qū)',
    '甘肅': '甘肅省',
    '山西': '山西省',
    '海南': '海南省',
    '內(nèi)蒙古': '內(nèi)蒙古自治區(qū)',
    '吉林': '吉林省',
    '黑龍江': '黑龍江省',
    '寧夏': '寧夏回族自治區(qū)',
    '青海': '青海省',
    '江西': '江西省',
    '貴州': '貴州省',
    '西藏': '西藏自治區(qū)',
    '安徽': '安徽省',
    '河北': '河北省',
    '新疆': '新疆維吾爾自治區(qū)',
}

# 處理地區(qū)名,替換為全稱
processed_data=[(province_mapping.get(area, area), value) for area, value in data_list]
print(processed_data)
[('臺灣省', 15880), ('江蘇省', 1576), ('云南省', 982), ('河南省', 1518), ('上海市', 2408), ('湖南省', 1181), ('湖北省', 68286), 
('廣東省', 2978), ('香港特別行政區(qū)', 12039), ('福建省', 773), ('浙江省', 1417), ('山東省', 923), ('四川省', 1179), ('天津市', 445),
 ('北京市', 1107), ('陜西省', 668), ('廣西壯族自治區(qū)', 289), ('遼寧省', 441), ('重慶市', 603), ('澳門特別行政區(qū)', 63), ('甘肅省', 199), 
 ('山西省', 255), ('海南省', 190), ('內(nèi)蒙古自治區(qū)', 410), ('吉林省', 574), ('黑龍江省', 1613), ('寧夏回族自治區(qū)', 77),
  ('青海省', 18), ('江西省', 937), ('貴州省', 147), ('西藏自治區(qū)', 1), ('安徽省', 1008), ('河北省', 1317), ('新疆維吾爾自治區(qū)', 980)]

  1. 創(chuàng)建地圖,設(shè)置顏色分段映射
from pyecharts.charts import Map
from pyecharts.options import *

# 創(chuàng)建地圖對象
map = Map()
# 添加數(shù)據(jù)
map.add("各省份確診人數(shù)", processed_data, "china")
# 設(shè)置全局配置,定制分段的視覺映射
map.set_global_opts(
    title_opts=TitleOpts(title="全國疫情地圖"),
    visualmap_opts=VisualMapOpts(
        is_show=True,           # 是否顯示
        is_piecewise=True,      # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]
    )
)
# 繪圖
map.render("全國疫情地圖.html")

2.2 完整代碼

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


# 字典映射省份縮寫到全稱
province_mapping = {
    '臺灣': '臺灣省',
    '江蘇': '江蘇省',
    '云南': '云南省',
    '河南': '河南省',
    '上海': '上海市',
    '湖南': '湖南省',
    '湖北': '湖北省',
    '廣東': '廣東省',
    '香港': '香港特別行政區(qū)',
    '福建': '福建省',
    '浙江': '浙江省',
    '山東': '山東省',
    '四川': '四川省',
    '天津': '天津市',
    '北京': '北京市',
    '陜西': '陜西省',
    '廣西': '廣西壯族自治區(qū)',
    '遼寧': '遼寧省',
    '重慶': '重慶市',
    '澳門': '澳門特別行政區(qū)',
    '甘肅': '甘肅省',
    '山西': '山西省',
    '海南': '海南省',
    '內(nèi)蒙古': '內(nèi)蒙古自治區(qū)',
    '吉林': '吉林省',
    '黑龍江': '黑龍江省',
    '寧夏': '寧夏回族自治區(qū)',
    '青海': '青海省',
    '江西': '江西省',
    '貴州': '貴州省',
    '西藏': '西藏自治區(qū)',
    '安徽': '安徽省',
    '河北': '河北省',
    '新疆': '新疆維吾爾自治區(qū)',
}


# 讀取數(shù)據(jù)文件
f = open("C:/疫情.txt", "r", encoding="UTF-8")
data = f.read()     # 全部數(shù)據(jù)
# 關(guān)閉文件
f.close()
# 取到各省數(shù)據(jù)
# 將字符串json轉(zhuǎn)換為python的字典
data_dict = json.loads(data)        # 基礎(chǔ)數(shù)據(jù)字典
# 從字典中取出省份的數(shù)據(jù)
province_data_list = data_dict["areaTree"][0]["children"]
# 組裝每個省份和確診人數(shù)為元組,并各個省的數(shù)據(jù)都封裝入列表內(nèi)
data_list = []      # 繪圖需要用的數(shù)據(jù)列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名稱
    province_confirm = province_data["total"]["confirm"]    # 確診人數(shù)
    data_list.append((province_name, province_confirm))

# 處理地區(qū)名,替換為全稱
processed_data=[(province_mapping.get(area, area), value) for area, value in data_list]
print(processed_data)

# 創(chuàng)建地圖對象
map = Map()
# 添加數(shù)據(jù)
map.add("各省份確診人數(shù)", processed_data, "china")
# 設(shè)置全局配置,定制分段的視覺映射
map.set_global_opts(
    title_opts=TitleOpts(title="全國疫情地圖"),
    visualmap_opts=VisualMapOpts(
        is_show=True,           # 是否顯示
        is_piecewise=True,      # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]
    )
)
# 繪圖
map.render("全國疫情地圖.html")

2.3 運行結(jié)果

探索規(guī)律:Python地圖數(shù)據(jù)可視化藝術(shù),馭Python神技:打造編程巨匠之路,信息可視化,python,開發(fā)語言文章來源地址http://www.zghlxwxcb.cn/news/detail-640347.html

到了這里,關(guān)于探索規(guī)律:Python地圖數(shù)據(jù)可視化藝術(shù)的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權(quán),不承擔相關(guān)法律責任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務器費用

相關(guān)文章

  • 【數(shù)據(jù)可視化】Python通過Pyecharts庫繪制geo類地圖

    【數(shù)據(jù)可視化】Python通過Pyecharts庫繪制geo類地圖

    我們知道,在數(shù)據(jù)可視化中的地圖可視化分為map類地圖和geo類地圖,而現(xiàn)在我將介紹geo類地圖,會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我來一起學習學習吧?。ㄓ捎谖沂且晃怀鯇W者,若有不對的還望大家多多指教,蟹蟹~) 中文官方文檔和

    2024年02月04日
    瀏覽(25)
  • [數(shù)據(jù)分析與可視化] Python繪制數(shù)據(jù)地圖3-GeoPandas使用要點

    [數(shù)據(jù)分析與可視化] Python繪制數(shù)據(jù)地圖3-GeoPandas使用要點

    本文主要介紹GeoPandas的使用要點。GeoPandas是一個Python開源項目,旨在提供豐富而簡單的地理空間數(shù)據(jù)處理接口。GeoPandas擴展了Pandas的數(shù)據(jù)類型,并使用matplotlib進行繪圖。GeoPandas官方倉庫地址為:GeoPandas。GeoPandas的官方文檔地址為:GeoPandas-doc。本文主要參考GeoPandas Examples Gal

    2024年02月09日
    瀏覽(30)
  • [數(shù)據(jù)分析與可視化] Python繪制數(shù)據(jù)地圖4-MovingPandas入門指北

    [數(shù)據(jù)分析與可視化] Python繪制數(shù)據(jù)地圖4-MovingPandas入門指北

    MovingPandas是一個基于Python和GeoPandas的開源地理時空數(shù)據(jù)處理庫,用于處理移動物體的軌跡數(shù)據(jù)。它提供了一組強大的工具,可以輕松地加載、分析和可視化移動物體的軌跡。通過使用MovingPandas,用戶可以輕松地處理和分析移動對象數(shù)據(jù),并從中提取有關(guān)行為、模式和趨勢的見

    2024年02月14日
    瀏覽(21)
  • 探索Python中的數(shù)據(jù)可視化利器:Plotly Express

    在數(shù)據(jù)分析和可視化領(lǐng)域,數(shù)據(jù)的有效呈現(xiàn)是至關(guān)重要的。Python作為一種強大的編程語言,提供了多種數(shù)據(jù)可視化工具和庫。其中,Plotly Express是一款受歡迎的數(shù)據(jù)可視化庫,它提供了簡單易用的接口和豐富的圖表類型,使得數(shù)據(jù)可視化變得輕松而愉快。本文將介紹Plotly Exp

    2024年02月10日
    瀏覽(34)
  • 探索 Python:發(fā)現(xiàn)有趣的庫——第 1 章:數(shù)據(jù)可視化之旅

    探索 Python:發(fā)現(xiàn)有趣的庫——第 1 章:數(shù)據(jù)可視化之旅

    在一個充滿活力的科技世界中,數(shù)據(jù)分析專家“算法仙”和編程愛好者“代碼俠”相遇了,決定一起踏上數(shù)據(jù)可視化的探險之旅。他們將運用 Matplotlib 和 Seaborn 這兩個強大的 Python 庫,將枯燥的數(shù)據(jù)轉(zhuǎn)化為生動的圖形。 算法仙 :你好,代碼俠!今天我們將一起探索數(shù)據(jù)可視化

    2024年01月17日
    瀏覽(22)
  • 數(shù)據(jù)藝術(shù):精通數(shù)據(jù)可視化的關(guān)鍵步驟

    數(shù)據(jù)藝術(shù):精通數(shù)據(jù)可視化的關(guān)鍵步驟

    數(shù)據(jù)可視化 是將復雜數(shù)據(jù)轉(zhuǎn)化為易于理解的圖表和圖形的過程,幫助我們發(fā)現(xiàn)趨勢、關(guān)聯(lián)和模式。同時數(shù)據(jù)可視化也是數(shù)字孿生的基礎(chǔ),本文小編帶大家用最簡單的話語為大家講解怎么制作一個數(shù)據(jù)可視化大屏,接下來跟隨小編的思路走起來~ 數(shù)據(jù)可視化最重要的一步便是

    2024年02月10日
    瀏覽(15)
  • Grafana之魔法:揭秘數(shù)據(jù)可視化的藝術(shù)

    Grafana之魔法:揭秘數(shù)據(jù)可視化的藝術(shù)

    在數(shù)據(jù)驅(qū)動的時代,如何有效地呈現(xiàn)和理解數(shù)據(jù)成為了每個組織和個人的核心任務。Grafana作為一個領(lǐng)先的開源數(shù)據(jù)可視化工具,為我們提供了強大的功能和靈活性。本文將深入探討Grafana的魔法,以及它如何幫助我們更好地理解數(shù)據(jù)。 Grafana的起源與發(fā)展 Grafana最初是為了滿足

    2024年02月10日
    瀏覽(17)
  • 數(shù)據(jù)可視化:地圖

    數(shù)據(jù)可視化:地圖

    如何添加顏色表示層級 ? 代碼實現(xiàn) 代碼實現(xiàn) 相關(guān)數(shù)據(jù)文件在文章開頭出獲取 但是我直接演示四川的地圖 代碼示例 結(jié)果示例 簡簡單單直接拿下啦?。?! 再見 ヾ( ̄▽ ̄)Bye~Bye~

    2024年02月05日
    瀏覽(16)
  • 數(shù)據(jù)可視化:BI熱力地圖制作

    數(shù)據(jù)可視化:BI熱力地圖制作

    熱力圖 時以特殊高亮的形式顯示訪客熱衷的頁面區(qū)域和訪客所在的地理區(qū)域的圖示。熱力圖可以顯示不可點擊區(qū)域發(fā)生的事情。 熱力圖 可以直觀清楚地看到頁面上每一個區(qū)域的訪客興趣焦點,無須報告數(shù)據(jù)分析,圖形化展現(xiàn),無需任何頁面分析經(jīng)驗。 上一次帶大家過了一遍

    2024年02月07日
    瀏覽(25)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包