Jupyter中使用Pyecharts绘制地图

news2024/9/20 1:02:53

背景:根据各省频率绘制地图

根据各省频率绘制地图,可以使用 Pyecharts 绘制。下面是详细的步骤:

1、安装 Pyecharts:可以通过 !pip install pyecharts 命令安装。

2、导入相关库

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map

3、准备数据:需要将各省份和对应频率存储在一个 DataFrame 中,其中列名为 "province" 和 "frequency"。例如:

df = pd.DataFrame({
    "province": ["北京市", "天津市", "河北省", "山西省", "内蒙古自治区", "辽宁省", 
                 "吉林省", "黑龙江省", "上海市", "江苏省", "浙江省", "安徽省", 
                 "福建省", "江西省", "山东省", "河南省", "湖北省", "湖南省", 
                 "广东省", "广西壮族自治区", "海南省", "重庆市", "四川省", "贵州省", 
                 "云南省", "西藏自治区", "陕西省", "甘肃省", "青海省", "宁夏回族自治区", 
                 "新疆维吾尔自治区"],
    "frequency": [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120,
                  130, 140, 150, 160, 170, 180, 190, 200, 210, 220,
                  230, 240, 250, 260, 270, 280, 290, 300, 310]
})

4、绘制地图:使用 Pyecharts 中的 Map 类,将各省份和对应频率填入其中,并设置地图属性。

map_chart = (
    Map() # 创建地图对象
    .add("各省份频率分布", [list(z) for z in zip(df["province"], df["frequency"])], "china") # 添加数据,设置地图类型
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各省份频率分布图"),
        visualmap_opts=opts.VisualMapOpts(max_=310, is_piecewise=True), # 设置视觉映射配置,控制颜色范围
    )
)

map_chart.render_notebook() # 在 Jupyter Notebook 中渲染图表

完整代码如下:

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map
df = pd.DataFrame({
    "province": ["北京市", "天津市", "河北省", "山西省", "内蒙古自治区", "辽宁省", 
                 "吉林省", "黑龙江省", "上海市", "江苏省", "浙江省", "安徽省", 
                 "福建省", "江西省", "山东省", "河南省", "湖北省", "湖南省", 
                 "广东省", "广西壮族自治区", "海南省", "重庆市", "四川省", "贵州省", 
                 "云南省", "西藏自治区", "陕西省", "甘肃省", "青海省", "宁夏回族自治区", 
                 "新疆维吾尔自治区"],
    "frequency": [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120,
                  130, 140, 150, 160, 170, 180, 190, 200, 210, 220,
                  230, 240, 250, 260, 270, 280, 290, 300, 310]
})


map_chart = (
    Map() # 创建地图对象
    .add("各省份频率分布", [list(z) for z in zip(df["province"], df["frequency"])], "china") # 添加数据,设置地图类型
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各省份频率分布图"),
        visualmap_opts=opts.VisualMapOpts(max_=310, is_piecewise=True), # 设置视觉映射配置,控制颜色范围
    )
)

map_chart.render_notebook() # 在 Jupyter Notebook 中渲染图表

运行结果:

 如果想绘制动态显示的地图:即随着时间的变化,各省份相关数据频率也发生变化,地图中颜色在动态变化显示。

完整代码如下:

from pyecharts import options as opts
from pyecharts.charts import Map, Timeline
import numpy as np
 
province_dis = {'宁夏回族自治区':155,'河南省':355, '北京市': 117, '河北省': 521, '辽宁省': 612, '江西省': 126, '上海市':1520, '安徽省': 230, '江苏省': 226, '湖南省': 449,'浙江省': 553, '海南省': 512, '广东省': 712, '湖北省': 118, '黑龙江省': 111, '澳门特别行政区': 191, '陕西省': 211, '四川省': 717, '内蒙古自治区': 113, '重庆市': 13,'广西壮族自治区':81,'云南省': 216, '贵州省': 121, '吉林省': 131, '山西省': 131, '山东省': 111, '福建省': 341, '青海省': 151, '天津市': 131,'新疆维吾尔自治区':150,'西藏自治区':170,'甘肃省':120,'台湾省':31}
provice = list(province_dis.keys())
values = list(province_dis.values())
 
province_dis1 = {'宁夏回族自治区':55,'河南省': 145, '北京市': 137, '河北省': 121, '辽宁省': 112, '江西省': 16, '上海市':120, '安徽省': 110, '江苏省': 116, '湖南省': 119,'浙江省': 113, '海南省': 12, '广东省': 212, '湖北省': 18, '黑龙江省': 111, '澳门特别行政区': 11, '陕西省': 111, '四川省': 17, '内蒙古自治区': 13, '重庆市': 13,'广西壮族自治区':81,'云南省': 16, '贵州省': 21, '吉林省': 31, '山西省': 11, '山东省': 111, '福建省': 41, '青海省': 51, '天津市': 11,'新疆维吾尔自治区':150,'西藏自治区':170,'甘肃省':120,'台湾省':31}
values1 = list(province_dis1.values())
 
 
sum_vlaues=[]
sum_vlaues.append(values),sum_vlaues.append(values1)
 
 
tl = Timeline()
for i in range(2015, 2017):
    map_min=int(np.min(sum_vlaues[i-2015]))
    map_max=int(np.max(sum_vlaues[i-2015]))
    china = (
        Map()
        .add("", [list(z) for z in zip(provice, sum_vlaues[i-2015])], "china")
        .set_global_opts(title_opts=opts.TitleOpts(title="中国地图"), visualmap_opts=opts.VisualMapOpts(type_='color',min_=map_min,max_=map_max))
    )
    tl.add(china, "{}年".format(i))
tl.add_schema(is_auto_play=True, play_interval=1000)      # 自动播放,跳动的间隔为1000ms
tl.render_notebook()

运行结果(2015年动态地图):

 2016年动态地图:

 注意:Pyecharts地图构建为什么不显示颜色和内容呢?

运行结果显示就一个灰白的地图,心想着明明有传入数据,为啥不根据频率显示颜色呢?

 原因:传入的数据中,各省市的名称必须要和地图上显示的名称一致,不能简写。如有简写,则需要将北京改为北京市,如果有自治区,就写内蒙古自治区,湖南要写成湖南省,澳门要写成澳门特别行政区。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/660372.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

设计模式之抽象工厂模式笔记

设计模式之抽象工厂模式笔记 说明Abstract Factory(抽象工厂)目录UML抽象工厂示例类图甜品抽象类甜品提拉米苏类甜品抹茶慕斯类 咖啡抽象类美式咖啡类拿铁咖啡类 甜品工厂接口美式风味的甜品工厂意大利风味的甜品工厂 测试类模式扩展 说明 记录下学习设计模式-抽象工厂模式的写…

SSMP整合案例(2) Spring Boot整合Lombok简化实体类开发

好啊 接着我们上文SSMP整合案例(1) 构建 Spring Boot Vue MySql项目环境 我们继续 接下来 我们要在java项目中 建立出数据库表对应的实体类 我们还是先看看自己上文中 创建的这个 book表 其中四个字段 主键id 数字枚举类型的type 字符串类型name 字符串类型 description 我们…

【设计模式与范式:总结型】74 | 总结回顾23种经典设计模式的原理、背后的思想、应用场景等

到今天为止,23 种经典的设计模式已经全部讲完了。咱们整个专栏也完成了 3/4,马上就要进入实战环节了。在进入新模块的学习之前,我照例带你做一下总结回顾。23 种经典设计模式共分为 3 种类型,分别是创建型、结构型和行为型。今天&…

Floyd 判圈算法(Floyd Cycle Detection Algorithm)

Floyd 判圈算法(Floyd Cycle Detection Algorithm) 前言 Floyd判圈算法属于对指针操作的算法,它一般需要且仅需要两个指针,通过设定不同的指针移动速度,来判定链表或有限状态机中是否存在环。人为规定移动较快的指针称为快速指针(fast poin…

Java官方笔记9Lambda表达式

Lambda Expression 有了Lambda Expression,就不用再写anonymous classes。 写Lambda,首先要找到它的类型。 There is a restriction on the type of a lambda expression: it has to be a functional interface. 函数接口,只有1个抽象方法的接…

Vue中v-text、v-html、v-on的基本语法(二)

文章目录 前言一、vue中data属性定义对象、数组相关数据二、v-text、v-html指令使用三、v-on基本指令使用(一)四、v-on指令基本使用(二)之在函数中获取vue实例本身this五、v-on指令基本使用(二)之在函数中传递参数六、v-on指令基本使用(二)之简化写法绑定函数和事件定义的两种写…

从零搭建一台基于ROS的自动驾驶车-----2.运动控制

系列文章目录 北科天绘 16线3维激光雷达开发教程 基于Rplidar二维雷达使用Hector_SLAM算法在ROS中建图 Nvidia Jetson Nano学习笔记–串口通信 Nvidia Jetson Nano学习笔记–使用C语言实现GPIO 输入输出 Autolabor ROS机器人教程 从零搭建一台基于ROS的自动驾驶车-----1.整体介…

Unreal 5 实现丧尸伤害和死亡

这一篇主要是实现玩家攻击丧尸可以造成伤害和自身血量为零时,丧尸可以死亡。丧尸也可以对玩家造成伤害,有攻击范围的判定。 这一篇的功能实现有四个功能: 丧尸被攻击掉血丧尸死亡处理玩家被攻击掉血玩家死亡处理 丧尸被攻击掉血 子弹的修改…

C语言内存操作函数,memcpy的使用和模拟实现,memmove的使用和模拟实现,memcmp的使用,memset的使用。

1.memcpy 函数原型: void *memcpy( void *dest, const void *src, size_t count );void *dest 目标数据首元素地址const void *src 源数据(需要拷贝过去的数据)size_t count 需要拷贝数据的字节大小void *memcpy 拷贝结束后,返回目标数据的起始地址 函…

【简单的图像信息展示应用程序】PYQt5

写在前面的话 这段代码的作用是创建一个简单的图像信息展示应用程序,用户可以点击按钮查看特定文件夹中图像的文件名、大小,并通过查看按钮查看图像。请注意,文件夹路径需要根据实际情况进行修改。 代码讲解 这段代码是使用PyQt5库创建一个…

特征选择:过滤法,嵌入法,包装法

特征选择时首先要去除冗余特征。 它是由其他其他的特征中推演出来的。比如,一个球的体积,那么半径这个特征就是冗余的,因为我们可以由球的体积推算半径。冗余特征在很多时候都是不起作用的 过滤法 过滤方法通常用作预处理步骤,特…

c++11 标准模板(STL)(std::basic_ios)(三)

定义于头文件 <ios> template< class CharT, class Traits std::char_traits<CharT> > class basic_ios : public std::ios_base 类 std::basic_ios 提供设施&#xff0c;以对拥有 std::basic_streambuf 接口的对象赋予接口。数个 std::basic_ios…

2013年全国硕士研究生入学统一考试管理类专业学位联考英语(二)试题

2013考研英语&#xff08;二&#xff09;真题 Section I Use of English Directions: Read the following text. Choose the best word(s) for each numbered blank and mark A, B, C or D on ANSWER SHEET 1. (10 points) Given the advantages of electronic money, you mi…

某农业大学数据结构A-第2周作业

1.两个顺序表集合的差集 【问题描述】两个顺序表集合的差集 【样例输入】 25 33 57 60 48 9 13 0 12 50 23 60 4 34 25 13 0 【样例输出】 33 57 48 9 【注意】0代表输入的结束&#xff1b;可以用C风格实现&#xff0c;也可以用C风格实现&#xff0c;两种风格大家均需掌握 #…

Kafka架构

5.kafka系统的架构 5.1主题topic和分区partition topic Kafka中存储数据的逻辑分类&#xff1b;你可以理解为数据库中“表”的概念&#xff1b; 比如&#xff0c;将app端日志、微信小程序端日志、业务库订单表数据分别放入不同的topic partition分区&#xff08;提升kafka吞…

【Proteus仿真】常用器件名称

前言 我常用的仿真器件加上收集的&#xff0c;基于Proteus8.13版本。以下分为两部分&#xff0c;内容都一样&#xff0c;一部分是纯文字&#xff0c;一部分是文字图片&#xff0c;方便快速获取和定位。等积累了更多的器件后会在更新的。搜索时可以用CtrlF快速查找。 命名的规则…

管理类联考——英语二——技巧篇——写作——B节——议论文——必备替换句型

议论文必备替换句型 (一&#xff09;表示很明显/众所周知的句型 It is obvious thatIt is clear thatIt is apparent thatIt is evident thatlt is self-evident thatIt is manifest thatIt is well-knownIt is known to all thatIt is widely-accepted thatIt is crystal-cl…

三层交换机互联互通配置 华为交换机

#三层交换机互联互通 交换机配置 命令 #进入系统视图 <Huawei>system-view #关闭系统提示信息 [Huawei]undo info-center enable #创建三个Vlan10 [Huawei]vlan 10 [Huawei-vlan10]quit [Huawei]vlan 20 [Huawei-vlan20]quit [Huawei]vlan 30 [Huawei-vlan30]quit #接…

2023六月第二周(juc知识点记录)

1、多线程资源竞争 先创建资源类&#xff0c;并给线程加锁&#xff0c;推荐使用reatrantlock&#xff0c;然后写业务&#xff0c; 加锁了说明肯定要有执行条件&#xff0c;例如抢到锁还要判断库存必须大于0&#xff0c; 否则线程等待await,然后执行业务&#xff0c;最后创建多个…

一分钟图情论文:《运用服务场景模型理解挪威学术图书馆中的学生体验》

一分钟图情论文&#xff1a;《Applying the servicescape model to understand student experiences of a Norwegian academic library》 1981年&#xff0c;Booms, B. H.和Bitner, M. J.1在一篇市场营销学科的论文中引入了Servicescape模型&#xff0c;用于描述和分析服务场所…