Geo地图导入python数据分析--(重点推荐)
2018-11-20 18:46
381 查看
汇总了一下,利用pyecharts我们可以作图的类型分别为:Bar(柱状图/条形图),Bar3D(3D 柱状图),Boxplot(箱形图),EffectScatter(带有涟漪特效动画的散点图),Funnel(漏斗图),Gauge(仪表盘),Geo(地理坐标系),Graph(关系图),HeatMap(热力图),Kline(K线图),Line(折线/面积图),Line3D(3D 折线图),Liquid(水球图),Map(地图),Parallel(平行坐标系)Pie(饼图),Polar(极坐标系),Radar(雷达图),Sankey(桑基图),Scatter(散点图),Scatter3D(3D 散点图),ThemeRiver(主题河流图),WordCloud(词云图)。
1.下载并安装
[code]$ pip install echarts-countries-pypkg $ pip install echarts-china-provinces-pypkg $ pip install echarts-china-cities-pypkg $ pip install echarts-china-counties-pypkg $ pip install echarts-china-misc-pypkg
2.参数了解
[code]attr:标签名称(在例子里面就是地点) value:数值(在例子里就是流动人员) visual_range:可视化的数值范围 symbol_size:散点的大小 visual_text_color:标签颜色 is_piecewise :颜色是否分段显示(False为渐变,True为分段) is_visualmap:是否映射(数量与颜色深浅是否挂钩) maptype :地图类型,可以是中国地图,省地图,市地图等等 visual_split_number :可视化数值分组 geo_cities_coords:自定义的经纬度
[code]from pyecharts import Geo data = [ ("海门", 9),("鄂尔多斯", 12),("招远", 12),("舟山", 12),("齐齐哈尔", 14),("盐城", 15), ("赤峰", 16),("青岛", 18),("乳山", 18),("金昌", 19),("泉州", 21),("莱西", 21), ("日照", 21),("胶南", 22),("南通", 23),("拉萨", 24),("云浮", 24),("梅州", 25), ("文登", 25),("上海", 25),("攀枝花", 25),("威海", 25),("承德", 25),("厦门", 26), ("汕尾", 26),("潮州", 26),("丹东", 27),("太仓", 27),("曲靖", 27),("烟台", 28), ("福州", 29),("瓦房店", 30),("即墨", 30),("抚顺", 31),("玉溪", 31),("张家口", 31), ("阳泉", 31),("莱州", 32),("湖州", 32),("汕头", 32),("昆山", 33),("宁波", 33), ("湛江", 33),("揭阳", 34),("荣成", 34),("连云港", 35),("葫芦岛", 35),("常熟", 36), ("东莞", 36),("河源", 36),("淮安", 36),("泰州", 36),("南宁", 37),("营口", 37), ("惠州", 37),("江阴", 37),("蓬莱", 37),("韶关", 38),("嘉峪关", 38),("广州", 38), ("延安", 38),("太原", 39),("清远", 39),("中山", 39),("昆明", 39),("寿光", 40), ("盘锦", 40),("长治", 41),("深圳", 41),("珠海", 42),("宿迁", 43),("咸阳", 43), ("铜川", 44),("平度", 44),("佛山", 44),("海口", 44),("江门", 45),("章丘", 45), ("肇庆", 46),("大连", 47),("临汾", 47),("吴江", 47),("石嘴山", 49),("沈阳", 50), ("苏州", 50),("茂名", 50),("嘉兴", 51),("长春", 51),("胶州", 52),("银川", 52), ("张家港", 52),("三门峡", 53),("锦州", 54),("南昌", 54),("柳州", 54),("三亚", 54), ("自贡", 56),("吉林", 56),("阳江", 57),("泸州", 57),("西宁", 57),("宜宾", 58), ("呼和浩特", 58),("成都", 58),("大同", 58),("镇江", 59),("桂林", 59),("张家界", 59), ("宜兴", 59),("北海", 60),("西安", 61),("金坛", 62),("东营", 62),("牡丹江", 63), ("遵义", 63),("绍兴", 63),("扬州", 64),("常州", 64),("潍坊", 65),("重庆", 66), ("台州", 67),("南京", 67),("滨州", 70),("贵阳", 71),("无锡", 71),("本溪", 71), ("克拉玛依", 72),("渭南", 72),("马鞍山", 72),("宝鸡", 72),("焦作", 75),("句容", 75), ("北京", 79),("徐州", 79),("衡水", 80),("包头", 80),("绵阳", 80),("乌鲁木齐", 84), ("枣庄", 84),("杭州", 84),("淄博", 85),("鞍山", 86),("溧阳", 86),("库尔勒", 86), ("安阳", 90),("开封", 90),("济南", 92),("德阳", 93),("温州", 95),("九江", 96), ("邯郸", 98),("临安", 99),("兰州", 99),("沧州", 100),("临沂", 103),("南充", 104), ("天津", 105),("富阳", 106),("泰安", 112),("诸暨", 112),("郑州", 113),("哈尔滨", 114), ("聊城", 116),("芜湖", 117),("唐山", 119),("平顶山", 119),("邢台", 119),("德州", 120), ("济宁", 120),("荆州", 127),("宜昌", 130),("义乌", 132),("丽水", 133),("洛阳", 134), ("秦皇岛", 136),("株洲", 143),("石家庄", 147),("莱芜", 148),("常德", 152),("保定", 153), ("湘潭", 154),("金华", 157),("岳阳", 169),("长沙", 175),("衢州", 177),("廊坊", 193), ("菏泽", 194),("合肥", 229),("武汉", 273),("大庆", 279)] geo = Geo("全国主要城市空气质量", "data from pm2.5", title_color="#fff", title_pos="center", width=1000, height=600, background_color='#404a59') attr, value = geo.cast(data) geo.add("", attr, value, visual_range=[0, 200], maptype='china',visual_text_color="#fff", symbol_size=10, is_visualmap=True) geo.render("全国主要城市空气质量.html")#生成html文件 geo#直接在notebook中显示 from pyecharts import Map districts = ['运河区', '新华区', '泊头市', '任丘市', '黄骅市', '河间市', '沧县', '青县', '东光县', '海兴县', '盐山县', '肃宁县', '南皮县', '吴桥县', '献县', '孟村回族自治县'] areas = [109.92, 109.47, 1006.5, 1023.0, 1544.7, 1333.0, 1104.0, 968.0, 730.0, 915.1, 796.0, 525.0, 794.0, 600.0, 1191.0, 387.0] map_1 = Map("沧州市图例-各区面积", width=1200, height=600) map_1.add("", districts, areas, maptype='沧州', is_visualmap=True, visual_range=[min(areas), max(areas)], visual_text_color='#000', is_map_symbol_show=False, is_label_show=True) map_1
api中文官网:http://pyecharts.org/#/zh-cn/prepare
这篇完整的官网案例:https://blog.csdn.net/helloxiaozhe/article/details/80718323
阅读更多相关文章推荐
- 利用Python进行数据导入、变化、统计和假设检验等基本数据分析
- 利用Python进行数据分析——数据导入导出
- Python数据分析-数据处理-数据导入
- Python数据分析-数据处理-数据导入与导出
- python数据分析与挖掘学习笔记(6)-电商网站数据分析及商品自动推荐实战与关联规则算法
- python数据分析与挖掘学习笔记(6)-电商网站数据分析及商品自动推荐实战与关联规则算法
- Python操作Mysql数据库入门——数据导入pandas(数据分析准备)
- 用 Python 进行数据分析,不懂 Python,求合适的 Python 书籍或资料推荐?
- python画地图数据可视化分析
- 数据挖掘之推荐分析--python实现
- sqoop导入数据地图-reduce job分析
- python数据分析之csv/txt数据的导入和保存
- Python数据分析之csv\txt数据的导入和保存
- 【利用python进行数据分析】之安装EPD
- Python动态导入模块的方法实例分析
- python3: 将txt中数据导入csv中
- 【python数据挖掘课程】十二.Pandas、Matplotlib结合SQL语句对比图分析
- Python实现数据库数据导入Excel
- 基于Python实现的微信好友数据分析
- Python数据分析笔记