Python精美地理可视化绘制——以中国历年GDP数据为例

川长思鸟来 2022-10-23 00:58 228阅读 0赞

点击上方“**Python爬虫与数据挖掘**”，进行关注

回复“**书籍**”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

入我相思门，知我相思苦。

![ed7ea0de6eac584a6bb9a908b5fba2ac.png][]

专栏作者：zch，经管专业研一在读，Python数据分析及可视化爱好者。公众号后台回复入群，拉你进技术群与大佬们近距离交流。

有的时候，我们需要对不同国家或地区的某项指标进行比较，可简单通过直方图加以比较。但直方图在视觉上并不能很好突出地区间的差异，因此考虑地理可视化，通过地图上位置（地理位置）和颜色（颜色深浅代表数值差异）两个元素加以体现。在本文案例中，基于第三方库pyecharts，对中国各省2010-2019年的GDP进行绘制。

我们先来看看最终效果：

![eee58d243ddf0da977b8a9c7eb3837f2.gif][]

关于绘图数据

基于时间和截面两个维度，可把数据分为截面数据、时间序列及面板数据。在本文案例中，某一年各省的GDP属于截面数据，多年各省的GDP属于面板数据。因此，按照先易后难的原则，先对某一年各省的GDP进行地理可视化，再进一步构建for循环对多年各省的GDP进行可视化，形成最终的时间轮播图。

![80399b64138abd8bcd34ac3f5fe64979.png][]

数据来源：本文案例使用的GDP数据来源于国家统计局官网，可在线下载到本地，保存为csv或excel格式，用pandas中的DataFrame进行读取。

地理可视化

**一、全国各省单年GDP的可视化**

在pyecharts中可使用Map类型实现地理可视化，其原理是通过不同颜色填充以展现不同的数据，options实现图表的调整及修饰。代码展示如下：

import pandas as pd
    from pyecharts.charts import Map
    import pyecharts.options as opts
    
    frame = pd.read_csv('C:\\Users\\dell\\Desktop\\分省年度数据2.csv',encoding='GBK')
    map = Map()
    map.add("我国地区的GDP",frame[['地区','2019年']].values.tolist(),"china")
    map.set_global_opts(visualmap_opts=opts.VisualMapOpts(min_=500,max_=12000))
    map.render("2019年全国各地区GDP.html")

**解析**：add()来实现了数据的加载，在配置3个参数中——第1个是图的标题，第2个通过.values.tolist()加载要显示的数据，第3个"china"确保显示的地图类型是中国。有个细节需要注意，Map 使用的中国各省份需要将全部的省、市、自治区等去掉。set\_global\_opts()实现了用颜色标记数据的数值大小，参数min\_和max\_分别代表最小值和最大值。render()用于生成并保存图像。

效果如下：

![d04a22c94822babc372ab1c63685bc67.png][]

然而数据分布并不平均，可以通过is\_piecewise 属性表述分段自定义不同的颜色区间：

geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(
        is_piecewise=True,
        pieces=[
            {"min":0,"max":10000,"label":"1~10000","color":"cyan"},
            {"min":10001,"max":20000,"label":"10001~20000","color":"yellow"},
            {"min":20001,"max":50000,"label":"20001~50000","color":"orange"},
            {"min":50001,"max":80000,"label":"50001~80000","color":"coral"},
            {"min":80001,"max":120000,"label":"80001~120000","color":"red"},
        ]   
    ))

效果如下：

![b0b52d78265bd38fdef92d1638d63bf5.png][]

**二、全国各省多年GDP的可视化**

由于要绘制2010-2019年的GDP数据，可以考虑构建一个for循环，通过str(i)+"年"的形式访问数据表格中处于不同列的各年GDP数据。绘制轮播图可考虑调用Timeline，代码如下：

import pandas as pd
    from pyecharts import options as opts
    from pyecharts.charts import Map, Timeline
    
    frame = pd.read_csv('C:\\Users\\dell\\Desktop\\分省年度数据2.csv',encoding='GBK')
    tl = Timeline()
    for i in range(2010, 2020):
        map0 = (
            Map()
            .add("省份",frame[['地区',str(i)+'年']].values.tolist(), "china")
            .set_global_opts(
                title_opts=opts.TitleOpts(title="Map-{}年GDP（亿元）".format(i)),
                visualmap_opts=opts.VisualMapOpts(
                    is_piecewise=True,
                    pieces=[
                        {"min":0,"max":10000,"label":"1~10000","color":"cyan"},
                        {"min":10001,"max":20000,"label":"10001~20000","color":"yellow"},
                        {"min":20001,"max":50000,"label":"20001~50000","color":"orange"},
                        {"min":50001,"max":80000,"label":"50001~80000","color":"coral"},
                        {"min":80001,"max":120000,"label":"80001~12000","color":"red"},
                    ]   ),))
        tl.add(map0, "{}年".format(i))
    tl.render("2010~2019年全国各地区GDP.html")

效果如下：

![212fe353c6849b37c4e41a69f6672b95.png][]

小结

本案例的实现并不复杂，在pyecharts官方的参考案例基础上稍加改动即可实现。作为一名初学者，模仿案例是提升功力的重要途径，通过模仿可以有效吃透代码要具体实现的功能，量变到质变，就能根据自己工作和学习的需要进行灵活应用。

**---\--\---\---\---\--\---** End **---\--\---\--\---\---\--\-**

![aabcdb01fe54ca24e591088f58699e2a.png][]

往期精彩文章推荐：

*  ## [一篇文章浅析Python自带的线程池和进程池][Python] ##
 *  ## [手把手教你在Windows下设置分布式队列Celery的心跳轮询][Windows_Celery] ##
 *  ## [手把手教你用Python操纵Word自动编写离职报告][Python_Word]    ##

![88cec1b45b3777cb5c840813aad74c04.png][]

欢迎大家**点赞，****留言，****转发，转载，**感谢大家的相伴与支持

想加入Python学习群请在后台回复【**入群**】

万水千山总是情，点个【**在看**】行不行

**/今日留言主题/**

随便说一两句吧~

[ed7ea0de6eac584a6bb9a908b5fba2ac.png]: /images/20221022/efed8bbafa3548c598e634a9bd4df887.png
[eee58d243ddf0da977b8a9c7eb3837f2.gif]: /images/20221022/583b2f0e57754897ba6c14f44334305a.png
[80399b64138abd8bcd34ac3f5fe64979.png]: /images/20221022/a373ec9c1d2b4d3683f710fb5ebb40fc.png
[d04a22c94822babc372ab1c63685bc67.png]: /images/20221022/a8556d74f8ff4dde84b50d58bf07ccfb.png
[b0b52d78265bd38fdef92d1638d63bf5.png]: /images/20221022/78905b44613e4d2c997071d8f39e0e6b.png
[212fe353c6849b37c4e41a69f6672b95.png]: /images/20221022/f0ef2ce791274b38abfdd62eef6e0844.png
[aabcdb01fe54ca24e591088f58699e2a.png]: /images/20221022/709ce414275d498f8cf4e268aa814cec.png
[Python]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0ad7ecbb7246852ff81ff829bb5a6571109ce54acb661e8ca354460bd75c2661bb2e8bae2&idx=1&mid=2247494485&scene=21&sn=8e9c4db3893e0d6a2408298344842ff1#wechat_redirect
[Windows_Celery]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0ac9bcbb7258da0e555d218ab5bfd6365308943ad819fb6683bd0b05b85098b3a3a5352e5&idx=1&mid=2247494320&scene=21&sn=e74921e1119b4196087793c280c2652a#wechat_redirect
[Python_Word]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0ac1bcbb7250d62a86aa2d338e21728a5acfd66d0804b94c5d9fb9ac393334534595b96f4&idx=1&mid=2247494192&scene=21&sn=2b6cd262e2522b3fb3c1a71415f487f7#wechat_redirect
[88cec1b45b3777cb5c840813aad74c04.png]: /images/20221022/08ade5fe8e0644729d04a44d6d382d19.png