Python轻松实现地图可视化(附详细源码)

蔚落 2023-02-11 03:16 55阅读 0赞

## 前言 ##

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

Python的地图可视化库很多，Matplotlib库虽然作图很强大，但只能做静态地图。而我今天要讲的是交互式地图库，分别为pyecharts、folium，掌握这两个库，基本可以解决你的地图可视化需求。

## pyecharts ##

首先，必须说说强大的pyecharts库，简单易用又酷炫，几乎可以制作任何图表。pyecharts有v0.5和v1两个版本，两者不兼容，最新的v1版本开始支持链式调用，采用options配置图表。pyecharts在制作地图方面，包含Map、Geo和Bmap三类，使用Map类支持世界、国家、省市和区县四级地图，使用前需独立安装。so，pip它们！

pip install pyecharts
    pip install echarts-countries-pypkg
    pip install echarts-china-provinces-pypkg
    pip install echarts-china-cities-pypkg
    pip install echarts-china-counties-pypkg

pip完之后，查看下pyecharts版本。

import pyecharts
    print(pyecharts.__version__)

毋庸置疑，肯定是最新版本啦，版本号为1.6.2。

## 一、Map ##

在制作地图前，首先要有数据，我从Wind数据库导出了全国各省GDP总量数据，命名为GDP.xlsx，如下图所示。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0_size_16_color_FFFFFF_t_70]  
有了数据，咱们就可以用python开始操作了，先把需要的库import一下。

import pandas as pd  #pandas是强大的数据处理库
    from pyecharts.charts import Map
    from pyecharts import options as opts

用pandas读取GDP.xlsx，提取2019年各省GDP数据为例，我们来制作地图。这里注意下zip() 函数，它用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象。

data = pd.read_excel('GDP.xlsx')
    province = list(data["province"])
    gdp = list(data["2019_gdp"])
    list = [list(z) for z in zip(province,gdp)]

我们来打印下list，长这样：  
![在这里插入图片描述][20200521132503676.png]其实就是列表里嵌套列表的数据结构，只有这种结构把数据添加到地图中去。我们用Map类中的常用方法add、set\_global\_opts和render来配置地图。

c = (
        Map(init_opts=opts.InitOpts(width="1000px", height="600px"))  #初始化地图大小
        .set_global_opts(
            title_opts=opts.TitleOpts(title="2019年各省GDP分布图 单位:亿元"),  #配置标题
            visualmap_opts=opts.VisualMapOpts(
                type_ = "scatter"   #散点类型
            )
        )
        .add("GDP",list,maptype="china")  #将list传入，地图类型为中国地图
        .render("Map1.html")
    )

运行以上代码，用浏览器打开生成的Map1.html，效果如下：  
![在这里插入图片描述][20200521132736801.gif_pic_center]

有朋友可能会问了，地图倒是有了，可你这地图不好区分不同省的GDP大小呀。不慌，我们继续优化以上代码，给不同省依据GDP的大小配置不同的颜色，让你一目了然。

c = (
        Map(init_opts=opts.InitOpts(width="1000px", height="600px")) #可切换主题
        .set_global_opts(
            title_opts=opts.TitleOpts(title="2019年各省GDP分布图 单位:亿元"),
            visualmap_opts=opts.VisualMapOpts(
                min_=1000,
                max_=110000,
                range_text = ['GDP总量（亿）颜色区间:', ''],  #分区间
                is_piecewise=True,  #定义图例为分段型，默认为连续的图例
                pos_top= "middle",  #分段位置
                pos_left="left",
                orient="vertical",
                split_number=10  #分成10个区间
            )
        )
        .add("GDP",list,maptype="china")
        .render("Map2.html")
    )

运行以上代码，用浏览器打开生成的Map2.html，效果如下：  
![在这里插入图片描述][20200521132921612.gif_pic_center]  
怎么样，这下效果是不是好多了，颜色越红代表GDP越高。你所在的省份2019年GDP处于哪个颜色段呢？当然，对于有些审美较高的朋友可能还是无法满足你的要求。

既然如此，那我再优化下代码，给地图添加主题。添加主题很简单，只要import下ThemeType，然后将主题添加到Mpa()方法内。我以ThemeType.DARK为例看下效果。

from pyecharts.globals import ThemeType #引入主题
    Map(init_opts=opts.InitOpts(width="1000px", height="600px",theme = ThemeType.DARK)) #添加主题ThemeType.DARK

运行一下看看效果：  
![在这里插入图片描述][20200521133046414.gif_pic_center]  
有没有B格上升n个level的感觉，如果你还不满意，ok，pyecharts内置了10余种主题任你切换。萝卜青菜各有所爱，自个调去吧~  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0_size_16_color_FFFFFF_t_70 1]

## 二、Geo ##

Geo与Map类似，可以通过设置maptype参数选择地图类型，所支持的方法也和Map类似，我这里就不赘述了，直接贴代码。

#Geo地图-涟漪图
    import pandas as pd
    from pyecharts import options as opts
    from pyecharts.charts import Geo
    from pyecharts.globals import ChartType
    
    data = pd.read_excel('GDP.xlsx')
    province = list(data["province"])
    gdp = list(data["2019_gdp"])
    list = [list(z) for z in zip(province,gdp)]
    print(list)
    c = (
        Geo()
        .add_schema(maptype="china")
        .add(
            "geo",
            list,  #传入数据
            symbol_size=10, large_threshold=110000,  #设置涟漪大小
            type_=ChartType.EFFECT_SCATTER,   #地图类型为涟漪图
        )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=110000),title_opts=opts.TitleOpts(title="2019年各省GDP涟漪图"))
        .render("Geomap1.html")
    )

运行一下，效果如下：  
![在这里插入图片描述][2020052113334772.gif_pic_center]

## 三、Bmap ##

Bmap是百度地图的一个接口，你如果Map和Geo搞明白了，Bmap也是分分钟可以搞定的。不过，有一点要注意，你要先到百度地图开放平台注册，获取AK才可以调用哦。

注册获得AK，就可以开心制作地图啦，以热力图为例，代码如下。

#Bmap-散点图、热力图和涟漪图
    import pandas as pd
    from pyecharts.charts import BMap
    from pyecharts import options as opts
    from pyecharts.globals import ChartType
    
    data = pd.read_excel('GDP.xlsx')
    province = list(data["province"])
    gdp = list(data["2019_gdp"])
    list = [list(z) for z in zip(province,gdp)]
    print(list)
    c = (
        BMap(init_opts=opts.InitOpts(width="1000px", height="600px"))
        .add_schema(baidu_ak="你的AK", center=[120.13066322374, 30.240018034923])
        .add(
            "GDP",
            list,
            type_="heatmap",  #scatter为散点图，heatmap为热力图，ChartType.EFFECT_SCATTER为涟漪图
            label_opts=opts.LabelOpts(formatter="{b}")
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="2019年各省GDP热力图"), visualmap_opts=opts.VisualMapOpts(max_=110000)
        )
        .render("Bmap1.html")
    )

运行后，长这样：![在这里插入图片描述][2020052113382272.gif_pic_center]

## folium ##

你以为以上几个地图就能满足我J哥对数据可视化美感的追求，那你太小看J哥了，我经过研究，发现folium库才是吊炸天的存在。

首先，我用python调取了高德地图API接口，获得了广州市近6000个景点的地理数据，保存为poi\_scenic\_spot.csv。以下为部分数据：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0_size_16_color_FFFFFF_t_70 2]  
然后安装folium库，设置刺激战场底图，当然你也可以换其他底图玩，代码中提供了mapbox底图、高德底图等，任你随意切换。

#folium-热力图
    import pandas as pd
    import folium
    from folium import plugins
    
    data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8')
    
    # heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True) # 绘制地图，确定聚焦点，默认底图（加载慢）
    heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamen Terrain') #刺激战场底图
    # heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='Mapbox Bright') #mapbox底图
    # heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner') #黑白底图
    
    # heatmap1 = folium.Map( #高德底图
    # location=[23.122373,113.268027],
    # zoom_start=15,
    # control_scale = True,
    # tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}',
    # attr='© <a href="http://ditu.amap.com/">高德地图</a>'
    # )
    
    folium.Marker([23.122373,113.268027],popup='<i>J哥</i>',icon=folium.Icon(icon='cloud',color='green')).add_to(heatmap1)  #创建中心标记
    heatmap1.add_child(plugins.HeatMap([[row["lat"],row["lon"]] for name, row in data.iterrows()]))  #传入经纬度
    heatmap1.save("folium_map1.html")  #生成网页

迫不及待运行了下，效果如下：![在这里插入图片描述][20200521134117771.gif_pic_center]  
哈哈哈哈，好大一只红烧鸡。

热力图有点中看不中用啊，看这图我也很难搞清楚广州的景点分布情况。那咱换个别的图试试。

#folium-聚合散点地图
    import pandas as pd
    import folium
    from folium import plugins
    
    data = pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8')
    
    plotmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner')
    
    folium.Marker([23.122373,113.268027],popup='<p style="color: green">我是J哥</p>',icon=folium.Icon(icon='cloud',color='green')).add_to(plotmap1)  #创建中心标记
    plotmap1.add_child(plugins.MarkerCluster([[row["lat"],row["lon"]] for name, row in data.iterrows()]))
    plotmap1.save('folium_map2.html')

看效果！  
![在这里插入图片描述][20200521134514704.gif_pic_center]  
你就说酷不酷，炫不炫？

当然，python的地图库还有很多，值得进一步挖掘。我以后还会写地图可视化的内容，欢迎继续关注，精彩不错过！

欢迎点击左上角关注小编，除了分享技术文章之外还有很多福利，私信学习资料可以领取包括不限于Python实战演练、PDF电子文档、面试集锦、学习资料等。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200521132329467.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0,size_16,color_FFFFFF,t_70
[20200521132503676.png]: https://img-blog.csdnimg.cn/20200521132503676.png
[20200521132736801.gif_pic_center]: https://img-blog.csdnimg.cn/20200521132736801.gif#pic_center
[20200521132921612.gif_pic_center]: https://img-blog.csdnimg.cn/20200521132921612.gif#pic_center
[20200521133046414.gif_pic_center]: https://img-blog.csdnimg.cn/20200521133046414.gif#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200521133118507.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0,size_16,color_FFFFFF,t_70
[2020052113334772.gif_pic_center]: https://img-blog.csdnimg.cn/2020052113334772.gif#pic_center
[2020052113382272.gif_pic_center]: https://img-blog.csdnimg.cn/2020052113382272.gif#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/2020052113392789.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NjE0MTU0,size_16,color_FFFFFF,t_70
[20200521134117771.gif_pic_center]: https://img-blog.csdnimg.cn/20200521134117771.gif#pic_center
[20200521134514704.gif_pic_center]: https://img-blog.csdnimg.cn/20200521134514704.gif#pic_center