资讯专栏INFORMATION COLUMN

上云采购季！| 2核2G4M爆款云服务器低至59元/年，更有多台、长期优惠，快来选购！

立即前往
首页/文章专栏/Python pyecharts绘制地理图表练习方法

Python pyecharts绘制地理图表练习方法

89542767 / 341人阅读

　　小编写这篇文章的主要目的，是给大家去做一个介绍，介绍关于Python pyecharts绘制地理图标的方法，下面会给大家去罗列一个一个的步骤，将这些具体的内容，给大家去一一的展示出来，就具体的内容，下面就给大家详细解答下。


　　炫酷地图


　　前期我们介绍了很多的地图模板，不管是全球的还是中国的，其实我感觉都十分的炫酷，哈哈哈，可是还有更加神奇的，更加炫酷的地图模板，下面让我们一起一饱眼福吧！


　　3D炫酷地图模板系列


　　重庆市3D地图展示


　　from pyecharts import options as opts
　　from pyecharts.charts import Map3D
　　from pyecharts.globals import ChartType
　　#经纬度
　　example_data=[
　　[[119.107078,36.70925,1000],[116.587245,35.415393,1000]],
　　[[117.000923,36.675807],[120.355173,36.082982]],
　　[[118.047648,36.814939],[118.66471,37.434564]],
　　[[121.391382,37.539297],[119.107078,36.70925]],
　　[[116.587245,35.415393],[122.116394,37.509691]],
　　[[119.461208,35.428588],[118.326443,35.065282]],
　　[[116.307428,37.453968],[115.469381,35.246531]],
　　]
　　c=(
　　Map3D(init_opts=opts.InitOpts(width="1400px",height="700px"))
　　.add_schema(
　　maptype="重庆",
　　itemstyle_opts=opts.ItemStyleOpts(
　　color="rgb(5,101,123)",
　　opacity=1,
　　border_width=0.8,
　　border_color="rgb(62,215,213)",
　　),
　　light_opts=opts.Map3DLightOpts(
　　main_color="#fff",
　　main_intensity=1.2,
　　is_main_shadow=False,
　　main_alpha=55,
　　main_beta=10,
　　ambient_intensity=0.3,
　　),
　　view_control_opts=opts.Map3DViewControlOpts(center=[-10,0,10]),
　　post_effect_opts=opts.Map3DPostEffectOpts(is_enable=False),
　　)
　　.add(
　　series_name="",
　　data_pair=example_data,
　　type_=ChartType.LINES3D,
　　effect=opts.Lines3DEffectOpts(
　　is_show=True,
　　period=4,
　　trail_width=3,
　　trail_length=0.5,
　　trail_color="#f00",
　　trail_opacity=1,
　　),
　　linestyle_opts=opts.LineStyleOpts(is_show=False,color="#fff",opacity=0),
　　)
　　.set_global_opts(title_opts=opts.TitleOpts(title="Map3D"))
　　.render("区县3D地图.html")
　　)

01.png

　　中国3D地图


　　数组里面分别代表：经纬度，数值


　　from pyecharts import options as opts
　　from pyecharts.charts import Map3D
　　from pyecharts.globals import ChartType
　　from pyecharts.commons.utils import JsCode
　　example_data=[
　　("黑龙江",[127.9688,45.368,100]),
　　("内蒙古",[110.3467,41.4899,100]),
　　("吉林",[125.8154,44.2584,100]),
　　("辽宁",[123.1238,42.1216,100]),
　　("河北",[114.4995,38.1006,100]),
　　("天津",[117.4219,39.4189,100]),
　　("山西",[112.3352,37.9413,100]),
　　("陕西",[109.1162,34.2004,100]),
　　("甘肃",[103.5901,36.3043,100]),
　　("宁夏",[106.3586,38.1775,100]),
　　("青海",[101.4038,36.8207,100]),
　　("新疆",[87.9236,43.5883,100]),
　　("西藏",[91.11,29.97,100]),
　　("四川",[103.9526,30.7617,100]),
　　("重庆",[108.384366,30.439702,100]),
　　("山东",[117.1582,36.8701,100]),
　　("河南",[113.4668,34.6234,100]),
　　("江苏",[118.8062,31.9208,100]),
　　("安徽",[117.29,32.0581,100]),
　　("湖北",[114.3896,30.6628,100]),
　　("浙江",[119.5313,29.8773,100]),
　　("福建",[119.4543,25.9222,100]),
　　("江西",[116.0046,28.6633,100]),
　　("湖南",[113.0823,28.2568,100]),
　　("贵州",[106.6992,26.7682,100]),
　　("广西",[108.479,23.1152,100]),
　　("海南",[110.3893,19.8516,100]),
　　("上海",[121.4648,31.2891,100]),
　　]
　　c=(
　　Map3D(init_opts=opts.InitOpts(width="1400px",height="700px"))
　　.add_schema(
　　itemstyle_opts=opts.ItemStyleOpts(
　　color="rgb(5,101,123)",
　　opacity=1,
　　border_width=0.8,
　　border_color="rgb(62,215,213)",
　　),
　　map3d_label=opts.Map3DLabelOpts(
　　is_show=False,
　　formatter=JsCode("function(data){return data.name+""+data.value[2];}"),
　　),
　　emphasis_label_opts=opts.LabelOpts(
　　is_show=False,
　　color="#fff",
　　font_size=10,
　　background_color="rgba(0,23,11,0)",
　　),
　　light_opts=opts.Map3DLightOpts(
　　main_color="#fff",
　　main_intensity=1.2,
　　main_shadow_quality="high",
　　is_main_shadow=False,
　　main_beta=10,
　　ambient_intensity=0.3,
　　),
　　)
　　.add(
　　series_name="Scatter3D",
　　data_pair=example_data,
　　type_=ChartType.SCATTER3D,
　　bar_size=1,
　　shading="lambert",
　　label_opts=opts.LabelOpts(
　　is_show=False,
　　formatter=JsCode("function(data){return data.name+''+data.value[2];}"),
　　),
　　)
　　.set_global_opts(title_opts=opts.TitleOpts(title="Map3D"))
　　.render("中国3D地图.html")
　　)

02.png

　　中国3D数据地图（适合做数据可视化）


　　如果说前面的那个你看起来不太舒服，那么这个绝对适合做数据可视化展示哟！


　　from pyecharts import options as opts
　　from pyecharts.charts import Map3D
　　from pyecharts.globals import ChartType
　　from pyecharts.commons.utils import JsCode
　　example_data=[
　　("黑龙江",[127.9688,45.368,100]),
　　("内蒙古",[110.3467,41.4899,300]),
　　("吉林",[125.8154,44.2584,300]),
　　("辽宁",[123.1238,42.1216,300]),
　　("河北",[114.4995,38.1006,300]),
　　("天津",[117.4219,39.4189,300]),
　　("山西",[112.3352,37.9413,300]),
　　("陕西",[109.1162,34.2004,300]),
　　("甘肃",[103.5901,36.3043,300]),
　　("宁夏",[106.3586,38.1775,300]),
　　("青海",[101.4038,36.8207,300]),
　　("新疆",[87.9236,43.5883,300]),
　　("西藏",[91.11,29.97,300]),
　　("四川",[103.9526,30.7617,300]),
　　("重庆",[108.384366,30.439702,300]),
　　("山东",[117.1582,36.8701,300]),
　　("河南",[113.4668,34.6234,300]),
　　("江苏",[118.8062,31.9208,300]),
　　("安徽",[117.29,32.0581,300]),
　　("湖北",[114.3896,30.6628,300]),
　　("浙江",[119.5313,29.8773,300]),
　　("福建",[119.4543,25.9222,300]),
　　("江西",[116.0046,28.6633,300]),
　　("湖南",[113.0823,28.2568,300]),
　　("贵州",[106.6992,26.7682,300]),
　　("广西",[108.479,23.1152,300]),
　　("海南",[110.3893,19.8516,300]),
　　("上海",[121.4648,31.2891,1300]),
　　]
　　c=(
　　Map3D(init_opts=opts.InitOpts(width="1400px",height="700px"))
　　.add_schema(
　　itemstyle_opts=opts.ItemStyleOpts(
　　color="rgb(5,101,123)",
　　opacity=1,
　　border_width=0.8,
　　border_color="rgb(62,215,213)",
　　),
　　map3d_label=opts.Map3DLabelOpts(
　　is_show=False,
　　formatter=JsCode("function(data){return data.name+""+data.value[2];}"),
　　),
　　emphasis_label_opts=opts.LabelOpts(
　　is_show=False,
　　color="#fff",
　　font_size=10,
　　background_color="rgba(0,23,11,0)",
　　),
　　light_opts=opts.Map3DLightOpts(
　　main_color="#fff",
　　main_intensity=1.2,
　　main_shadow_quality="high",
　　is_main_shadow=False,
　　main_beta=10,
　　ambient_intensity=0.3,
　　),
　　)
　　.add(
　　series_name="数据",
　　data_pair=example_data,
　　type_=ChartType.BAR3D,
　　bar_size=1,
　　shading="lambert",
　　label_opts=opts.LabelOpts(
　　is_show=False,
　　formatter=JsCode("function(data){return data.name+''+data.value[2];}"),
　　),
　　)
　　.set_global_opts(title_opts=opts.TitleOpts(title="城市数据"))
　　.render("带有数据展示地图.html")
　　)

03.png

　　看完直呼这个模板，适合做城市之间的数据对，同时也展示了经纬度。


　　全国行政区地图（带城市名字）


　　from pyecharts import options as opts
　　from pyecharts.charts import Map3D
　　from pyecharts.globals import ChartType
　　c=(
　　Map3D(init_opts=opts.InitOpts(width="1400px",height="700px"))
　　.add_schema(
　　itemstyle_opts=opts.ItemStyleOpts(
　　color="rgb(5,101,123)",
　　opacity=1,
　　border_width=0.8,
　　border_color="rgb(62,215,213)",
　　),
　　map3d_label=opts.Map3DLabelOpts(
　　is_show=True,
　　text_style=opts.TextStyleOpts(
　　color="#fff",font_size=16,background_color="rgba(0,0,0,0)"
　　),
　　),
　　emphasis_label_opts=opts.LabelOpts(is_show=True),
　　light_opts=opts.Map3DLightOpts(
　　main_color="#fff",
　　main_intensity=1.2,
　　is_main_shadow=False,
　　main_alpha=55,
　　main_beta=10,
　　ambient_intensity=0.3,
　　),
　　)
　　.add(series_name="",data_pair="",maptype=ChartType.MAP3D)
　　.set_global_opts(
　　title_opts=opts.TitleOpts(title="全国行政区划地图-Base"),
　　visualmap_opts=opts.VisualMapOpts(is_show=False),
　　tooltip_opts=opts.TooltipOpts(is_show=True),
　　)
　　.render("全国标签地图.html")
　　)

04.png

　　地球展示


　　import pyecharts.options as opts
　　from pyecharts.charts import MapGlobe
　　from pyecharts.faker import POPULATION
　　data=[x for _,x in POPULATION[1:]]
　　low,high=min(data),max(data)
　　c=(
　　MapGlobe(init_opts=opts.InitOpts(width="1400px",height="700px"))
　　.add_schema()
　　.add(
　　maptype="world",
　　series_name="World Population",
　　data_pair=POPULATION[1:],
　　is_map_symbol_show=False,
　　label_opts=opts.LabelOpts(is_show=False),
　　)
　　.set_global_opts(
　　visualmap_opts=opts.VisualMapOpts(
　　min_=low,
　　max_=high,
　　range_text=["max","min"],
　　is_calculable=True,
　　range_color=["lightskyblue","yellow","orangered"],
　　)
　　)
　　.render("地球.html")
　　)

　　05.png

       其实pyecharts还可以做百度地图，可以缩放定位到每一个区域，但是其实我们在日常生活中可能用不上，如果要用可以去百度地图展示效果或者学习练习也是可的


　　到此为止，这篇文章就给大家介绍完毕了，希望可以给大家带来帮助。

云服务器 GPU云服务器 python图表绘制 图表绘制 绘制图表 python练习

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/128277.html

相关文章

  • 如何利用Python pyecharts画中国地图

    　　python使用场景还是很多的，特别是在实现自动化的办公阶段，python的用处是比较的大的，那么，今天又有一个比较新奇的想法，如何使用python中的pyecharts去画一个中国地图呢？下面给各位读者做一个详细介绍。　　在这一个月的时间里，利用网络爬虫爬取了杭州所有二手房的一个数据，在作图的时候发现在地图呈现上还是有欠缺，这里就把用到的贴出来，提升一下记忆。　　之前有接触用Basemap绘...

    89542767 评论0 收藏0

  • 如何使用Python pyecharts绘制散点图

    　　小编写这篇文章的主要目的，主要是给大家去做一个解答，解答的内容主要是关于Python pyecharts的一些案例，包括如何使用它去进行绘制一个相关的散点图，怎么能够快速的去进行绘制。就具体的内容，下面就给大家详细解答下。　　什么是散点图？　　散点图是指在数理统计回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，由此趋势可以选择合适的函数进行经验分布的拟合...

    89542767 评论0 收藏0

  • Python pyecharts如何绘制饼状图呢？下面给大家解答

    　　小编写这篇文章的一个主要目的，继续为大家介绍关于Python相关事宜，介绍的内容主要是教我们如何去绘制饼状图，具体怎么去做呢？下面就给大家详细的解答下。　　概念　　饼图（pie chart）是用圆形及圆内扇形的角度来表示数值大小的图形，它主要用于表示一个样本（或总体）中各组成部分的数据占全部数据的比例。仅排列在工作表的一列或一行中的数据可以绘制到饼图中。饼图显示一个数据系列（数据系列：在图表中...

    89542767 评论0 收藏0

  • Python pyecharts怎么绘制柱状图呢？下面给大家解答

    　　这篇文章介绍的主要内容是，利用Python pyecharts去绘制柱状图，涉及到内容知识点还是比较的多的，那么，具体需要怎么操作呢？下面就给大家以案例的形式，去做一个介绍，大家仔细的阅读下。　　主题介绍　　pyecharts里面有很多的主题可以供我们选择，我们可以根据自己的需要完成主题的配置，这样就告别了软件的限制，可以随意的发挥自己的艺术细胞了。　　图表参数　　'''...

    89542767 评论0 收藏0

发表评论

登陆后可评论

0条评论

89542767

男|高级讲师
我要私信

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<