python上安裝底圖（python安裝畫圖模塊）

本文目錄一覽：

• 1、python可視化神器——pyecharts庫
• 2、如何用Python繪製JS地圖
• 3、「Python」使用Pyecharts生成疫情分布地圖

python可視化神器——pyecharts庫

無意中從今日頭條中看到的一篇文章，可以生成簡單的圖表。據說一些大數據開發們也是經常用類似的圖表庫，畢竟有現成的，改造下就行，誰會去自己造輪子呢。

pyecharts是什麼？

pyecharts 是一個用於生成 Echarts 圖表的類庫。Echarts 是百度開源的一個數據可視化 JS 庫。用 Echarts 生成的圖可視化效果非常棒， pyecharts 是為了與 Python 進行對接，方便在 Python 中直接使用數據生成圖 。使用pyecharts可以生成獨立的網頁，也可以在flask、django中集成使用。

安裝很簡單：pip install pyecharts

如需使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可，同時兼容 Python2 和 Python3 的 Jupyter Notebook 環境。所有圖表均可正常顯示，與瀏覽器一致的交互體驗，簡直不要太強大。

參考自pyecharts官方文檔:

首先開始來繪製你的第一個圖表

使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可

add() 主要方法，用於添加圖表的數據和設置各種配置項

render() 默認將會在根目錄下生成一個 render.html 的文件，文件用瀏覽器打開。

使用主題

自 0.5.2+ 起，pyecharts 支持更換主體色系

使用 pyecharts-snapshot 插件

如果想直接將圖片保存為 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用該插件請確保你的系統上已經安裝了 Nodejs 環境。

安裝 phantomjs $ npm install -g phantomjs-prebuilt

安裝 pyecharts-snapshot $ pip install pyecharts-snapshot

調用 render 方法 bar.render(path=’snapshot.png’) 文件結尾可以為 svg/jpeg/png/pdf/gif。請注意，svg 文件需要你在初始化 bar 的時候設置 renderer=’svg’。

圖形繪製過程

基本上所有的圖表類型都是這樣繪製的：

chart_name = Type() 初始化具體類型圖表。

add() 添加數據及配置項。

render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。

add() 數據一般為兩個列表（長度一致）。如果你的數據是字典或者是帶元組的字典。可利用 cast() 方法轉換。

多次顯示圖表

從 v0.4.0+ 開始，pyecharts 重構了渲染的內部邏輯，改善效率。推薦使用以下方式顯示多個圖表。如果使是 Numpy 或者 Pandas，可以參考這個示例

當然你也可以採用更加酷炫的方式，使用 Jupyter Notebook 來展示圖表，matplotlib 有的，pyecharts 也會有的

Note： 從 v0.1.9.2 版本開始，廢棄 render_notebook() 方法，現已採用更加  pythonic  的做法。直接調用本身實例就可以了。

比如這樣

還有這樣

如果使用的是自定義類，直接調用自定義類示例即可

圖表配置

圖形初始化

通用配置項

xyAxis：平面直角坐標系中的 x、y 軸。(Line、Bar、Scatter、EffectScatter、Kline)

dataZoom：dataZoom 組件 用於區域縮放，從而能自由關注細節的數據信息，或者概覽數據整體，或者去除離群點的影響。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)

legend：圖例組件。圖例組件展現了不同系列的標記(symbol)，顏色和名字。可以通過點擊圖例控制哪些系列不顯示。

label：圖形上的文本標籤，可用於說明圖形的一些數據信息，比如值，名稱等。

lineStyle：帶線圖形的線的風格選項(Line、Polar、Radar、Graph、Parallel)

grid3D：3D笛卡爾坐標系組配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)

axis3D：3D 笛卡爾坐標系 X，Y，Z 軸配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)

visualMap：是視覺映射組件，用於進行『視覺編碼』，也就是將數據映射到視覺元素（視覺通道）

markLinemarkPoint：圖形標記組件，用於標記指定的特殊數據，有標記線和標記點兩種。（Bar、Line、Kline）

tooltip：提示框組件，用於移動或點擊鼠標時彈出數據內容

toolbox：右側實用工具箱

圖表詳細

Bar（柱狀圖/條形圖）

Bar3D（3D 柱狀圖）

Boxplot（箱形圖）

EffectScatter（帶有漣漪特效動畫的散點圖）

Funnel（漏斗圖）

Gauge（儀錶盤）

Geo（地理坐標系）

GeoLines（地理坐標系線圖）

Graph（關係圖）

HeatMap（熱力圖）

Kline/Candlestick（K線圖）

Line（折線/面積圖）

Line3D（3D 折線圖）

Liquid（水球圖）

Map（地圖）

Parallel（平行坐標系）

Pie（餅圖）

Polar（極坐標系）

Radar（雷達圖）

Sankey（桑基圖）

Scatter（散點圖）

Scatter3D（3D 散點圖）

ThemeRiver（主題河流圖）

TreeMap（矩形樹圖）

WordCloud（詞雲圖）

用戶自定義

Grid 類：並行顯示多張圖

Overlap 類：結合不同類型圖表疊加畫在同張圖上

Page 類：同一網頁按順序展示多圖

Timeline 類：提供時間線輪播多張圖

統一風格

註：pyecharts v0.3.2以後，pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表，可自行安裝對應的地圖文件包。

地圖文件被分成了三個 Python 包，分別為：

全球國家地圖:

echarts-countries-pypkg

中國省級地圖:

echarts-china-provinces-pypkg

中國市級地圖:

echarts-china-cities-pypkg

直接使用python的pip安裝

但是這裡大家一定要注意，安裝完地圖包以後一定要重啟jupyter notebook，不然是無法顯示地圖的。

顯示如下：

總得來說，這是一個非常強大的可視化庫，既可以集成在flask、Django開發中，也可以在做數據分析的時候單獨使用，實在是居家旅行的必備神器啊

如何用Python繪製JS地圖

Folium是建立在Python生態系統的數據整理（Datawrangling）能力和Leaflet.js庫的映射能力之上的開源庫。用Python處理數據，然後用Folium將它在Leaflet地圖上進行可視化。

概念

Folium能夠將通過Python處理後的數據輕鬆地在交互式的Leaflet地圖上進行可視化展示。它不單單可以在地圖上展示數據的分布圖，還可以使用Vincent/Vega在地圖上加以標記。

這個開源庫中有許多來自OpenStreetMap、MapQuest Open、MapQuestOpen

Aerial、Mapbox和Stamen的內建地圖元件，而且支持使用Mapbox或Cloudmade的API密鑰來定製個性化的地圖元件。

Folium支持GeoJSON和TopoJSON兩種文件格式的疊加，也可以將數據連接到這兩種文件格式的疊加層，最後可使用color-brewer

配色方案創建分布圖。

安裝

安裝folium包

開始創建地圖

創建底圖，傳入起始坐標到Folium地圖中：

importfolium

map_osm= folium.Map(location=[45.5236, -122.6750]) #輸入坐標

map_osm.create_map(path=’osm.html’)

Folium默認使用OpenStreetMap元件，但是Stamen Terrain, Stamen Toner, Mapbox Bright 和MapboxControl空間元件是內置的：

#輸入位置，tiles，縮放比例

stamen =folium.Map(location=[45.5236, -122.6750], tiles=’Stamen Toner’,zoom_start=13)

stamen.create_map(path=’stamen_toner.html’)#保存圖片

Folium也支持Cloudmade 和 Mapbox的個性化定製地圖元件，只需簡單地傳入API_key ：

custom =folium.Map(location=[45.5236, -122.6750], tiles=’Mapbox’,

API_key=’wrobstory.map-12345678′)

最後，Folium支持傳入任何與Leaflet.js兼容的個性化地圖元件：

tileset= r’http://{s}.tiles.yourtiles.com/{z}/{x}/{y}.png’

map =folium.Map(location=[45.372, -121.6972], zoom_start=12,

tiles=tileset, attr=’My DataAttribution’)

地圖標記

Folium支持多種標記類型的繪製，下面從一個簡單的Leaflet類型的位置標記彈出文本開始：

map_1 =folium.Map(location=[45.372, -121.6972], zoom_start=12,

tiles=’Stamen Terrain’)

map_1.simple_marker([45.3288,-121.6625], popup=’Mt. Hood Meadows’)#文字標記

map_1.simple_marker([45.3311,-121.7113], popup=’Timberline Lodge’)

map_1.create_map(path=’mthood.html’)

Folium支持多種顏色和標記圖標類型：

map_1 =folium.Map(location=[45.372, -121.6972], zoom_start=12,tiles=’Stamen Terrain’)

map_1.simple_marker([45.3288,-121.6625], popup=’Mt. Hood Meadows’,marker_icon=’cloud’) #標記圖標類型為雲

map_1.simple_marker([45.3311,-121.7113], popup=’Timberline Lodge’,marker_color=’green’) #標記顏色為綠色

map_1.simple_marker([45.3300,-121.6823], popup=’Some OtherLocation’,marker_color=’red’,marker_icon=’info-sign’)

#標記顏色為紅色，標記圖標為“info-sign”)

map_1.create_map(path=’iconTest.html’)

Folium也支持使用個性化的尺寸和顏色進行圓形標記：

map_2 =folium.Map(location=[45.5236, -122.6750], tiles=’Stamen Toner’,

zoom_start=13)

map_2.simple_marker(location=[45.5244,-122.6699], popup=’The Waterfront’)

簡單樹葉類型標記

map_2.circle_marker(location=[45.5215,-122.6261], radius=500,

popup=’Laurelhurst Park’,line_color=’#3186cc’,

fill_color=’#3186cc’)#圓形標記

map_2.create_map(path=’portland.html’)

Folium有一個簡便的功能可以使經/緯度懸浮於地圖上：

map_3 =folium.Map(location=[46.1991, -122.1889], tiles=’Stamen Terrain’,zoom_start=13)

map_3.lat_lng_popover()

map_3.create_map(path=’sthelens.html’)

Click-for-marker功能允許標記動態放置：

map_4 =folium.Map(location=[46.8527, -121.7649], tiles=’Stamen Terrain’,zoom_start=13)

map_4.simple_marker(location=[46.8354,-121.7325], popup=’Camp Muir’)

map_4.click_for_marker(popup=’Waypoint’)

map_4.create_map(path=’mtrainier.html’)

Folium也支持來自Leaflet-DVF的Polygon（多邊形）標記集：

map_5 =folium.Map(location=[45.5236, -122.6750], zoom_start=13)

map_5.polygon_marker(location=[45.5012,-122.6655], popup=’Ross Island Bridge’,fill_color=’#132b5e’, num_sides=3,radius=10)#三邊形標記

map_5.polygon_marker(location=[45.5132,-122.6708], popup=’Hawthorne Bridge’,fill_color=’#45647d’, num_sides=4,radius=10)#四邊形標記

map_5.polygon_marker(location=[45.5275,-122.6692], popup=’Steel Bridge’,fill_color=’#769d96′, num_sides=6, radius=10)#四邊形標記

map_5.polygon_marker(location=[45.5318,-122.6745], popup=’Broadway Bridge’,fill_color=’#769d96′, num_sides=8,radius=10) #八邊形標記

map_5.create_map(path=’bridges.html’)

Vincent/Vega標記

Folium能夠使用vincent 進行任何類型標記，並懸浮在地圖上。

buoy_map= folium.Map(location=[46.3014, -123.7390], zoom_start=7,

tiles=’StamenTerrain’)

buoy_map.polygon_marker(location=[47.3489,-124.708], fill_color=’#43d9de’,radius=12, popup=(vis1, ‘vis1.json’))

buoy_map.polygon_marker(location=[44.639,-124.5339], fill_color=’#43d9de’,radius=12, popup=(vis2, ‘vis2.json’))

buoy_map.polygon_marker(location=[46.216,-124.1280], fill_color=’#43d9de’,radius=12, popup=(vis3, ‘vis3.json’))

GeoJSON/TopoJSON層疊加

GeoJSON 和TopoJSON層都可以導入到地圖，不同的層可以在同一張地圖上可視化出來：

geo_path= r’data/antarctic_ice_edge.json’

topo_path= r’data/antarctic_ice_shelf_topo.json’

ice_map= folium.Map(location=[-59.1759, -11.6016],tiles=’Mapbox Bright’, zoom_start=2)

ice_map.geo_json(geo_path=geo_path)#導入geoJson層

ice_map.geo_json(geo_path=topo_path,topojson=’objects.antarctic_ice_shelf’)#導入Toposon層

ice_map.create_map(path=’ice_map.html’)

分布圖

Folium允許PandasDataFrames/Series類型和Geo/TopoJSON類型之間數據轉換。Color Brewer 顏色方案也是內建在這個庫，可以直接導入快速可視化不同的組合：

importfolium

importpandas as pd

state_geo= r’data/us-states.json’#地理位置文件

state_unemployment= r’data/US_Unemployment_Oct2012.csv’#美國失業率文件

state_data= pd.read_csv(state_unemployment)

#LetFolium determine the scale

map =folium.Map(location=[48, -102], zoom_start=3)

map.geo_json(geo_path=state_geo,data=state_data,

columns=[‘State’, ‘Unemployment’],

key_on=’feature.id’,

fill_color=’YlGn’,fill_opacity=0.7, line_opacity=0.2,

legend_name=’Unemployment Rate(%)’)

map.create_map(path=’us_states.html’)

基於D3閾值尺度，Folium在右上方創建圖例，通過分位數創建最佳猜測值，導入設定的閾值很簡單：

map.geo_json(geo_path=state_geo,data=state_data,

columns=[‘State’, ‘Unemployment’],

threshold_scale=[5, 6, 7, 8, 9,10],

key_on=’feature.id’,

fill_color=’BuPu’,fill_opacity=0.7, line_opacity=0.5,

legend_name=’Unemployment Rate(%)’,

reset=True)

map.create_map(path=’us_states.html’)

「Python」使用Pyecharts生成疫情分布地圖

最近受江蘇疫情影響，好多小夥伴都居家辦公咯！為了密切關注疫情動態，最近寫了爬取疫情分布的腳本，參考上篇鏈接。

既然我們已經獲得了相應的江蘇各個地級市的疫情數據，那麼我們如何來使用Python實現將數據可視化在地圖上呢？

Apache Echarts 是一個由百度開源的數據可視化，憑藉著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。

簡單來說，pyecharts具有以下特性：

3. Pyecharts 安裝

使用pip進行安裝如下：

因為我們需要使用pycharts繪製地圖，此時我們還需要安裝相應的地圖文件包：

其中：

echarts-countries-pypkg 包為全球國家地圖

echarts-china-provinces-pypkg包為中國省級地圖

echarts-china-cities-pypkg 包為中國市級地圖

安裝完上述繪製地圖相關的python包後，我們接下來開始畫疫情分布地圖。

首先，我們先來查看一段Pyecharts相關實現：

上述代碼解釋如下：

運行後會在當前目錄生成 map_jiangsu_0803.html,用瀏覽器打開後結果如下：

當鼠標移動到對應區域後，會顯示出對應地級市今日新增人數。

上述腳本雖然可以實現我們的功能，但是顏色灰灰的，太過於單調，接下來我們來想辦法進行美化,實現代碼如下：

代碼解釋如下：

運行後會在當前目錄生成 map_jiangsu_0803_new.html,用瀏覽器打開後結果如下：

同理我們可以得到現有確診人數分布如下：

進而我們可以得到累計確診人數分布如下：