Pyecharts绘制可视化地球实现示例
作者:周萝卜
这篇文章主要为大家介绍了Pyecharts绘制可视化地球实现示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
正文
今天我们使用 Pyecharts 制作一个地球可视化项目,一起来看看吧
Let’s go!
数据处理
这里我们使用全球新冠感染人数的数据集作为我们的测试数据,先来看看数据的整体情况
import pandas as pd df = pd.read_csv("owid-covid-data.csv") df_0608 = df[df['date'] == '2022-06-08'] df_new = df_0608[pd.isna(df_0608['continent']) == False] df_new
Output:
我们选取0608这一天的数据,可以看到 total_cases 字段就是国家当前的累计总确诊人数
下面就提取国家和确诊人数
covid_data = df_new[['location', 'total_cases']].values.tolist()
Output:
Pyecharts 绘图
通过 Pyecharts 绘制地球图,在官网上有很详细的例子,我们直接套用即可
首先导入相关库
import pyecharts.options as opts from pyecharts.charts import MapGlobe
定义地球图函数并绘制
data = [x for _, x in covid_data] low, high = min(data), max(data) c = ( MapGlobe() .add_schema() .add( maptype="world", series_name="World Covid Data", data_pair=covid_data, 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"], ) ) ) c.render_notebook()
这样我们得到如下全球各国新管确诊人数分布图
部署为 Web 服务
当前我们所有的代码都是运行在 Jupyter 当中的,如果要分享给其他人,并不是十分的方便,我们可以将整体代码部署成一个 Web 服务,这样其他人就可以方便的通过浏览器来查看该地球图了
我们先创建项目目录,命名为 flask_map
,再将本地安装的 Pyecharts
目录下的 templates
文件夹拷贝到该目录下,同时再创建 data
文件夹和 main.py
文件,Pyecharts 模板位置如下:
pyecharts.render.templates
我们将数据集 owid-covid-data.csv
放到 data
文件夹下,再编写 main.py
文件
# coding = utf-8 """ ====================== @author:luobo @time:2022/7/2:14:32 @email: @File: main.py ====================== """ from flask import Flask, render_template from jinja2 import Markup, Environment, FileSystemLoader from pyecharts.globals import CurrentConfig # 关于 CurrentConfig,可参考 [基本使用-全局变量] CurrentConfig.GLOBAL_ENV = Environment(loader=FileSystemLoader("./templates")) from pyecharts import options as opts from pyecharts.charts import MapGlobe import pandas as pd df = pd.read_csv("data/owid-covid-data.csv") df_0608 = df[df['date'] == '2022-06-08'] df_new = df_0608[pd.isna(df_0608['continent']) == False] covid_data = df_new[['location', 'total_cases']].values.tolist() app = Flask(__name__, static_folder="templates") def Map_base(): data = [x for _, x in covid_data] low, high = min(data), max(data) c = ( MapGlobe() .add_schema() .add( maptype="world", series_name="World Covid Data", data_pair=covid_data, 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"], ) ) ) return c @app.route("/") def index(): c = Map_base() c.render('templates/Map.html') return render_template("Map.html") if __name__ == "__main__": app.run()
这样,当我们启动 Flask 服务器之后,只需要访问根目录(/),就会在 templates
目录下生成 Map.html
文件,也会在浏览器正常展示地球图了
tup2
至于如何将本地 Web 应用部署到公网上,我们在后面的文章中再介绍吧!
更多关于Pyecharts绘制可视化地球的资料请关注脚本之家其它相关文章!