实战|Python轻松实现地图可视化(附详细源码) python后端

?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！

1pip install pyecharts 2pip install echarts-countries-pypkg 3pip install echarts-china-provinces-pypkg 4pip install echarts-china-cities-pypkg 5pip install echarts-china-counties-pypkg

pip完之后，查看下pyecharts版本。

1import pyecharts 2print(pyecharts.__version__)

【实战|Python轻松实现地图可视化(附详细源码)】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。

文章图片
\
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。

1import pandas as pd#pandas是强大的数据处理库 2from pyecharts.charts import Map 3from 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。

1data = https://www.it610.com/article/pd.read_excel('GDP.xlsx') 2province = list(data["province"]) 3gdp = list(data["2019_gdp"]) 4list = [list(z) for z in zip(province,gdp)]

我们来打印下list，长这样：

文章图片

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。

1c = ( 2Map(init_opts=opts.InitOpts(width="1000px", height="600px"))#初始化地图大小 3.set_global_opts( 4title_opts=opts.TitleOpts(title="2019年各省GDP分布图单位:亿元"),#配置标题 5visualmap_opts=opts.VisualMapOpts( 6type_ = "scatter"#散点类型 7) 8) 9.add("GDP",list,maptype="china")#将list传入，地图类型为中国地图 10.render("Map1.html") 11)

运行以上代码，用浏览器打开生成的Map1.html，效果如下：

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。

1c = ( 2Map(init_opts=opts.InitOpts(width="1000px", height="600px")) #可切换主题 3.set_global_opts( 4title_opts=opts.TitleOpts(title="2019年各省GDP分布图单位:亿元"), 5visualmap_opts=opts.VisualMapOpts( 6min_=1000, 7max_=110000, 8range_text = ['GDP总量（亿）颜色区间:', ''],#分区间 9is_piecewise=True,#定义图例为分段型，默认为连续的图例 10pos_top= "middle",#分段位置 11pos_left="left", 12orient="vertical", 13split_number=10#分成10个区间 14) 15) 16.add("GDP",list,maptype="china") 17.render("Map2.html") 18)

运行以上代码，用浏览器打开生成的Map2.html，效果如下：

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。

文章图片

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。

1from pyecharts.globals import ThemeType #引入主题 2Map(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：
\
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~

文章图片
\
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。

1#Geo地图-涟漪图 2import pandas as pd 3from pyecharts import options as opts 4from pyecharts.charts import Geo 5from pyecharts.globals import ChartType 6 7data = https://www.it610.com/article/pd.read_excel('GDP.xlsx') 8province = list(data["province"]) 9gdp = list(data["2019_gdp"]) 10list = [list(z) for z in zip(province,gdp)] 11print(list) 12c = ( 13Geo() 14.add_schema(maptype="china") 15.add( 16"geo", 17list,#传入数据 18symbol_size=10, large_threshold=110000,#设置涟漪大小 19type_=ChartType.EFFECT_SCATTER,#地图类型为涟漪图 20) 21.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) 22.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=110000),title_opts=opts.TitleOpts(title="2019年各省GDP涟漪图")) 23.render("Geomap1.html") 24)

运行一下，效果如下：

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。注册地址：https://lbsyun.baidu.com/inde...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。

1#Bmap-散点图、热力图和涟漪图 2import pandas as pd 3from pyecharts.charts import BMap 4from pyecharts import options as opts 5from pyecharts.globals import ChartType 6 7data = https://www.it610.com/article/pd.read_excel('GDP.xlsx') 8province = list(data["province"]) 9gdp = list(data["2019_gdp"]) 10list = [list(z) for z in zip(province,gdp)] 11print(list) 12c = ( 13BMap(init_opts=opts.InitOpts(width="1000px", height="600px")) 14.add_schema(baidu_ak="你的AK", center=[120.13066322374, 30.240018034923]) 15.add( 16"GDP", 17list, 18type_="heatmap",#scatter为散点图，heatmap为热力图，ChartType.EFFECT_SCATTER为涟漪图 19label_opts=opts.LabelOpts(formatter="{b}") 20) 21.set_global_opts( 22title_opts=opts.TitleOpts(title="2019年各省GDP热力图"), visualmap_opts=opts.VisualMapOpts(max_=110000) 23) 24.render("Bmap1.html") 25)

运行后，长这样：

folium
你以为以上几个地图就能满足我查理对数据可视化美感的追求，那你太小看查理了，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：

文章图片

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。

1#folium-热力图 2import pandas as pd 3import folium 4from folium import plugins 5 6data = https://www.it610.com/article/pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8') 7 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） 9heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamen Terrain') #刺激战场底图 10# heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='Mapbox Bright') #mapbox底图 11# heatmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner') #黑白底图 12 13# heatmap1 = folium.Map(#高德底图 14#location=[23.122373,113.268027], 15#zoom_start=15, 16#control_scale = True, 17#tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}', 18#attr='© 高德地图' 19#) 20 21folium.Marker([23.122373,113.268027],popup='查理',icon=folium.Icon(icon='cloud',color='green')).add_to(heatmap1)#创建中心标记 22heatmap1.add_child(plugins.HeatMap([[row["lat"],row["lon"]] for name, row in data.iterrows()]))#传入经纬度 23heatmap1.save("folium_map1.html")#生成网页

迫不及待运行了下，效果如下：

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。

1#folium-聚合散点地图 2import pandas as pd 3import folium 4from folium import plugins 5 6data = https://www.it610.com/article/pd.read_csv('./poi_scenic_spot.csv',encoding='utf-8') 7 8plotmap1 = folium.Map(location=[23.122373,113.268027], zoom_start=10,control_scale = True,tiles='stamentoner') 9 10folium.Marker([23.122373,113.268027],popup='我是J哥 ',icon=folium.Icon(icon='cloud',color='green')).add_to(plotmap1)#创建中心标记 11plotmap1.add_child(plugins.MarkerCluster([[row["lat"],row["lon"]] for name, row in data.iterrows()])) 12plotmap1.save('folium_map2.html')

看效果！
\
你就说酷不酷，炫不炫？
结语
查理自认为以上归纳还算完整，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！对本文地图所用数据集和完整代码感兴趣的小伙伴后台回复“地图可视化”即可免费领取啦。