图样图森破-pyecharts之地图

在之前南丁格尔玫瑰图的介绍中，我们把各个国家的疫情数据以玫瑰图的形式进行了展示，但是当涉及到的国家数量较多时，玫瑰图也并不能完美地展示出所有国家。这个时候，我们很自然地就想到了在世界地图上表示表示各个国家的，那么在pyecharts中如何实现呢?

pyecharts支持Map(地图)、Geo(地理坐标)、Map3D(三维地图)、BMap(百度地图)多种地图组件。

仍以疫情数据为例，不过这次我们选用国内各省级行政单位的数据。这是因为在pyecharts的世界地图中，是使用国家或地区的英文名称来匹配的，而我们获取到的疫情数据则都是中文名称，而中国地图上是使用中文名称来匹配各行政区域的。为免中文名称转换英文名称的麻烦，因此我们本次使用国内的数据来做示范。

数据如上所示，下面我们按部就班地开始地图的各项设置：

from pyecharts import charts, options from pyecharts.commons.utils import JsCode import pandas as pd  data = pd.read_excel('国内疫情数据.xlsx') map1 = charts.Map(init_opts=options.InitOpts(width='1200px', height='800px')) 

与往常一样，在初始化配置中我们设置绘图区域的宽和高。接下来是数据项和地图的配置：

map1.add('累计',         data_pair=[(x[1]['地区'], x[1]['累计']) for x in data.iterrows()],         maptype='图样china',         is_selected=True,         is_roam=True,         aspect_scale=0.75,         selected_mode='multiple',         label_opts=options.LabelOpts(is_show=True,                                      formatter=JsCode('''function(params){                                        if (params['value']){r图森eturn params['name'] + ':' + params['value']}                                        else{return ''}                                        }''')),         is_map_symbol_show=False         ) 

首先，add接受的第一个参数仍然是数据系列名称，但与一般图表不同但是，Map中对多个数据系列不能同时显示，当你选中的多个系列在同一区域都有值的话，那么就会对其进行求和或平均值、最大值、最小值之一来进行图表展示。

(1) data_pair参数接收的参数为二元数组，第一个元素为区域名称，第二个为区域值

(3)maptype是指地图类型，世界地图为“world”，中国地图则为“china”，如果是国内各省级行政单位，则是“山东破-”、“北京”、“广东”等

(4)is_selected表示当前数据系列是否默认选中

(5)is_roam为bool值，为True时可以使用鼠标拖拽缩放和移动地图位置

(6)aspect_scale表示地图的长宽比

(7)selected_mode表示是否支持选中多个区域，取值可以是bool型(True、False)和str型(single、multiple)

(8)label_opts是标签项，是指的地图上各区域的名称及其数值等说明，其中formatter参数我们使用Js传入，是为了使地图各区域只有当被传入了数值且值不为0时才会显示标签;如上图中把西藏地区空置，其标签就不再显示

(9)is_map_symbol_show用来控制地图各区域上是否显示标记，如果为True则会在该区域有一个小红点，一般是在其省会城市的位置

map1.set_global_opts(     visualmap_opts=options.VisualMapOpts(             type_='color',                   is_show=True,                   pos_bottom='50%',                   pos_left='0%',  yp;                 min_=min(data['累计']),                   max_=max(data['累计']),                   is_piecewise=True,                   pieces=[                       {'min': min(data['累计']), 'max': 200},                       {'min': 201, 'max': 300},       ec;                {'min': 301, 'max': 400},                       {'min': 401, 'max': 500},                       {'min': 501, 'max': 600},                       {'min': 601, 'max': 700},                       {'min': 701, 'max': 800},         &nbhasp;             {'min': 801, 'max': 900},                       {'min': 901, 'max': 1000},                       {'min': 1000, 'max': 10000},                       {'value': 68151, 'label': '湖北', 'color': 'red'},                       {'value': 10884, 'label': '香港', 'color': 'red'} &rtnbsp;                 ])) 

对于地图，普遍地是以颜色表示数值大小。Map中在全局配置项中有一个视觉地图的配置项，指定数值最小和最大(min_和max_)，即可以颜色表示此区间数值大小。其中is_piecewise表示是否分段，如果为True则像下图一样，按照pieces中设置的区间即对应颜色分段显示图例，通过点击图例即可选中对应颜色的区域并高亮显示：

如果为False，效果则如下图：图例为一条连续色卡，通过鼠标滑动，可以选择对应颜色的区域，但由于无法指定分段区间及颜色，当离差较大时，就会出现颜色单一，无法达到渐变的效果。

Map3D可以绘制三维地图，效果如下：

以每个区域上柱子的长短表示数值大小，直观且立体。现将代码附上，参数含义不再赘述：

map2 = charts.Map3D(init_opts=options.InitOpts(width='1200px', height='800px')) location = [('121.509062', '25.044332', '台湾'),             ('114.502461', '38.045474', '河北'),             ('112.549248', '37.857014', '山西'),             ('111.670801',&ns之bsp;'40.818311', '内蒙古'),             ('123.429096', '41.796767', '辽宁'),             ('125.3245', '43.886841', '吉林'),             ('126.642464', '45.756967', '黑龙江'),             ('118.767413', '32.041544', '江苏'),             ('120.153576', '30.287459', '浙江'),             ('117.283042', '31.86119', '安徽'),             ('119.306239', '26.075302', '福建'),         地图    ('115.892151', '28.676493', '江西'),             ('117.000923', '36.675807', '山东'),             ('113.665412', '34.757975', '河南'),             ('114.298572', '30.584355', '湖北'),             ('112.982279', '28.19409', '湖南'),             ('113.280637', '23.125178', '广东'),             ('108.320004', '22.82402', '广西'),             ('110.33119', '20.031971', '海南'),   图样;          ('104.065735', '30.659462', '四川'),             ('106.713478', '26.578343', '贵州'),             ('102.712251', '25.040609', '云南'),             ('91.132212', '29.660361', '西藏'),             ('108.948024', '34.263161', '陕西'),             ('103.823557', '36.058039', '甘肃'),             ('101.778916', '36.623178', '青海'),             ('106.278179',&nb图森sp;'38.46637', '宁夏'),             ('87.617733', '43.792818', '新疆'),             ('116.405285', '39.904989', '北京'),             ('117.190182', '39.125596', '天津'),             ('121.472644', '31.231706', '上海'),             ('106.504962', '29.533155', '重庆'),             ('114.173355', '22.320048', '香港'),             ('113.54909', '22.198951', '澳门')] location_dict = {x[-1]: [x[破-0], x[1]] for x in location} map2.add_schema(     itemstyle_opts=options.ItemStyleOpts(         color="rgb(5,101,123)",         opacity=1,         border_width=0.8,         border_color="rgb(62,215,213)",     ),     map3d_label=options.Map3DLabelOpts(         is_show=False,         formatter=JsCode("function(data){return data.name + " " + data.value[2];}"),     ),     emphasis_label_opts=options.LabelOpts(         is_show=pyFalse,         color="#fff",         font_size=10,         background_color="rgba(0,23,11,0)",     ),     light_opts=options.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="bar3D",     data_pair=[(x[1]['地区'], (location_dicect[x[1]['地区']][0], location_dict[x[1]['地区']][1], x[1]['现有'])) for x in                data.iterrows()],     type_=ChartType.BAR3D,     maptype='china',     bar_size=1,     shading="lambert",     label_opts=options.LabelOpts(         is_show=False,         formatter=JsCode("function(data){return data.name + ' ' + data.value[2];}"),     ), ).set_global_opts(title_opts=options.TitleOpts(title="Map3D-Bar3D"))  page = charts.Page() page.add(map1).add(map2) page.render('map.html')