1. Pyecharts地图可视化入门指南第一次接触Pyecharts地图可视化时我被它的简单高效震惊了。作为一个常年和Excel打交道的分析师以前要做一个省级销售热力图至少得折腾半天。现在用Pyecharts十几行代码就能生成交互式地图还能直接嵌入网页。Pyecharts是百度ECharts的Python接口特别适合需要快速实现地理数据可视化的场景。比如我们市场部最近要分析全国门店销售数据传统表格根本看不出区域差异用Pyecharts热力图哪些省份是增长热点一目了然。先看个最简单的例子用随机数据生成中国省级热力图。即使你完全没接触过Pyecharts跟着下面代码操作也能立即看到效果from pyecharts.charts import Map from pyecharts import options as opts import random # 准备省份数据 provinces [北京, 天津, 河北, 山西, 内蒙古, 辽宁, 吉林, 黑龙江, 上海, 江苏, 浙江, 安徽, 福建, 江西, 山东, 河南] values [random.randint(100, 500) for _ in provinces] # 生成地图 map_chart ( Map() .add(销售额, list(zip(provinces, values)), china) .set_global_opts( title_optsopts.TitleOpts(title省级销售热力图), visualmap_optsopts.VisualMapOpts(max_500) ) ) map_chart.render(sales_map.html)运行后会生成一个HTML文件用浏览器打开就能看到可交互的地图。鼠标悬停会显示具体数值滚轮可以缩放比静态图片方便多了。2. 环境配置与地图包安装刚开始用Pyecharts时最容易踩的坑就是地图显示空白。这是因为从v0.3.2版本开始Pyecharts为了减小体积地图文件需要单独安装。我第一次用时折腾了半天才发现问题所在。2.1 基础安装首先确保安装了最新版Pyechartspip install pyecharts2.2 地图包安装根据需求选择安装对应的地图包# 世界地图含中国 pip install echarts-countries-pypkg # 中国省级地图必装 pip install echarts-china-provinces-pypkg # 中国市级地图 pip install echarts-china-cities-pypkg # 中国县级地图 pip install echarts-china-counties-pypkg我曾经遇到个典型问题代码运行不报错但地图显示空白。后来发现是没装省级地图包。建议至少安装省级地图包这是最常用的。3. 数据准备与格式处理实际项目中数据往往来自Excel或数据库需要先做格式转换。Pyecharts地图数据要求是特定格式的二维列表比如[(北京, 175), (上海, 210), (广东, 385)]3.1 从CSV读取数据假设有sales_data.csv文件省份,销售额 北京,175 上海,210 广东,385 ...转换代码import pandas as pd df pd.read_csv(sales_data.csv) data list(zip(df[省份], df[销售额]))3.2 数据验证技巧常见问题是省份名称不规范比如广东写成广东省。建议先用标准省份列表校验valid_provinces {北京, 天津, 河北, 山西, 内蒙古, 辽宁, 吉林, 黑龙江, 上海, 江苏, 浙江, 安徽, 福建, 江西, 山东, 河南, 湖北, 湖南, 广东, 广西, 海南, 重庆, 四川, 贵州, 云南, 西藏, 陕西, 甘肃, 青海, 宁夏, 新疆} for item in data: if item[0] not in valid_provinces: print(f无效省份名称: {item[0]})4. 基础地图生成4.1 三步生成地图Pyecharts地图生成基本流程创建Map对象添加数据系列设置全局配置from pyecharts.charts import Map from pyecharts import options as opts # 示例数据 data [(北京, 175), (上海, 210), (广东, 385)] map_chart ( Map() .add(销售额, data, china) # 系列名、数据、地图类型 .set_global_opts( title_optsopts.TitleOpts(title销售热力图), visualmap_optsopts.VisualMapOpts(max_500) ) ) map_chart.render(sales_map.html)4.2 地图类型选择根据范围选择maptype参数world世界地图china中国地图广东省级地图替换为其他省份名称广州市级地图5. 进阶美化技巧5.1 分段颜色映射默认是连续渐变颜色实际业务中分段显示更直观.set_global_opts( visualmap_optsopts.VisualMapOpts( is_piecewiseTrue, pieces[ {min: 0, max: 100, label: 0-100, color: #FFE4E1}, {min: 101, max: 200, label: 101-200, color: #FF7F50}, {min: 201, max: 300, label: 201-300, color: #FF4500}, {min: 301, label: 300, color: #8B0000} ] ) )5.2 自定义地图样式调整区域颜色、边框等.set_series_opts( itemstyle_optsopts.ItemStyleOpts( area_color#E6E6FA, # 区域底色 border_color#4682B4, # 边界颜色 border_width0.5 # 边界粗细 ) )5.3 悬停高亮效果.set_series_opts( emphasis_optsopts.ItemStyleOpts( area_color#9370DB, # 悬停颜色 border_color#FFFFFF, border_width1.5 ) )6. 完整实战案例6.1 2023年GDP热力图gdp_data [ (广东, 124369), (江苏, 116364), (山东, 83096), (浙江, 73516), (河南, 58887), (四川, 53851), (湖北, 50013), (福建, 48830), (湖南, 46027), (上海, 43215) ] map_chart ( Map() .add( GDP亿元, gdp_data, china, zoom1.2 # 适当放大 ) .set_global_opts( title_optsopts.TitleOpts( title2023年中国各省GDP分布, subtitle数据来源国家统计局 ), visualmap_optsopts.VisualMapOpts( is_piecewiseTrue, pieces[ {min: 0, max: 50000, label: 5万亿, color: #FFE4E1}, {min: 50001, max: 80000, label: 5-8万亿, color: #FFDAB9}, {min: 80001, max: 100000, label: 8-10万亿, color: #FFA07A}, {min: 100001, label: 10万亿, color: #FF6347} ] ) ) .set_series_opts( label_optsopts.LabelOpts(is_showTrue) ) ) map_chart.render(gdp_map.html)6.2 常见问题解决问题1地图显示空白原因未安装对应地图包解决根据报错提示安装如pip install echarts-china-provinces-pypkg问题2部分省份无颜色检查省份名称是否规范如内蒙古不是内蒙古自治区确认数据中包含该省份问题3颜色映射不准确在VisualMapOpts中手动设置max_值7. 高级应用场景7.1 嵌入Flask应用from flask import Flask, render_template from pyecharts.charts import Map app Flask(__name__) app.route(/) def show_map(): map_chart Map().add(...) # 地图配置 return render_template(map.html, map_htmlmap_chart.render_embed())7.2 动态更新数据结合JavaScript定时刷新setInterval(function() { fetch(/api/latest_data) .then(res res.json()) .then(data { chart.setOption({series: [{data: data}]}); }); }, 5000);7.3 3D地图效果需安装扩展包pip install pyecharts-gallery示例代码from pyecharts.charts import Map3D map3d ( Map3D() .add_schema(maptypechina) .add(GDP, data, type_bar3D) ) map3d.render(3d_map.html)
1. Pyecharts地图可视化入门指南第一次接触Pyecharts地图可视化时我被它的简单高效震惊了。作为一个常年和Excel打交道的分析师以前要做一个省级销售热力图至少得折腾半天。现在用Pyecharts十几行代码就能生成交互式地图还能直接嵌入网页。Pyecharts是百度ECharts的Python接口特别适合需要快速实现地理数据可视化的场景。比如我们市场部最近要分析全国门店销售数据传统表格根本看不出区域差异用Pyecharts热力图哪些省份是增长热点一目了然。先看个最简单的例子用随机数据生成中国省级热力图。即使你完全没接触过Pyecharts跟着下面代码操作也能立即看到效果from pyecharts.charts import Map from pyecharts import options as opts import random # 准备省份数据 provinces [北京, 天津, 河北, 山西, 内蒙古, 辽宁, 吉林, 黑龙江, 上海, 江苏, 浙江, 安徽, 福建, 江西, 山东, 河南] values [random.randint(100, 500) for _ in provinces] # 生成地图 map_chart ( Map() .add(销售额, list(zip(provinces, values)), china) .set_global_opts( title_optsopts.TitleOpts(title省级销售热力图), visualmap_optsopts.VisualMapOpts(max_500) ) ) map_chart.render(sales_map.html)运行后会生成一个HTML文件用浏览器打开就能看到可交互的地图。鼠标悬停会显示具体数值滚轮可以缩放比静态图片方便多了。2. 环境配置与地图包安装刚开始用Pyecharts时最容易踩的坑就是地图显示空白。这是因为从v0.3.2版本开始Pyecharts为了减小体积地图文件需要单独安装。我第一次用时折腾了半天才发现问题所在。2.1 基础安装首先确保安装了最新版Pyechartspip install pyecharts2.2 地图包安装根据需求选择安装对应的地图包# 世界地图含中国 pip install echarts-countries-pypkg # 中国省级地图必装 pip install echarts-china-provinces-pypkg # 中国市级地图 pip install echarts-china-cities-pypkg # 中国县级地图 pip install echarts-china-counties-pypkg我曾经遇到个典型问题代码运行不报错但地图显示空白。后来发现是没装省级地图包。建议至少安装省级地图包这是最常用的。3. 数据准备与格式处理实际项目中数据往往来自Excel或数据库需要先做格式转换。Pyecharts地图数据要求是特定格式的二维列表比如[(北京, 175), (上海, 210), (广东, 385)]3.1 从CSV读取数据假设有sales_data.csv文件省份,销售额 北京,175 上海,210 广东,385 ...转换代码import pandas as pd df pd.read_csv(sales_data.csv) data list(zip(df[省份], df[销售额]))3.2 数据验证技巧常见问题是省份名称不规范比如广东写成广东省。建议先用标准省份列表校验valid_provinces {北京, 天津, 河北, 山西, 内蒙古, 辽宁, 吉林, 黑龙江, 上海, 江苏, 浙江, 安徽, 福建, 江西, 山东, 河南, 湖北, 湖南, 广东, 广西, 海南, 重庆, 四川, 贵州, 云南, 西藏, 陕西, 甘肃, 青海, 宁夏, 新疆} for item in data: if item[0] not in valid_provinces: print(f无效省份名称: {item[0]})4. 基础地图生成4.1 三步生成地图Pyecharts地图生成基本流程创建Map对象添加数据系列设置全局配置from pyecharts.charts import Map from pyecharts import options as opts # 示例数据 data [(北京, 175), (上海, 210), (广东, 385)] map_chart ( Map() .add(销售额, data, china) # 系列名、数据、地图类型 .set_global_opts( title_optsopts.TitleOpts(title销售热力图), visualmap_optsopts.VisualMapOpts(max_500) ) ) map_chart.render(sales_map.html)4.2 地图类型选择根据范围选择maptype参数world世界地图china中国地图广东省级地图替换为其他省份名称广州市级地图5. 进阶美化技巧5.1 分段颜色映射默认是连续渐变颜色实际业务中分段显示更直观.set_global_opts( visualmap_optsopts.VisualMapOpts( is_piecewiseTrue, pieces[ {min: 0, max: 100, label: 0-100, color: #FFE4E1}, {min: 101, max: 200, label: 101-200, color: #FF7F50}, {min: 201, max: 300, label: 201-300, color: #FF4500}, {min: 301, label: 300, color: #8B0000} ] ) )5.2 自定义地图样式调整区域颜色、边框等.set_series_opts( itemstyle_optsopts.ItemStyleOpts( area_color#E6E6FA, # 区域底色 border_color#4682B4, # 边界颜色 border_width0.5 # 边界粗细 ) )5.3 悬停高亮效果.set_series_opts( emphasis_optsopts.ItemStyleOpts( area_color#9370DB, # 悬停颜色 border_color#FFFFFF, border_width1.5 ) )6. 完整实战案例6.1 2023年GDP热力图gdp_data [ (广东, 124369), (江苏, 116364), (山东, 83096), (浙江, 73516), (河南, 58887), (四川, 53851), (湖北, 50013), (福建, 48830), (湖南, 46027), (上海, 43215) ] map_chart ( Map() .add( GDP亿元, gdp_data, china, zoom1.2 # 适当放大 ) .set_global_opts( title_optsopts.TitleOpts( title2023年中国各省GDP分布, subtitle数据来源国家统计局 ), visualmap_optsopts.VisualMapOpts( is_piecewiseTrue, pieces[ {min: 0, max: 50000, label: 5万亿, color: #FFE4E1}, {min: 50001, max: 80000, label: 5-8万亿, color: #FFDAB9}, {min: 80001, max: 100000, label: 8-10万亿, color: #FFA07A}, {min: 100001, label: 10万亿, color: #FF6347} ] ) ) .set_series_opts( label_optsopts.LabelOpts(is_showTrue) ) ) map_chart.render(gdp_map.html)6.2 常见问题解决问题1地图显示空白原因未安装对应地图包解决根据报错提示安装如pip install echarts-china-provinces-pypkg问题2部分省份无颜色检查省份名称是否规范如内蒙古不是内蒙古自治区确认数据中包含该省份问题3颜色映射不准确在VisualMapOpts中手动设置max_值7. 高级应用场景7.1 嵌入Flask应用from flask import Flask, render_template from pyecharts.charts import Map app Flask(__name__) app.route(/) def show_map(): map_chart Map().add(...) # 地图配置 return render_template(map.html, map_htmlmap_chart.render_embed())7.2 动态更新数据结合JavaScript定时刷新setInterval(function() { fetch(/api/latest_data) .then(res res.json()) .then(data { chart.setOption({series: [{data: data}]}); }); }, 5000);7.3 3D地图效果需安装扩展包pip install pyecharts-gallery示例代码from pyecharts.charts import Map3D map3d ( Map3D() .add_schema(maptypechina) .add(GDP, data, type_bar3D) ) map3d.render(3d_map.html)
