Python數(shù)據(jù)可視化案例教程全課導航項目1搭建數(shù)據(jù)可視化開發(fā)平臺項目2

Python數(shù)據(jù)可視化基礎項目3比較型數(shù)據(jù)可視化項目5地理空間型數(shù)據(jù)可視化項目4分布型數(shù)據(jù)可視化項目6比例型數(shù)據(jù)可視化項目7時間型數(shù)據(jù)可視化項目8文本型數(shù)據(jù)可視化項目9地理空間型數(shù)據(jù)可視化項目10點評網(wǎng)站美食店鋪數(shù)據(jù)可視化項目9

地理空間型數(shù)據(jù)可視化知識目標了解地理空間型數(shù)據(jù)的概念及應用場景。了解統(tǒng)計地圖和地理熱力圖的概念及應用。掌握使用pyecharts繪制統(tǒng)計地圖和地理熱力圖的方法。技能目標能使用統(tǒng)計地圖和地理熱力圖對地理空間型數(shù)據(jù)進行可視化和分析。素養(yǎng)目標培養(yǎng)持之以恒的鉆研精神。提升對數(shù)據(jù)的理解和分析能力，培養(yǎng)數(shù)據(jù)素養(yǎng)。項目目標地理空間型數(shù)據(jù)可視化是指將地理空間型數(shù)據(jù)映射到地圖上的不同地理區(qū)域或位置，常用于展示數(shù)據(jù)的分布和密度，幫助用戶更好地理解和分析地理空間數(shù)據(jù)的特征、規(guī)律和趨勢等。常見的地理空間型數(shù)據(jù)可視化場景有城市規(guī)劃和土地利用、環(huán)境監(jiān)測和資源管理、市場分析和商業(yè)決策等。本項目將基于2023年某品牌北京地區(qū)銷售數(shù)據(jù)實現(xiàn)地理空間型數(shù)據(jù)可視化。項目描述按照項目要求，對“2023年某品牌北京地區(qū)銷售數(shù)據(jù).xlsx”文件中的數(shù)據(jù)進行可視化的方法如下。（1）使用統(tǒng)計地圖實現(xiàn)某品牌北京各區(qū)總銷售額可視化。首先新建Python文件；然后編寫代碼，實現(xiàn)從數(shù)據(jù)源中讀取數(shù)據(jù)并按區(qū)統(tǒng)計總銷售額，使用pyecharts繪制某品牌北京各區(qū)總銷售額統(tǒng)計地圖；最后對圖表進行分析。（2）使用地理熱力圖實現(xiàn)某品牌北京各分店銷售額可視化。首先新建Python文件；然后編寫代碼，實現(xiàn)從數(shù)據(jù)源中讀取數(shù)據(jù)，使用pyecharts將各分店標記到地圖上，并繪制某品牌北京各分店銷售額地理熱力圖；最后在瀏覽器中查看地理熱力圖，并對圖表進行分析。項目分析為了更好地實現(xiàn)2023年某品牌北京地區(qū)銷售數(shù)據(jù)可視化，本項目將對相關知識進行介紹，包括地理空間型數(shù)據(jù)的概念及應用場景，統(tǒng)計地圖和地理熱力圖的概念及應用，以及使用pyecharts繪制這些圖表的方法。項目分析全班學生以3～5人為一組，各組選出組長。組長組織組員掃碼觀看“地理空間型數(shù)據(jù)的類型及特點”視頻，討論并回答下列問題。問題1：簡述地理空間型數(shù)據(jù)的類型。問題2：簡述地理空間型數(shù)據(jù)的特點。項目準備地理空間型數(shù)據(jù)的類型及特點9.1

什么是地理空間型數(shù)據(jù)9.2

統(tǒng)計地圖項目實施——2023年某品牌北京地區(qū)銷售數(shù)據(jù)可視化項目導航9.3

地理熱力圖9.1

什么是地理空間型數(shù)據(jù)9.1什么是地理空間型數(shù)據(jù)地理空間型數(shù)據(jù)是指按照地理位置統(tǒng)計的數(shù)據(jù)，如某城市各行政區(qū)人口、某品牌各分店銷售額等。地理空間型數(shù)據(jù)將地理位置信息和屬性信息進行關聯(lián)，幫助用戶理解數(shù)據(jù)的空間分布和特征。地理位置信息屬性信息可以是地理區(qū)域或位置名稱，也可以是地理坐標數(shù)據(jù)（包括經(jīng)度和緯度）可以是數(shù)量或分類等9.1什么是地理空間型數(shù)據(jù)通過在地圖上對地理空間型數(shù)據(jù)進行可視化和分析，可以幫助用戶更好地理解和分析數(shù)據(jù)的空間分布情況，發(fā)現(xiàn)其中隱藏的模式和規(guī)律，從而為做出更準確的決策提供科學依據(jù)。地理空間型數(shù)據(jù)可視化常用的圖表統(tǒng)計地圖地理熱力圖9.1什么是地理空間型數(shù)據(jù)地理空間型數(shù)據(jù)將什么信息進行關聯(lián)？地理空間型數(shù)據(jù)可視化常用的圖表有哪些？課堂檢測什么是地理空間型數(shù)據(jù)課堂小結9.2

統(tǒng)計地圖9.2統(tǒng)計地圖統(tǒng)計地圖是一種將統(tǒng)計數(shù)據(jù)與地理位置信息相結合的圖表，它將統(tǒng)計數(shù)據(jù)按照地理區(qū)域展示在地圖上，并支持通過不同的顏色表示數(shù)據(jù)大小，以便用戶更直觀地理解數(shù)據(jù)的空間分布，比較不同地區(qū)數(shù)據(jù)的差異。9.2統(tǒng)計地圖統(tǒng)計地圖的應用非常廣泛人口統(tǒng)計經(jīng)濟統(tǒng)計環(huán)境統(tǒng)計教育統(tǒng)計健康統(tǒng)計【問題分析】使用統(tǒng)計地圖實現(xiàn)2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值可視化。【例9-1】

本案例基于“2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值.xlsx”文件中的數(shù)據(jù)，使用pyecharts的Map類繪制統(tǒng)計地圖。Map類支持pyecharts內置的世界地圖、中國地圖、省市級地圖等，適用于根據(jù)地理區(qū)域的名稱在地圖上標記坐標點來繪制統(tǒng)計地圖。添加數(shù)據(jù)時，設置地圖類型maptype為“咸寧”，標簽配置項中標簽的顯示格式formatter為“({c}億元)”；設置全局配置項時，通過視覺映射配置項設置映射數(shù)據(jù)的最大值和最小值、映射組件的位置。9.2統(tǒng)計地圖importpandasaspd#導入pandas庫#導入pyecharts庫中的options模塊frompyechartsimportoptionsasopts#導入pyecharts庫中charts模塊的Map類frompyecharts.chartsimportMap#讀取數(shù)據(jù)df=pd.read_excel(‘2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值.xlsx’)【參考代碼】使用統(tǒng)計地圖實現(xiàn)2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值可視化。【例9-1】

9.2統(tǒng)計地圖#創(chuàng)建Map類對象，并設置初始配置項，包括畫布大小和網(wǎng)頁標題map=Map(init_opts=opts.InitOpts(

width=‘800px’，

height=‘600px’，

page_title=‘統(tǒng)計地圖’))#添加數(shù)據(jù)，并設置地圖類型和標簽配置項中標簽的顯示格式map.add(series_name=‘’，

data_pair=df.values.tolist()，

maptype=‘咸寧’，

label_opts=opts.LabelOpts(formatter=‘({c}億元)’))【參考代碼】使用統(tǒng)計地圖實現(xiàn)2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值可視化?！纠?-1】

9.2統(tǒng)計地圖#設置全局配置項map.set_global_opts(

#設置標題配置項，包括圖表標題及其位置

title_opts=opts.TitleOpts(

title=‘2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值統(tǒng)計地圖’，

pos_left=‘center’)，

#設置圖例配置項，不顯示圖例

legend_opts=opts.LegendOpts(is_show=False)，【參考代碼】使用統(tǒng)計地圖實現(xiàn)2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值可視化?！纠?-1】

9.2統(tǒng)計地圖#設置視覺映射配置項，包括映射數(shù)據(jù)的最大值和最小值、映射組件的位置

visualmap_opts=opts.VisualMapOpts(

max_=580，min_=155，

pos_top=‘65%’))map.render(‘例9-1.html’)#渲染圖表【參考代碼】使用統(tǒng)計地圖實現(xiàn)2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值可視化。【例9-1】

9.2統(tǒng)計地圖【結果分析】在瀏覽器中打開“例9-1.html”文件，從網(wǎng)頁顯示的統(tǒng)計地圖可以看出，2022年咸寧市各縣級行政區(qū)中，赤壁市的國內生產(chǎn)總值最高，通山縣的國內生產(chǎn)總值最低；“北三縣”（咸安區(qū)、嘉魚縣和赤壁市）的國內生產(chǎn)總值整體比“南三縣”（通城縣、崇陽縣和通山縣）的高。使用統(tǒng)計地圖實現(xiàn)2022年咸寧市各縣級行政區(qū)國內生產(chǎn)總值可視化?！纠?-1】

9.2統(tǒng)計地圖統(tǒng)計地圖通過什么表示數(shù)據(jù)的大?。拷y(tǒng)計地圖有哪些應用場景？課堂檢測統(tǒng)計地圖課堂小結9.3

地理熱力圖9.3地理熱力圖熱力圖是一種通過顏色的深淺來表示數(shù)據(jù)密集程度或數(shù)值大小的圖表，顏色越深，表示數(shù)據(jù)越密集或數(shù)值越大。9.3地理熱力圖地理熱力圖是將熱力圖與地圖結合起來形成的圖表，用于展示數(shù)據(jù)在地理空間上的密集程度和分布情況。9.3地理熱力圖地理熱力圖常用于交通擁堵分析商業(yè)熱點分析犯罪熱點分析使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

本案例基于“2022年北京市工作日早高峰進站量前20的地鐵站.xlsx”文件中的數(shù)據(jù)，使用pyecharts的BMap類繪制地理熱力圖。BMap類支持百度地圖，它可以根據(jù)地理位置名稱在地圖上標記坐標點來繪制地理熱力圖或地理散點圖（散點圖與地圖結合的圖表），還可以根據(jù)經(jīng)緯度信息在地圖中標記地理位置并命名?！締栴}分析】9.3地理熱力圖提示“2022年北京市工作日早高峰進站量前20的地鐵站.xlsx”文件中的進站量以“萬人次”為單位時，數(shù)據(jù)太小，不利于在地理熱力圖上展示，因此將該列數(shù)據(jù)乘以10轉化成以“千人次”為單位的數(shù)據(jù)。首先創(chuàng)建BMap類對象；然后遍歷“地鐵站”“經(jīng)度”“緯度”列數(shù)據(jù)，使用add_coordinate()方法將每個地鐵站標記到地圖上，設置坐標點名稱name、經(jīng)度longitude和緯度latitude為地鐵站相應的信息；接著使用add_schema()方法設置百度地圖的訪問應用AK（appkey）、地圖當前視角的中心點（經(jīng)度和緯度）和縮放比例，使用add()方法添加數(shù)據(jù)，并設置圖表類型type_為“heatmap”（熱力圖），再次使用add()方法添加數(shù)據(jù)，設置圖表類型type_為“scatter”（散點圖），標記點大小symbol_size為0（不顯示標記點），并設置標簽配置項；最后設置全局配置項并渲染圖表。【問題分析】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

9.3地理熱力圖【問題分析】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

9.3地理熱力圖其中，百度地圖的訪問應用AK需要用戶在百度地圖開放平臺的控制臺創(chuàng)建應用獲取，創(chuàng)建百度地圖應用并獲取訪問應用AK的過程可掃碼查看。創(chuàng)建百度地圖應用并獲取訪問應用AK的過程【問題分析】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

9.3地理熱力圖標簽配置項中設置文本標簽的位置position為“top”文本標簽離圖形元素的距離distance為10文本的顏色color為“red”文本字體的風格font_style為“italic”（斜體）文本字體的粗細font_weight為“bold”（加粗）文本字體的大小font_size為15標簽的顯示格式formatter為“”（顯示地鐵站名稱）提示繪制地理熱力圖時，使用add()方法添加數(shù)據(jù)并將圖表類型設置為散點圖，同時進行相應設置，可以在地圖上顯示地理位置標記點及其坐標名稱和對應數(shù)據(jù)等。importpandasaspd#導入pandas庫#導入pyecharts庫中的options模塊frompyechartsimportoptionsasopts#導入pyecharts庫中charts模塊的BMap類frompyecharts.chartsimportBMap#讀取數(shù)據(jù)df=pd.read_excel(‘2022年北京市工作日早高峰進站量前20的地鐵站.xlsx’)【參考代碼】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化。【例9-2】

9.3地理熱力圖#生成由地鐵站和進站量組成的列表data=df[[‘地鐵站’，

‘進站量（千人次）’]].values.tolist()#創(chuàng)建BMap類對象，并設置初始配置項，包括畫布大小和網(wǎng)頁標題bMap=BMap(init_opts=opts.InitOpts(

width=‘1000px’，

height=‘800px’，

page_title=‘地理熱力圖’))#遍歷“地鐵站”“經(jīng)度”“緯度”列數(shù)據(jù)，將每個地鐵站標記到地圖上for(name，longitude，

latitude)inzip(df[‘地鐵站’]，

df[‘經(jīng)度’]，df[‘緯度’]):

bMap.add_coordinate(name，longitude，

latitude)【參考代碼】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

9.3地理熱力圖#設置百度地圖的訪問應用AK、地圖當前視角的中心點和縮放比例bMap.add_schema(baidu_ak=‘PmSUNz1vB2wZMLui6vGozZkMKQb1Q5AC’，

center=[116.404699，

39.899689]，

zoom=11)#添加數(shù)據(jù)，并設置圖表類型（熱力圖）bMap.add(series_name=‘’，data_pair=data，

type_=‘heatmap’)【參考代碼】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化。【例9-2】

9.3地理熱力圖#再次添加數(shù)據(jù)，并設置圖表類型（散點圖）、標記點大小和標簽配置項bMap.add(series_name=‘’，data_pair=data，

type_=‘scatter’，symbol_size=0，

label_opts=opts.LabelOpts(

position=‘top’，distance=10，

color=‘red’，

font_style=‘italic’，

font_weight=‘bold’，

font_size=15，

formatter=‘’))【參考代碼】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

9.3地理熱力圖#設置全局配置項bMap.set_global_opts(

#設置標題配置項，包括圖表標題及其位置

title_opts=opts.TitleOpts(

title=‘2022年北京市工作日早高峰進站量前20的地鐵站進站量地理熱力圖’，

pos_left=‘center’)，

#設置圖例配置項，不顯示圖例

legend_opts=opts.LegendOpts(is_show=False)，【參考代碼】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

9.3地理熱力圖#設置視覺映射配置項，包括映射數(shù)據(jù)的最大值和最小值、映射組件的位置和映射顏色范圍（從綠色到黃色再到紅色）

visualmap_opts=opts.VisualMapOpts(

max_=23，

min_=8，

pos_top=‘75%’，

range_color=[‘green’，

‘yellow’，

‘red’]))bMap.render(‘例9-2.html’)#渲染圖表【參考代碼】使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化。【例9-2】

9.3地理熱力圖【運行結果】【結果分析】2022年北京市工作日早高峰進站量前20的地鐵站中，沙河、天通苑北和天通苑地鐵站的進站量最大。將鼠標指針移至網(wǎng)頁中地理熱力圖的顏色最深處并放大，網(wǎng)頁效果如圖所示。使用地理熱力圖實現(xiàn)2022年北京市工作日早高峰進站量前20的地鐵站進站量可視化?！纠?-2】

9.3地理熱力圖地理熱力圖有哪些應用場景？課堂檢測地理熱力圖課堂小結項目實施

2023年某品牌北京地區(qū)銷售數(shù)據(jù)可視化1．統(tǒng)計地圖：某品牌北京各區(qū)總銷售額可視化基于“2023年某品牌北京地區(qū)銷售數(shù)據(jù).xlsx”文件中的數(shù)據(jù)（見圖），使用pyecharts的Map類繪制統(tǒng)計地圖。繪制統(tǒng)計地圖前，先讀取數(shù)據(jù)；然后將所在區(qū)和銷售額數(shù)據(jù)按區(qū)分組求和，并設置保留兩位小數(shù)；接著生成由處理后的所在區(qū)和銷售額組成的列表，將其作為統(tǒng)計地圖的數(shù)據(jù)集。importpandasaspd#導入pandas庫#導入pyecharts庫中的options模塊frompyechartsimportoptionsasopts#導入pyecharts庫中charts模塊的Map類frompyecharts.chartsimportMap#讀取數(shù)據(jù)df=pd.read_excel(‘2023年某品牌北京地區(qū)銷售數(shù)據(jù).xlsx’)#將所在區(qū)和銷售額數(shù)據(jù)按區(qū)分組求和，并設置保留兩位小數(shù)df1=df[[‘所在區(qū)’，

‘銷售額（萬元）’]].groupby(‘所在區(qū)’).sum().round(2)【參考代碼】1．統(tǒng)計地圖：某品牌北京各區(qū)總銷售額可視化#生成由處理后的所在區(qū)和銷售額組成的列表data=[list(z)forzinzip(df1.index，

df1[‘銷售額（萬元）’])]#創(chuàng)建Map類對象，并設置初始配置項，包括畫布大小和網(wǎng)頁標題map=Map(init_opts=opts.InitOpts(

width=‘1000px’，

height=‘800px’，

page_title=‘統(tǒng)計地圖’))#添加數(shù)據(jù)，并設置地圖類型map.add(series_name=‘’，data_pair=data，

maptype=‘北京’)【參考代碼】1．統(tǒng)計地圖：某品牌北京各區(qū)總銷售額可視化#設置全局配置項map.set_global_opts(

#設置標題配置項，包括圖表標題及其位置

title_opts=opts.TitleOpts(

title=‘2023年某品牌北京各區(qū)總銷售額統(tǒng)計地圖’，

pos_left=‘center’)，

#設置圖例配置項，不顯示圖例

legend_opts=opts.LegendOpts(is_show=False)，【參考代碼】1．統(tǒng)計地圖：某品牌北京各區(qū)總銷售額可視化

#設置視覺映射配置項，包括映射數(shù)據(jù)的最大值和最小值、映射組件的位置

visualmap_opts=opts.VisualMapOpts(

max_=8000，

min_=300，

pos_top=‘65%’))map.render(‘map_sale.html’)#渲染圖表【參考代碼】1．統(tǒng)計地圖：某品牌北京各區(qū)總銷售額可視化【結果分析】在瀏覽器中打開“map_sale.html”文件，從網(wǎng)頁顯示的統(tǒng)計地圖可以看出，2023年某品牌北京各區(qū)的總銷售額中，朝陽區(qū)的總銷售額最高，懷柔區(qū)的總銷售額最低。2．地理熱力圖：某品牌北京各分店銷售額可視化某地區(qū)上半年空氣質量指數(shù)的相關性可視化地理熱力圖：某品牌北京各分店銷售額可視化1．實訓目標練習使用pyecharts繪制統(tǒng)計地圖和地理熱力圖，實現(xiàn)地理空間型數(shù)據(jù)可視化。項目實訓2．實訓內容（1）基于“2022年北京市各行政區(qū)常住人口.xlsx”文件中的數(shù)據(jù)（見圖），使用統(tǒng)計地圖實現(xiàn)2022年北京市各行政區(qū)常住人口可視化。項目實訓素養(yǎng)之窗人口問題是關乎國家經(jīng)濟、社會發(fā)展的基礎性問題，人口態(tài)勢的發(fā)展變化影響國家經(jīng)濟社會發(fā)展，也與個人和家庭生活息息相關。中華人民共和國成立以來，我國共開展了七次全國人口普查，獲得了大量人口基礎數(shù)據(jù)，為制定國民經(jīng)濟和社會發(fā)展規(guī)劃，促進經(jīng)濟社會發(fā)展和人民生活水平提高發(fā)揮了重要作用。素養(yǎng)之窗開展人口普查，有利于推動經(jīng)濟高質量發(fā)展。及時查清人口總量、結構和分布這一基本國情，摸清人力資源結構和空間分布等方面的準確信息，才能夠更加準確地把握需求結構、城鄉(xiāng)結構、區(qū)域結構、產(chǎn)業(yè)結構、要素投入結構等狀況，更加深刻地揭示各類生產(chǎn)要素、經(jīng)濟內生動力等變化，充分發(fā)揮人口因素在投資項目和生產(chǎn)力布局、城鄉(xiāng)區(qū)域布局、可持續(xù)發(fā)展等重大決策中的基礎性作用，不斷健全人口與發(fā)展綜合決策機制，推動實現(xiàn)人口與經(jīng)濟社會、資源環(huán)境協(xié)調發(fā)展，為深化供給側結構性改革、推動經(jīng)濟高質量發(fā)展、建設現(xiàn)代化經(jīng)濟體系提供強有力的支持。項目實訓2