pyecharts1.0+版本绘制Geo地理图

简介: 笔记

示例代码:

这里展示的是全国各省份人口的数量,举例前七个省份。

# 导入库
from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType
# 绘制地理图
def geo_chartso() ->Geo:
    data = [['广东',109990000],['山东',99469600],['河南',95324200],['四川',82620000],['江苏',79986000],['河北',74700500],['湖南',682200]]
    # 创建实例对象
    c = Geo()
    c.add_schema(maptype='china',
                 is_roam=False,#绘制出来的图表不能缩放
                 label_opts=opts.LabelOpts(is_show=False))
    c.add(series_name='geo',data_pair=data,type_=ChartType.EFFECT_SCATTER,symbol_size= 12,symbol='pin')
    c.set_global_opts(title_opts=opts.TitleOpts('人口分析'),legend_opts=opts.LegendOpts(is_show=False))
    return c
c = geo_chartso()
c.render('geo.html')

运行结果:

26.png

相关文章
|
2月前
|
数据可视化 定位技术 Python
geopandas轻松绘制交互式在线地图
geopandas轻松绘制交互式在线地图
|
5月前
|
数据可视化 C++ 索引
C++ Qt开发:Charts折线图绘制详解
Qt 是一个跨平台C++图形界面开发库,利用Qt可以快速开发跨平台窗体应用程序,在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置,实现图形化开发极大的方便了开发效率,本章将重点介绍`QCharts`折线图的常用方法及灵活运用。 折线图(Line Chart)是一种常用的数据可视化图表,用于展示随着时间、类别或其他有序变量而变化的趋势。折线图通过将数据点连接起来形成折线,直观地展示了变量之间的趋势和关系。
C++ Qt开发:Charts折线图绘制详解
|
5月前
|
数据可视化 Python
使用pyecharts库绘制柱状图:基础与进阶
使用pyecharts库绘制柱状图:基础与进阶
125 0
|
5月前
|
定位技术 Python
Python的pyecharts安装,导入map、geo模块,画地图
Python的pyecharts安装,导入map、geo模块,画地图
150 1
|
11月前
|
数据挖掘 Python
Python如何使用Matplotlib模块的pie()函数绘制饼形图?
Python如何使用Matplotlib模块的pie()函数绘制饼形图?
72 0
|
开发者
pyecharts基础之柱状图的绘制
pyecharts分为v0.5.X和v1两个大版本,0.5.x 版本将不再进行维护推荐使用v1版本
102 0
|
数据可视化 Python
可视化库Matplotlib-折线统计图
可视化库Matplotlib-折线统计图
可视化库Matplotlib-折线统计图
|
定位技术
pyecharts各种图表实现(超级全)(上)
以下默认都是在Jupyter Notebook展示 也可以将每个图代码的最后一行换为 所创建的对象.render('名字.html')转换为html文件就可以查看啦
211 0
pyecharts各种图表实现(超级全)(上)
|
定位技术
pyecharts各种图表实现(超级全)(下)
以下默认都是在Jupyter Notebook展示 也可以将每个图代码的最后一行换为 所创建的对象.render('名字.html')转换为html文件就可以查看啦
166 0
pyecharts各种图表实现(超级全)(下)
|
存储 数据采集 JSON
Pyecharts结合Pandas绘制图表
数据的可视化是我们数据分析最重要的环节,图表可以化复杂为简洁,化抽象为具体,使读者或听众更容易理解.数据可视化为图表,能让数据更加直观,更加触手可及,让企业能够更迅速,更准确地做出商业决策.让企业能够更好地在所处的领域有所成就.甚至立于不败之地.之前学过pyecharts的绘图库,它的强大让我很震撼,但是再好的绘图库只是前端的一种表现形式,数据才是数据分析的最重要对象,之前《Python 绘制精美可视化数据分析图表 (二)-pyecharts》的数据都是我们手动创建的数据,这显然不符合我们日常开发需求,做数据分析,往往会有大量数据需要整理,数据量越大,得出的结论会更加准确.所以我们的数据会来自
462 0