效果

本文使用python库——pyecharts绘制地图，修改标签样式并调色。重点在于参数调用方法（理解Union[Sequence[str]]或者看源码）。
效果如图：

image.png

工具与配置

• Python 3.7.3，使用Anaconda安装
• pyecharts 1.3.1，pip安装

pip install pyecharts

实操

要绘制地图，看官方文档可知可以使用Geo或Map：Geo为地理坐标系，画出来是在地点对应的位置画点；Map是区域上色。故选用Map实现。

• 看官网Demo

from example.commons import Faker
from pyecharts import options as opts
from pyecharts.charts import Map

def map_visualmap() -> Map:
    c = (
        Map()
        .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Map-VisualMap（连续型）"),
            visualmap_opts=opts.VisualMapOpts(max_=200),
        )
    )
    return c

可知需要在add函数中传入数据，格式为[[name,value]]（例如[['北京',25],['广东',47],...]，注意无‘省’‘市’等）。由于我数据是xls，故用pandas读入，如下。

• 构造数据

data = pd.read_excel(path)
# ...
 .add("", [list(z) for z in zip(data['地区'], data['2018年'])],"china")

得到如图

image.png

发现离预期效果的差别为 标签数字的显示 和 调色盘。

• 看API

# Map类
class Map(
    # 初始化配置项，参考 `global_options.InitOpts`
    init_opts: opts.InitOpts = opts.InitOpts()
)
# Map.add()
def add(
    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
    series_name: str,
    # 数据项 (坐标点名称，坐标点值)
    data_pair: Sequence,
    # 地图类型，具体参考 pyecharts.datasets.map_filenames.json 文件
    maptype: str = "china",
    # 是否选中图例
    is_selected: bool = True,
    # 是否开启鼠标缩放和平移漫游。
    is_roam: bool = True,
    # 当前视角的中心点，用经纬度表示
    center: Optional[Sequence] = None,
    # 当前视角的缩放比例。
    zoom: Optional[Numeric] = 1,
    # 自定义地区的名称映射
    name_map: Optional[dict] = None,
    # 标记图形形状
    symbol: Optional[str] = None,
    # 是否显示标记图形
    is_map_symbol_show: bool = True,
    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
    # 提示框组件配置项，参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
    # 图元样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
    # 高亮标签配置项，参考 `series_options.LabelOpts`
    emphasis_label_opts: Union[opts.LabelOpts, dict, None] = None,
    # 高亮图元样式配置项，参考 `series_options.ItemStyleOpts`
    emphasis_itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)

首先实现标签格式化，看add类可知需要修改label_opts。这时需要找LabelOpts的文档。依照其中formatter的描述，修改即可实现（文档指出{b}是区域名，{c}是value名）。

# ...
Map().add("", [list(z) for z in zip(data['地区'], 
    data['2018年'])], "china", 
    label_opts=opts.LabelOpts(formatter='{b}\n{c}'),

接着实现调色。首先观察Map.add()函数，发现没有对应参数。观察demo样例，发现图例中max_=200这个参数标定了阈值，故推测目标参数是global_opts中的VisualMapOpts。
到全局配置项查找，根据名字和提示估计为range_color参数。
其参数类型定义如下：

# visualMap 组件过渡颜色
range_color: Union[Sequence[str]] = None,

这里笔者在初学时不知道如何调用，只好去看源码。使用PyCharm ctrl+点击进入VisualMapOpts定义，发现如下：

class VisualMapOpts(BasicOpts):
    def __init__(
        self,
        #...
    ):
        _inrange_op: dict = {}
        if type_ == "color":
            range_color = range_color or ["#50a3ba", "#eac763", "#d94e5d"]
            _inrange_op.update(color=range_color)

可知，在不传入range_color参数时，其默认为["#50a3ba", "#eac763", "#d94e5d"]，是str列表形式传参。（其实在文档定义中 Union[Sequence[str]]已经给出了参数形式，是python3对于数据类型的一种加强型标识）
故修改代码如下，得到预期结果。

def geo() -> Map:
    c = (
        Map()
        .add(
            "", [list(z) for z in zip(data['地区'], data['2018年'])], 
            "china", 
            label_opts=opts.LabelOpts(formatter='{b}\n{c}'),
             )
        .set_global_opts(
            title_opts=opts.TitleOpts(title=""),
            visualmap_opts=opts.VisualMapOpts(
                max_=20,
                range_color=["#90CAF9", "#1E88E5", "#0D47A1"]
            ),
        )
    )
    return c
geo().render_notebook()

image.png