通过Pyecharts绘制可视化地球竟然如此简单！

今天我们使用 Pyecharts 制作一个地球可视化项目，一起来看看吧 Let’s go！ ### 数据处理这里我们使用全球新冠感染人数的数据集作为我们的测试数据，先来看看数据的整体情况 ```Python import pandas as pd df = pd.read_csv("owid-covid-data.csv") df_0608 = df[df['date'] == '2022-06-08'] df_new = df_0608[pd.isna(df_0608['continent']) == False] df_new ``` Output: ![](https://upload-images.jianshu.io/upload_images/5803165-7a581eddd7a63838.png) 我们选取0608这一天的数据，可以看到 total_cases 字段就是国家当前的累计总确诊人数下面就提取国家和确诊人数 ```Python covid_data = df_new[['location', 'total_cases']].values.tolist() ``` Output: ![](https://upload-images.jianshu.io/upload_images/5803165-1be0bb4834d9aea2.png) ## Pyecharts 绘图通过 Pyecharts 绘制地球图，在官网上有很详细的例子，我们直接套用即可首先导入相关库 ```Python import pyecharts.options as opts from pyecharts.charts import MapGlobe ``` 定义地球图函数并绘制 ```Python data = [x for _, x in covid_data] low, high = min(data), max(data) c = ( MapGlobe() .add_schema() .add( maptype="world", series_name="World Covid Data", data_pair=covid_data, is_map_symbol_show=False, label_opts=opts.LabelOpts(is_show=False), ) .set_global_opts( visualmap_opts=opts.VisualMapOpts( min_=low, max_=high, range_text=["max", "min"], is_calculable=True, range_color=["lightskyblue", "yellow", "orangered"], ) ) ) c.render_notebook() ``` 这样我们得到如下全球各国新管确诊人数分布图 #### 图片1 ## 部署为 Web 服务当前我们所有的代码都是运行在 Jupyter 当中的，如果要分享给其他人，并不是十分的方便，我们可以将整体代码部署成一个 Web 服务，这样其他人就可以方便的通过浏览器来查看该地球图了我们先创建项目目录，命名为 `flask_map`，再将本地安装的 `Pyecharts` 目录下的 `templates` 文件夹拷贝到该目录下，同时再创建 `data` 文件夹和 `main.py` 文件，Pyecharts 模板位置如下： > pyecharts.render.templates 我们将数据集 `owid-covid-data.csv` 放到 `data` 文件夹下，再编写 `main.py` 文件 ```Python # coding = utf-8 """ ====================== @author:luobo @time:2022/7/2:14:32 @email: @File: main.py ====================== """ from flask import Flask, render_template from jinja2 import Markup, Environment, FileSystemLoader from pyecharts.globals import CurrentConfig # 关于 CurrentConfig，可参考 [基本使用-全局变量] CurrentConfig.GLOBAL_ENV = Environment(loader=FileSystemLoader("./templates")) from pyecharts import options as opts from pyecharts.charts import MapGlobe import pandas as pd df = pd.read_csv("data/owid-covid-data.csv") df_0608 = df[df['date'] == '2022-06-08'] df_new = df_0608[pd.isna(df_0608['continent']) == False] covid_data = df_new[['location', 'total_cases']].values.tolist() app = Flask(__name__, static_folder="templates") def Map_base(): data = [x for _, x in covid_data] low, high = min(data), max(data) c = ( MapGlobe() .add_schema() .add( maptype="world", series_name="World Covid Data", data_pair=covid_data, is_map_symbol_show=False, label_opts=opts.LabelOpts(is_show=False), ) .set_global_opts( visualmap_opts=opts.VisualMapOpts( min_=low, max_=high, range_text=["max", "min"], is_calculable=True, range_color=["lightskyblue", "yellow", "orangered"], ) ) ) return c @app.route("/") def index(): c = Map_base() c.render('templates/Map.html') return render_template("Map.html") if __name__ == "__main__": app.run() ``` 这样，当我们启动 Flask 服务器之后，只需要访问根目录（/），就会在 `templates` 目录下生成 `Map.html` 文件，也会在浏览器正常展示地球图了 #### tup2 至于如何将本地 Web 应用部署到公网上，我们在后面的文章中再介绍吧！好了，这就是今天分享的全部内容，喜欢就点个赞吧~ 本文由[mdnice](https://mdnice.com/?platform=6)多平台发布

通过Pyecharts绘制可视化地球竟然如此简单！

通过Pyecharts绘制可视化地球竟然如此简单！

相关阅读更多精彩内容

友情链接更多精彩内容