当前位置：首页 > java >正文

【数据可视化】Pyecharts-家乡地图

java 2025/6/17 19:00:00

项目解析

① 整体结构：导入模块

② 数据准备：结构化你的信息

③ 图表函数详解：封装每一个图表

④ 页面布局与生成：组合与渲染

Pyecharts 核心库与 API 讲解

如何借鉴此项目进行二次创作？

总结与更多资源

开始

地理位置

行政区划

人口数据

经济数据

自然资源

代码构建

导包

数据准备

可视化效果

图表绘制函数

生成网页

完整代码

前言

Pyecharts 是基于 Python 的开源可视化库，可生成交互式图表。数据可视化通过图表等形式呈现数据，二者结合能将复杂数据转化为直观图形，广泛应用于商业分析（如销售趋势展示）、学术研究（如数据模型可视化）、政务决策（如人口分布呈现）等场景，助力高效信息传递与决策支持。

项目解析

① 整体结构：导入模块

# 导入图表类，如 Map, Bar, Geo 等
from pyecharts.charts import Map, Bar, Geo, Gauge, WordCloud, Page
# 导入全局配置和系列配置项，这是自定义样式的关键
from pyecharts import options as opts
# 导入一些辅助常量，如图表类型、标记形状等
from pyecharts.globals import ChartType, SymbolType

pyecharts.charts: 存放所有图表类型，如 Bar()（柱状图）、Line()（折线图）等；

pyecharts.options (通常简写为 opts): 这是 pyecharts 的精髓。它包含了所有用于定制图表样式的“配置项类”，如图表标题 (opts.TitleOpts)、坐标轴 (opts.AxisOpts)、提示框 (opts.TooltipOpts) 等；

pyecharts.globals: 提供一些全局的枚举值，比如图表类型、主题等。

② 数据准备：结构化你的信息

在代码中，我们先把所有需要展示的数据整理成 Python 的基础数据结构（列表、元组）。

# 例如，人口数据是 [(key, value), (key, value), ...] 的格式
districts_population = [("龙湖区", 630749), ("金平区", 777024), ...
]
# 经济数据是两个对应的列表
gdp_income_data_x = ["GDP(亿元)", "城镇人均收入(元)", ...]
gdp_income_data_y = [3167.97, 39289, ...]

这样做的好处是让数据和绘图逻辑分离，代码更清晰，以后更新数据也只需要修改这一部分。

③ 图表函数详解：封装每一个图表

为每一个图表都创建了一个独立的函数（如 create_map(), create_economy_bar()）。这样做的好处是模块化，易于管理和复用。

以经济概览的柱状图为例：

def create_economy_bar() -> Bar:
    c = (
        Bar()  # 1. 创建一个柱状图实例.add_xaxis(gdp_income_data_x)  # 2. 添加 X 轴数据.add_yaxis("数值", gdp_income_data_y)  # 3. 添加 Y 轴数据，并命名该系列为“数值”.set_global_opts(  # 4. 设置全局配置项
            title_opts=opts.TitleOpts(title="图3 - 2024年汕头经济概览"), # 设置标题
            yaxis_opts=opts.AxisOpts(type_="log", name="数值 (Y轴为对数轴)") # 设置Y轴).set_series_opts( # 5. 设置系列配置项
            label_opts=opts.LabelOpts(is_show=True, position="top") # 在柱顶显示数值))return c

.add_xaxis() 和 .add_yaxis()：是所有图表用来添加数据的核心方法；

.set_global_opts()：用于设置图表级别的选项，如标题、图例、工具箱、视觉映射等。这些设置对整个图表生效；

.set_series_opts()：用于设置数据系列级别的选项，比如柱子的颜色、线上标记的样式、标签的格式等。它只对用 .add_yaxis() 添加的那个数据系列生效。

④ 页面布局与生成：组合与渲染

Page 类是一个强大的布局工具。

def main():
    # 使用可拖拽布局
    page = Page(layout=Page.DraggablePageLayout, page_title="期末大作业 - 我的家乡汕头")
    # 将之前创建的所有图表对象加入页面
    page.add(
        create_map(),
        create_geo(),
        ...
    )
    # 生成最终的 HTML 文件
    page.render("my_hometown_shantou_visualization.html")

Page.DraggablePageLayout: 让生成的 HTML 页面中的所有图表都可以用鼠标自由拖动和缩放，非常适合制作可交互的 Dashboard；

page.render(): 这是最后一步，将所有配置好的图表对象渲染成一个独立的网页文件。

Pyecharts 核心库与 API 讲解

核心设计理念：“配置项皆为对象”

理解 pyecharts 的关键在于理解它的配置方式。你看到的每一个 opts.XXXOpts() 都是在创建一个“配置对象”，然后把它传递给 .set_global_opts() 或 .set_series_opts()。

例如，想改标题，就创建一个 TitleOpts 对象；想改坐标轴，就创建一个 AxisOpts 对象。这种方式非常清晰且灵活。

常用图表与配置项 (opts)

链式调用 (Chain-style Calling)

Bar().add_xaxis(...).add_yaxis(...).set_global_opts(...)

这是 pyecharts 的标志性写法。每个方法执行后都会返回图表对象本身，所以可以继续在后面调用下一个方法，让代码写起来非常流畅、一气呵成。

如何借鉴此项目进行二次创作？

假设要为家乡 “西安” 制作一个类似的可视化项目。

第一步：明确你的主题与数据

首先，收集西安的相关数据。

行政区划与人口：碑林区、新城区等各区的人口。

经济数据：GDP、人均收入。

旅游数据：大雁塔、兵马俑的年游客量。

历史文化：十三朝古都、丝绸之路起点等关键词。

第二步：选择并修改图表函数

可以直接复用项目中的函数，只需修改数据和标题。

例：将汕头经济图改为西安旅游图

复制函数：复制 create_economy_bar() 函数，并重命名为 create_xian_tourism_bar()。

准备新数据：

xian_tourism_x = ["兵马俑(万人次)", "大雁塔(万人次)", "城墙(万人次)"]
xian_tourism_y = [1200, 800, 650] # 假设的数据

修改函数内部：

def create_xian_tourism_bar() -> Bar:
    c = (
        Bar().add_xaxis(xian_tourism_x)  # <-- 使用西安的数据.add_yaxis("年游客量", xian_tourism_y) # <-- 使用西安的数据和系列名.set_global_opts(
            title_opts=opts.TitleOpts(title="西安主要景点年游客量对比"), # <-- 修改标题
            yaxis_opts=opts.AxisOpts(name="万人次") # <-- 修改Y轴单位).set_series_opts(
            label_opts=opts.LabelOpts(is_show=True, position="top")))return c

第三步：组合可视化页面

在 main 函数中，调用你新创建的函数来替换或增加图表。

def main():
    page = Page(layout=Page.DraggablePageLayout, page_title="我的家乡 - 西安")# 你可以保留地图，但需要将 maptype 改为 "西安"# page.add(create_xian_map()) # 需要一个西安地图的函数# 添加你新创建的旅游图
    page.add(create_xian_tourism_bar())# ...添加其他关于西安的图表    page.render("my_hometown_xian_visualization.html") # 生成新的HTML文件

总结与更多资源

通过这个项目，你可以看到 pyecharts 的核心逻辑就是：准备数据 -> 创建图表 -> 添加数据 -> 配置样式 -> 渲染生成。

它最大的优点是：

简单易用：Python 语法，链式调用非常顺手；

功能强大：支持丰富的图表类型和高度自定义的配置；

交互性强：生成的 HTML 文件是动态的，支持缩放、筛选、提示等交互；

当你想要制作更复杂的图表时，可以访问 Pyecharts 官方文档和示例库

pyecharts - A Python Echarts Plotting Library built with love.

，那里有上百个可以直接运行的例子，是学习和寻找灵感的最佳去处。

开始

先进行数据收集

pyecharts绘制地理图表

Geo 地理坐标系组件：用于地图的绘制，支持在地理坐标系上绘制散点图，线集。

Map 函数：主要用于地理区域数据的可视化

用于绘制可视化的信息收集：

地理位置

经纬度范围：汕头市全境处于东经116°14′40″至117°19′35″和北纬23°02′33″至23°38′50″之间。

地理位置：位于广东省东部，韩江三角洲南端，北接潮州，西邻揭阳，东南濒临南海。

地形地貌：汕头市处潮汕平原，仅西北部有小片丘陵。全市最高峰是位于南澳岛的大尖山，海拔587米。

行政区划

汕头市辖6个区、1个县：

| 市辖区 | 面积（平方千米） | 区政府驻地

| 龙湖区 | 125 | 大北山路一号

| 金平区 | 114.64 | 金砂路50号

| 濠江区 | 171.03 | 达濠街道府前路

| 潮阳区 | 665.74 | 中华路136号

| 潮南区 | 600.74 | 峡山街道玉峡南路

| 澄海区 | 382.93 | 文冠路党政大楼

| 南澳县 | 112.049 | 后宅镇隆澳大街