当前位置：首页 > news >正文

【数据可视化-107】2025年1-7月全国出口总额Top 10省市数据分析：用Python和Pyecharts打造炫酷可视化大屏

news 2025/9/5 6:46:48

🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

在这里插入图片描述

【数据可视化-107】2025年1-7月全国出口总额Top 10省市数据分析：用Python和Pyecharts打造炫酷可视化大屏

- 一、引言
- 二、数据概览
- 三、数据可视化
- - 3.1 创建柱状图 - 出口总额
  - 3.2 创建折线图 - 同比增长率
  - 3.3 创建饼图 - 进口额分布
  - 3.4 创建地图 - 出口额省份地图
  - 3.5 创建词云图 - 进口额省份词云图
- 四、数据可视化大屏布局
- 五、可视化结果分析
- 六、结论

一、引言

在国际贸易的版图中，中国的出口数据一直备受关注。今天，我们将使用Python和Pyecharts库，对2025年1-7月全国出口总额排名前10的省市数据进行可视化分析。通过柱状图、折线图、饼图、地图和词云图等多种图表类型，我们将直观地展示这些省市的出口和进口情况。

公众号有更全的数据可视化内容，详细资料可以添加博主微信公众号，公众号名称：NLP随手记
在这里插入图片描述

二、数据概览

首先，让我们快速浏览一下数据。这份数据包含了2025年1-7月全国出口总额排名前10的省市，以及它们的同比增长率和进出口总额。单位：亿元数据来源：各省市统计局/海关

三、数据可视化

我们的目标是创建一个动态的、可交互的可视化大屏，展示各市的出口总额、同比增长率、进口额分布、出口额省份地图以及进口额省份词云图。整个大屏将以黑色为背景，使用多种颜色来增强视觉效果，让人有一种视觉上的冲击。

以下是基于Pyecharts的完整代码，用于生成我们的可视化大屏。

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Pie, Map, WordCloud, Grid, Page
from pyecharts.globals import ThemeType# 数据准备
data = {"省市": ["广东省", "浙江省", "江苏省", "山东省", "上海市", "福建省", "安徽省", "四川省", "北京市", "湖北省"],"出口总额": [34361.6, 24218.9, 22068.8, 12428.7, 11233.5, 6726.8, 3647.3, 3641.1, 3540.8, 3427.9],"同比增长(%)": [1.7, 8.4, 9.3, 6.6, 10.7, -5, 13.8, 6.4, 1.8, 37.9],"进出口总额": [53965.4, 31934.3, 33092, 20360.7, 25477.7, 10871.2, 5434.1, 6025.7, 18207.7, 4771.8]
}df = pd.DataFrame(data)

3.1 创建柱状图 - 出口总额

bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK, bg_color="#0d0d0d")).add_xaxis(df["省市"].tolist()).add_yaxis("出口总额", df["出口总额"].tolist(), color="#ffcc00").set_global_opts(title_opts=opts.TitleOpts(title="2025年1-7月全国出口总额Top 10省市"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),yaxis_opts=opts.AxisOpts(name="亿元"),)
)

3.2 创建折线图 - 同比增长率

line = (Line().add_xaxis(df["省市"].tolist()).add_yaxis("同比增长(%)", df["同比增长(%)"].tolist(), color="#00ccff").set_global_opts(title_opts=opts.TitleOpts(title="同比增长率"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),yaxis_opts=opts.AxisOpts(name="%"),)
)

3.3 创建饼图 - 进口额分布

pie = (Pie().add("",[list(z) for z in zip(df["省市"], df["进出口总额"].tolist())],radius=["30%", "75%"],center=["50%", "50%"],rosetype="radius",).set_global_opts(title_opts=opts.TitleOpts(title="进口额分布"),legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),)
)

3.4 创建地图 - 出口额省份地图

map_chart = (Map().add("出口额", [list(z) for z in zip(df["省市"], df["出口总额"].tolist())], "china").set_global_opts(title_opts=opts.TitleOpts(title="出口额省份地图"),visualmap_opts=opts.VisualMapOpts(max_=40000),)
)

3.5 创建词云图 - 进口额省份词云图

wordcloud = (WordCloud().add("", [list(z) for z in zip(df["省市"], df["进出口总额"].tolist())], word_size_range=[20, 100]).set_global_opts(title_opts=opts.TitleOpts(title="进口额省份词云图"))
)

四、数据可视化大屏布局

grid_top = (Grid(init_opts=opts.InitOpts(theme=ThemeType.DARK, bg_color="#0d0d0d")).add(bar, grid_opts=opts.GridOpts(pos_left="5%", pos_right="55%", pos_top="10%", height="40%")).add(line, grid_opts=opts.GridOpts(pos_left="55%", pos_right="5%", pos_top="10%", height="40%"))
)grid_middle = (Grid(init_opts=opts.InitOpts(theme=ThemeType.DARK, bg_color="#0d0d0d")).add(pie, grid_opts=opts.GridOpts(pos_left="50%", pos_right="50%", pos_top="55%", height="40%"))
)grid_bottom = (Grid(init_opts=opts.InitOpts(theme=ThemeType.DARK, bg_color="#0d0d0d")).add(map_chart, grid_opts=opts.GridOpts(pos_left="5%", pos_right="50%", pos_top="60%", height="40%")).add(wordcloud, grid_opts=opts.GridOpts(pos_left="50%", pos_right="5%", pos_top="60%", height="40%"))
)# 将图表添加到页面
page = Page(layout=Page.DraggablePageLayout, page_title="2025年1-7月全国出口总额Top 10省市数据分析")
page.add(grid_top, grid_middle, grid_bottom)
page.render("export_import_data_visualization.html")