完整教程：pyecharts可视化图表-map：从入门到精通
目录
前言
Map图表（地图可视化）是一种非常直观的数据展示方式，它将数据与地理位置相结合，帮助我们更好地理解区域分布、趋势和模式。pyecharts是一款基于ECharts的Python可视化库，提供了丰富的图表类型和高度的定制化能力，其中地图可视化功能尤为强大。pyecahts源码
pyecharts的地图可视化支持多种级别：
- 世界地图
- 国家地图（如中国地图）
- 省级地图（如广东省地图）
- 城市级地图
地图可视化的优势在于：
- 直观展示地理分布特征，让数据"活"起来
- 便于发现区域间的差异和联系，挖掘数据背后的地理规律
- 增强数据的可读性和吸引力，提升报告或演示的效果
- 支持交互操作（如悬停显示详情、缩放平移），提升用户体验
在数据分析、商业智能、公共卫生、环境保护等领域，地图可视化都有着广泛的应用。例如：
- 展示各地区的销售业绩或人口分布
- 分析疫情在不同地区的传播情况
- 可视化资源分布和区域发展不平衡问题
本文将从基础开始，通过五个实用示例，逐步介绍如何使用pyecharts创建各种精美的地图可视化图表，并分享一些实用技巧和最佳实践。
图表一：Map - 基本示例
下面是创建基本地图图表的代码：
from pyecharts import options as opts # 导入配置模块
from pyecharts.charts import Map # 导入地图图表模块
from pyecharts.faker import Faker # 导入模拟数据生成器
c = (
Map() # 创建Map实例
# 添加数据系列，格式为(系列名称, 数据列表, 地图类型)
# 数据列表使用zip函数将省份列表和数值列表组合成元组列表
.add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
# 设置全局配置，添加标题
.set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"))
#.render("map_base.html") # 可选：保存为HTML文件
)
c.render_notebook() # 在Jupyter Notebook中渲染图表代码说明：
- 首先导入必要的模块：
options用于配置图表，Map用于创建地图图表，Faker用于生成模拟数据。 - 创建
Map实例。 - 使用
.add()方法添加数据系列：- 第一个参数是系列名称（“商家A”）
- 第二个参数是数据列表，这里使用列表推导式和
zip函数将Faker.provinces（省份列表）和Faker.values()（随机数值列表）组合成元组列表 - 第三个参数是地图类型（"china"表示中国地图）
- 使用
.set_global_opts()设置全局配置，这里添加了一个标题。 - 最后使用
.render_notebook()在Jupyter Notebook中渲染图表。如果需要保存为HTML文件，可以使用.render("map_base.html")。
效果展示：
执行上述代码后，你将看到一个中国地图，各省份根据随机生成的数据显示不同的颜色深度。鼠标悬停在省份上时，会显示该省份的名称和对应的值。
图表二：Map - 广东地图
下面是创建广东省地图的代码示例：
from pyecharts import options as opts # 导入配置模块
from pyecharts.charts import Map # 导入地图图表模块
from pyecharts.faker import Faker # 导入模拟数据生成器
c = (
Map() # 创建Map实例
# 添加数据系列，格式为(系列名称, 数据列表, 地图类型)
# 数据列表使用zip函数将广东省城市列表和数值列表组合成元组列表
.add("商家A", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东")
# 设置全局配置，添加标题和视觉映射
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-广东地图"),
visualmap_opts=opts.VisualMapOpts() # 添加视觉映射，使颜色随数值变化
)
#.render("map_guangdong.html") # 可选：保存为HTML文件
)
c.render_notebook() # 在Jupyter Notebook中渲染图表代码说明：
- 导入必要的模块：
options、Map和Faker。 - 创建
Map实例。 - 使用
.add()方法添加数据系列：- 第一个参数是系列名称（“商家A”）
- 第二个参数是数据列表，这里使用列表推导式和
zip函数将Faker.guangdong_city（广东省城市列表）和Faker.values()（随机数值列表）组合成元组列表 - 第三个参数是地图类型（"广东"表示广东省地图）
- 使用
.set_global_opts()设置全局配置：- 添加了标题"Map-广东地图"
- 添加了
visualmap_opts=opts.VisualMapOpts()，这会显示一个视觉映射条，使地图上的颜色随数值大小变化
- 最后使用
.render_notebook()在Jupyter Notebook中渲染图表。
效果展示：
执行上述代码后，你将看到一个广东省地图，各城市根据随机生成的数据显示不同的颜色深度。地图右侧会显示一个颜色映射条，表示数值与颜色的对应关系。鼠标悬停在城市上时，会显示该城市的名称和对应的值。
图表三：Map - 中国地图（带城市）
下面是创建带城市级别的中国地图的代码示例：
from pyecharts import options as opts # 导入配置模块
from pyecharts.charts import Map # 导入地图图表模块
from pyecharts.faker import Faker # 导入模拟数据生成器
c = (
Map() # 创建Map实例
.add(
"商家A",
[list(z) for z in zip(Faker.guangdong_city, Faker.values())],
"china-cities", # 地图类型为中国城市级地图
label_opts=opts.LabelOpts(is_show=False), # 不显示城市标签
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-中国地图（带城市）"),
visualmap_opts=opts.VisualMapOpts(), # 添加视觉映射
)
#.render("map_china_cities.html") # 可选：保存为HTML文件
)
c.render_notebook() # 在Jupyter Notebook中渲染图表代码说明：
- 导入必要的模块：
options、Map和Faker。 - 创建
Map实例。 - 使用
.add()方法添加数据系列：- 第一个参数是系列名称（“商家A”）
- 第二个参数是数据列表，这里使用列表推导式和
zip函数将Faker.guangdong_city（广东省城市列表）和Faker.values()（随机数值列表）组合成元组列表 - 第三个参数是地图类型（"china-cities"表示中国城市级地图）
label_opts=opts.LabelOpts(is_show=False)设置不显示城市标签，避免地图过于拥挤
- 使用
.set_global_opts()设置全局配置：- 添加了标题"Map-中国地图（带城市）"
- 添加了
visualmap_opts=opts.VisualMapOpts()，显示颜色映射条
- 最后使用
.render_notebook()在Jupyter Notebook中渲染图表。
效果展示：
执行上述代码后，你将看到一个中国地图，显示了城市级别的数据。由于使用了label_opts=opts.LabelOpts(is_show=False)，地图上不会显示城市名称，但鼠标悬停在城市上时，仍会显示该城市的名称和对应的值。地图右侧会显示一个颜色映射条，表示数值与颜色的对应关系。
图表四：Map - 分段型视觉映射
下面是创建分段型视觉映射中国地图的代码示例：
from pyecharts import options as opts # 导入配置模块
from pyecharts.charts import Map # 导入地图图表模块
from pyecharts.faker import Faker # 导入模拟数据生成器
c = (
Map() # 创建Map实例
# 添加数据系列，格式为(系列名称, 数据列表, 地图类型)
.add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
# 设置全局配置，添加标题和分段型视觉映射
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-VisualMap（分段型）"),
visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True), # is_piecewise=True表示使用分段型视觉映射
)
#.render("map_visualmap_piecewise.html") # 可选：保存为HTML文件
)
c.render_notebook() # 在Jupyter Notebook中渲染图表代码说明：
- 导入必要的模块：
options、Map和Faker。 - 创建
Map实例。 - 使用
.add()方法添加数据系列：- 第一个参数是系列名称（“商家A”）
- 第二个参数是数据列表，这里使用列表推导式和
zip函数将Faker.provinces（省份列表）和Faker.values()（随机数值列表）组合成元组列表 - 第三个参数是地图类型（"china"表示中国地图）
- 使用
.set_global_opts()设置全局配置：- 添加了标题"Map-VisualMap（分段型）"
- 添加了
visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True)，这里is_piecewise=True表示使用分段型视觉映射，max_=200设置最大值为200
- 最后使用
.render_notebook()在Jupyter Notebook中渲染图表。
效果展示：
执行上述代码后，你将看到一个中国地图，各省份根据随机生成的数据显示不同的颜色深度。地图右侧会显示一个分段型的颜色映射条，每个颜色段对应一个数值范围。与连续型视觉映射不同，分段型视觉映射将数值划分为多个区间，每个区间使用相同的颜色，更适合展示离散数据或需要明确区分区间的数据。鼠标悬停在省份上时，会显示该省份的名称和对应的值。
图表五：Map - 世界地图
下面是创建世界地图的代码示例：
from pyecharts import options as opts # 导入配置模块
from pyecharts.charts import Map # 导入地图图表模块
from pyecharts.faker import Faker # 导入模拟数据生成器
c = (
Map() # 创建Map实例
# 添加数据系列，格式为(系列名称, 数据列表, 地图类型)
.add("商家A", [list(z) for z in zip(Faker.country, Faker.values())], "world")
# 设置系列配置，不显示标签
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
# 设置全局配置，添加标题和视觉映射
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-世界地图"),
visualmap_opts=opts.VisualMapOpts(max_=200), # 设置视觉映射最大值为200
)
#.render("map_world.html") # 可选：保存为HTML文件
)
c.render_notebook() # 在Jupyter Notebook中渲染图表代码说明：
- 导入必要的模块：
options、Map和Faker。 - 创建
Map实例。 - 使用
.add()方法添加数据系列：- 第一个参数是系列名称（“商家A”）
- 第二个参数是数据列表，这里使用列表推导式和
zip函数将Faker.country（国家列表）和Faker.values()（随机数值列表）组合成元组列表 - 第三个参数是地图类型（"world"表示世界地图）
- 使用
.set_series_opts()设置系列配置：label_opts=opts.LabelOpts(is_show=False)设置不显示国家标签，避免地图过于拥挤
- 使用
.set_global_opts()设置全局配置：- 添加了标题"Map-世界地图"
- 添加了
visualmap_opts=opts.VisualMapOpts(max_=200)，设置视觉映射最大值为200
- 最后使用
.render_notebook()在Jupyter Notebook中渲染图表。
效果展示：
执行上述代码后，你将看到一个世界地图，各国根据随机生成的数据显示不同的颜色深度。由于使用了label_opts=opts.LabelOpts(is_show=False)，地图上不会显示国家名称，但鼠标悬停在国家上时，仍会显示该国家的名称和对应的值。地图右侧会显示一个颜色映射条，表示数值与颜色的对应关系。世界地图可视化非常适合展示全球性的数据分布，如国际贸易、人口分布、疫情传播等跨国家的数据对比。
地图可视化最佳实践
在使用pyecharts创建地图可视化时，以下最佳实践可以帮助你创建更有效的图表：
1. 选择合适的地图级别
根据你的数据粒度和展示需求选择合适的地图级别：
- 全球数据：使用世界地图（“world”）
- 国家数据：使用国家地图（如"china"）
- 省级数据：使用省份地图（如"广东"）
- 城市数据：使用城市级地图（“china-cities”）
2. 合理设置视觉映射
- 连续型视觉映射：适合展示连续变化的数据（如人口密度）
- 分段型视觉映射：适合展示离散数据或需要明确区分区间的数据（如收入水平）
- 调整
max_和min_参数，确保颜色变化能够清晰反映数据差异
3. 优化标签显示
- 在数据密集区域（如城市级地图），考虑关闭标签（
label_opts=opts.LabelOpts(is_show=False)）避免拥挤 - 对于重要数据点，可单独添加标注或使用tooltip展示详情
4. 配色方案选择
- 使用与数据含义相关的配色（如温度数据使用渐变色）
- 确保颜色对比度符合无障碍标准，便于所有用户阅读
- 可通过`visualmap_opts=opts.VisualMapOpts(range_color=[“#e0ffff”, “#0066cc”])设置自定义颜色范围
5. 添加交互功能
- 使用
tooltip_opts设置悬停提示信息格式 - 启用缩放和平移功能（默认已启用）
- 考虑添加地图事件处理，如点击区域显示详细信息
6. 数据准备
- 确保地理名称与pyecharts支持的名称一致（如中国省份使用全称）
- 处理缺失数据，避免地图显示不完整
- 对数据进行适当标准化，确保可视化效果准确
后续章节
接下来，我们将深入探讨更多高级主题：
- 自定义地图样式：如何修改地图颜色、边框和背景
- 地图动画效果：添加平滑过渡和加载动画
- 多地图联动：实现多个地图之间的交互联动
- 地图与其他图表组合：创建包含地图的仪表盘
- 实战案例：分析真实数据集并创建专业地图可视化
敬请期待后续内容！
注意事项
- 确保已安装pyecharts库：
pip install pyecharts - 代码中的
.render_notebook()适用于Jupyter Notebook环境，如果需要保存为HTML文件，可以使用.render("filename.html") - Faker模块提供的是模拟数据，实际应用中请替换为真实数据
- 对于非中国地图，某些地区的边界可能存在争议，请谨慎使用
- 大型地图数据可能需要较长加载时间，可考虑优化数据或使用异步加载
常见问题
Q: 为什么地图没有显示？
A: 请检查是否正确调用了.render_notebook()或.render()方法，并确保pyecharts库版本正确。若使用Jupyter Notebook，尝试刷新页面或重启内核。
Q: 如何更换地图类型？
A: 可以通过修改.add()方法中的第三个参数来更换地图类型，例如使用"world"表示世界地图，使用省份名称（如"guangdong"）表示特定省份的地图。
Q: 地图数据可以自定义吗？
A: 是的，你可以使用自定义的地理数据。pyecharts支持GeoJSON格式的数据，可以通过add_coordinate或add_coordinate_json方法添加自定义地理坐标。
Q: 如何调整地图的大小？
A: 可以通过set_global_opts中的width和height参数设置地图大小，例如：opts.InitOpts(width="1000px", height="600px")
总结
通过本文的五个示例，我们学习了如何使用pyecharts创建不同类型的地图可视化：
- 基础中国地图展示
- 省级地图（广东省）可视化
- 城市级地图展示
- 分段型视觉映射的高级应用
- 世界地图的使用
地图可视化是一种强大的数据展示方式，能够直观地呈现地理分布特征和区域差异。pyecharts提供了简单易用但功能丰富的API，使我们能够快速创建专业的地图可视化图表。
在实际应用中，除了掌握基本的API使用，还需要考虑数据准备、视觉设计和用户体验等方面。通过遵循本文介绍的最佳实践，你可以创建出更加有效、美观且易于理解的地图可视化作品。
希望本文对你有所帮助！如果你有任何问题或建议，欢迎在评论区留言讨论。
浙公网安备 33010602011771号