目錄 pyecharts模塊 簡介 Echarts 是一個由百度開源的數據可視化，憑藉著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。 如果想要掌握pyecharts，可以閱 ...
目錄
pyecharts模塊
簡介
Echarts 是一個由百度開源的數據可視化，憑藉著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。
如果想要掌握pyecharts，可以閱讀 pyecharts中文文檔 ，裡面的圖表類型和配置項寫的非常詳細，我就不過多的贅述了
安裝pyecharts
安裝的命令也非常簡單：
pip install pyecharts
安裝成功：
測試pyecharts模塊
我們可以嘗試運行官方文檔所給出的幾個小例子來測試一下pyecharts模塊是否成功安裝
打開編輯器，輸入並運行以下代碼：
from pyecharts.charts import Bar
from pyecharts import options as opts
# 內置主題類型可查看 pyecharts.globals.ThemeType
from pyecharts.globals import ThemeType
bar = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])
.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
.add_yaxis("商家B", [15, 6, 45, 20, 35, 66])
.set_global_opts(title_opts=opts.TitleOpts(title="主標題", subtitle="副標題"))
)
bar.render() #保存為html文件
若此時在當前目錄下生成了一個名為render.html的文件
打開此文件，看到如下的圖片則證明安裝模塊成功
pyecharts實戰：繪製新冠肺炎疫情地圖
需求分析
想要製作全球疫情的地圖（空氣質量圖，人口分佈圖也是同理），首先需要的就是每個國家的疫情數據，比如人數，治愈數，增長數...... 那麼我們該如何獲取到這些信息呢？
請求數據
我們發現很多app和網頁上都會有最新的疫情信息公佈，我選取的數據來源是騰訊地圖。
首先打開 騰訊地圖的疫情信息頁 ，可以發現疫情的信息展現在這一頁中
獲取這些信息的方法有很多種，可以是用表達式提取，也可以抓包分析，我更喜歡的一種方法是抓包分析。
右擊《檢查》，點擊《network》選項卡並刷新界面，看到載入出來很多數據包，找到裡面最像列表的一個list數據包
此時發現，這個list數據包正式我們要提取的數據列表，裡面的每個鍵值對都代表著相應的數據，提取到這些鍵值對就可以獲取到所有的數據信息了，再次回到headers，選項卡下麵對應的網址就是我們即將請求的網址，這裡我們需要註意的是，這個網址對應的請求是post而不是我們經常使用的get
向網頁請求數據：
import requests
url = 'https://api.inews.qq.com/newsqa/v1/automation/foreign/country/ranklist'
response = requests.post(url).text
print(response)
可以看到這個網頁並沒有設置反爬蟲，可以輕鬆的獲取到數據
提取數據
我們剛剛請求到的數據格式是字元格式，並不能被我們直接提取到，必須想將字元格式的數據轉換為字典格式才可以開始下一步的提取
resp = json.loads(response) #使用變數resp來接收字典格式的數據
將變數轉化為字典格式後，就要開始提取數據了 提取json類型的數據可以使用取出列表元素的方法來提取，即先遍歷列表將每個國家的信息提取出來，再分別從這些條信息中提取到我們想要的數據
提取數據：
import json
resp = json.loads(response) #使用變數resp來接收字典格式的數據
for data in resp['data']: #遍歷提取每個國家的疫情數據
name = data['name'] #國家名
confirm = data['confirm'] #該國家疫情人數
print(name,confirm)
列印數據：
處理數據
在得到了國家和人數信息之後，還需要將數據存儲到字典中才能傳入圖表中，這就需要我們手動的轉換數據，並儲存到字典中
map_version = {} #定義空字典
for data in resp['data']: #遍歷提取每個國家的疫情數據
name = data['name'] #國家名
confirm = data['confirm'] #該國家疫情人數
map_version[name] = int(confirm) #將國家和人數以鍵值對的形式傳入字典
輸出字典：
此時列印出來的字典是標準的字典格式，但是這種格式並不是pyecharts所要求的格式，所以還需要一行代碼來進行轉換
element = list(map_version.items())
然後就可以輸出傳入數據的標準格式：
製作可視化地圖
在將數據爬取、變換、整理後，所有準備工作都已經做完，下麵我們來調用數據實現數據可視化
先寫出一個初步的框架來接收內容
from pyecharts.charts import Map,Geo
map = Map().add(series_name="世界疫情分佈圖", #名稱
data_pair=element, #傳入數據
maptype='world', #地圖類型
)
map.render('map.html') #命名並保存
運行代碼，發現當前文件夾下出現了一個map.html文件，雙擊運行
看到這個圖表之後，發現代碼的運行並沒有問題，但是數據卻沒有傳到地圖中，這是由於pyecharts預設的世界地圖中的國家名是英文，所以我們就要傳入一個字典來替代掉這些英文
設置可視化地圖
生成了地圖之後，接下來就是要保證地圖的正確性和美觀，所以我們要來設置世界地圖
地圖上顯示國家名太多，影響可讀性，所以設置為不顯示國家名
from pyecharts import options
map.set_series_opts(label_opts=options.LabelOpts(is_show=False)) #不顯示國家名
按照感染人數的不同，給地圖添加不同的顏色
#設置全局配置項
map.set_global_opts(visualmap_opts=options.VisualMapOpts(max_=1100000,is_piecewise=True,pieces=[
{"min": 500000},
{"min": 200000, "max": 499999},
{"min": 100000, "max": 199999},
{"min": 50000, "max": 99999},
{"min": 10000, "max": 49999},
{"max": 9999},]))
代表國家首都的圓點不美觀，去掉紅點：
map = Map().add(
is_map_symbol_show=False, #不顯示標記
）
設置背景顏色併為網頁取名：
map = Map(options.InitOpts(bg_color="#87CEFA",page_title='世界疫情分佈')).add()
到了現在所有的配置已經完成，但是圖表要想顯示數據還需要傳入一個字典來替換掉預設的英文名，具體實現請看下麵的完整代碼。
完整代碼
import requests
import json
from pyecharts.charts import Map
from pyecharts import options
url = 'https://api.inews.qq.com/newsqa/v1/automation/foreign/country/ranklist'
response = requests.post(url).text
resp = json.loads(response) #使用變數resp來接收字典格式的數據
map_version = {} #定義空字典
for data in resp['data']: #遍歷提取每個國家的疫情數據
name = data['name'] #國家名
confirm = data['confirm'] #該國家疫情人數
map_version[name] = int(confirm) #將國家和人數以鍵值對的形式傳入字典
element = list(map_version.items()) #將字典值調整為可以傳入地圖的格式
name_map = {
'Singapore Rep.': '新加坡',
'Dominican Rep.': '多明尼加',
'Palestine': '巴勒斯坦',
'Bahamas': '巴哈馬',
'Timor-Leste': '東帝汶',
'Afghanistan': '阿富汗',
'Guinea-Bissau': '幾內亞比索',
"Côte d'Ivoire": '象牙海岸',
'Siachen Glacier': '錫亞琴冰川',
"Br. Indian Ocean Ter.": '英屬印度洋領土',
'Angola': '安哥拉',
'Albania': '阿爾巴尼亞',
'United Arab Emirates': '阿聯酋',
'Argentina': '阿根廷',
'Armenia': '亞美尼亞',
'French Southern and Antarctic Lands': '法屬南半球和南極領地',
'Australia': '澳大利亞',
'Austria': '奧地利',
'Azerbaijan': '亞塞拜然',
'Burundi': '蒲隆地',
'Belgium': '比利時',
'Benin': '貝南',
'Burkina Faso': '布吉納法索',
'Bangladesh': '孟加拉國',
'Bulgaria': '保加利亞',
'The Bahamas': '巴哈馬',
'Bosnia and Herz.': '波士尼亞赫塞哥維納',
'Belarus': '白俄羅斯',
'Belize': '貝里斯',
'Bermuda': '百慕大',
'Bolivia': '玻利維亞',
'Brazil': '巴西',
'Brunei': '汶萊',
'Bhutan': '不丹',
'Botswana': '波札那',
'Central African Rep.': '中非',
'Canada': '加拿大',
'Switzerland': '瑞士',
'Chile': '智利',
'China': '中國',
'Ivory Coast': '象牙海岸',
'Cameroon': '喀麥隆',
'Dem. Rep. Congo': '剛果民主共和國',
'Congo': '剛果',
'Colombia': '哥倫比亞',
'Costa Rica': '哥斯大黎加',
'Cuba': '古巴',
'N. Cyprus': '北塞普勒斯',
'Cyprus': '塞普勒斯',
'Czech Rep.': '捷克',
'Germany': '德國',
'Djibouti': '吉布地',
'Denmark': '丹麥',
'Algeria': '阿爾及利亞',
'Ecuador': '厄瓜多',
'Egypt': '埃及',
'Eritrea': '厄利垂亞',
'Spain': '西班牙',
'Estonia': '愛沙尼亞',
'Ethiopia': '衣索比亞',
'Finland': '芬蘭',
'Fiji': '斐',
'Falkland Islands': '福克蘭群島',
'France': '法國',
'Gabon': '加彭',
'United Kingdom': '英國',
'Georgia': '喬治亞',
'Ghana': '迦納',
'Guinea': '幾內亞',
'Gambia': '甘比亞',
'Guinea Bissau': '幾內亞比索',
'Eq. Guinea': '赤道幾內亞',
'Greece': '希臘',
'Greenland': '格陵蘭',
'Guatemala': '瓜地馬拉',
'French Guiana': '法屬蓋亞那',
'Guyana': '蓋亞那',
'Honduras': '宏都拉斯',
'Croatia': '克羅埃西亞',
'Haiti': '海地',
'Hungary': '匈牙利',
'Indonesia': '印度尼西亞',
'India': '印度',
'Ireland': '愛爾蘭',
'Iran': '伊朗',
'Iraq': '伊拉克',
'Iceland': '冰島',
'Israel': '以色列',
'Italy': '義大利',
'Jamaica': '牙買加',
'Jordan': '約旦',
'Japan': '日本',
'Kazakhstan': '哈薩克',
'Kenya': '肯亞',
'Kyrgyzstan': '吉爾吉斯斯坦',
'Cambodia': '柬埔寨',
'Korea': '南韓',
'Kosovo': '科索沃',
'Kuwait': '科威特',
'Lao PDR': '寮國',
'Lebanon': '黎巴嫩',
'Liberia': '賴比瑞亞',
'Libya': '利比亞',
'Sri Lanka': '斯裡蘭卡',
'Lesotho': '賴索托',
'Lithuania': '立陶宛',
'Luxembourg': '盧森堡',
'Latvia': '拉脫維亞',
'Morocco': '摩洛哥',
'Moldova': '摩爾多瓦',
'Madagascar': '馬達加斯加',
'Mexico': '墨西哥',
'Macedonia': '馬其頓',
'Mali': '馬利',