2009-2017年中国水资源数据可视化（python+pyecharts）

pyecharts是一款将python与echarts结合的强大的数据可视化工具，本文将为你展示基于pyecharts的2009-2017年中国水资源数据的可视化，将2009-2017年中国水资源总量（地表水、地下水资源量）、水资源供给结构（地表水、地下水、其他供给）、水资源利用结构（农业、工业、生活、生态）以及人均水资源量和人均用水量的整体情况、各省指标情况等多维数据、多时间尺度的可视化，感兴趣的可以通过下面的百度网盘链接下载HTML文件，通过浏览器在本地打开（需在联网状态），查看2009-2017年中国水资源整体情况及各省水资源情况。

1. 中国水资源格局可视化

感兴趣的可通过下面分享的百度网盘地址，下载 waterData.html 文件到本地，在联网的情况下用浏览器（推荐使用Google浏览器）打开即可查看中国水资源格局的可视化结果。

中国水资源格局HTML文件百度网盘下载地址：单击此处下载
提取码：bpse

序号	指标	图标类型
1	中国水资源量（1个图）	柱状图+折线图
2	中国供水结构（1个图）	柱状图+折线图
3	中国人均水资源量、用水量（1个图）	折线图
4	各省水资源空间分布（3个图）	地图 VisualMap
5	各省供水结构空间分布（4个图）	地图 VisualMap
6	各省用水结构空间分布（4个图）	地图 VisualMap
7	各省人均水资源量、用水量（2个图）	地图 VisualMap

中国水资源格局HTML文件截图示例：

2. 各省水资源可视化

感兴趣的可通过下面分享的百度网盘地址，下载 prosWater.html 文件到本地，在联网的情况下用浏览器（推荐使用Google浏览器）打开即可查看各省水资源的可视化结果。

各省水资源可视化HTML文件百度网盘下载地址：单击此处下载
提取码：h2gc

序号	指标	图标类型
1	供水结构（1个图）	饼图
2	用水结构（1个图）	饼图
3	水资源总量（1个图）	折线图
4	人均水资源量（1个图）	折线图
5	用水总量（1个图）	折线图
6	人均用水量（1个图）	折线图

各省水资源可视化HTML文件截图示例：

江苏省示例

北京市示例

3. 2017年各省水资源之最:

水资源的数据均来自国家统计局网站中资源和环境指标中。人均水资源量、人均用水量单位为：m³/人， 其他指标单位为：亿m³。

序号	指标	最大值	最小值
1	水资源总量	西藏（4749.9）	宁夏（10.8）
2	地表水资源总量	西藏（4749.9）	宁夏（8.7）
3	地下水资源总量	西藏（1086）	天津（5.5）
4	用水总量	江苏（591.3）	青海（25.8）
5	地表水供给量	江苏（575.3）	北京（12.4）
6	地下水供给量	黑龙江（163.1）	上海（0）
7	其他供给量	北京（10.5）	上海（0）、西藏（0）
8	农业用水量	新疆（514.4）	北京（5.1）
9	工业用水量	江苏（250.1）	西藏（1.5）
10	生活用水量	广东（100.9）	宁夏（2.3）
11	生态用水量	内蒙（23.1）	西藏（0.2）
12	人均水资源量	西藏（142311.3）	天津（83.36）
13	人均用水量	新疆（2280.78）	天津（176.33）

4. 参考代码如下:

该数据可视化主要利用了pyecharts中的Page()、Tab()、Map()、Bar()、Grid()等类型的图，以下是各类型图表的代码示例，感兴趣的可以去pyecharts网站查看pyecharts的说明文档，了解更详细的内容。

示例代码参考pyecharts网站。

# Page()顺序多图

from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Page
def bar_base() -> Bar:
    c = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values(), is_selected=False)
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题"))
    )
    return c
def line_base() -> Line:
    c = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))
    )
    return c
page = Page()
page.add(bar_base(), line_base())
page.render()

# Tab选项卡多图
from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar, Tab, Pie, Line
from pyecharts.components import Table

def bar_datazoom_slider() -> Bar:
    c = (
        Bar()
        .add_xaxis(Faker.days_attrs)
        .add_yaxis("商家A", Faker.days_values)
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Bar-DataZoom（slider-水平）"),
            datazoom_opts=[opts.DataZoomOpts()],
        )
    )
    return c
    
def line_markpoint() -> Line:
    c = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis(
            "商家A",
            Faker.values(),
            markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min")]),
        )
        .add_yaxis(
            "商家B",
            Faker.values(),
            markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-MarkPoint"))
    )
    return c
    
def pie_rosetype() -> Pie:
    v = Faker.choose()
    c = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(v, Faker.values())],
            radius=["30%", "75%"],
            center=["25%", "50%"],
            rosetype="radius",
            label_opts=opts.LabelOpts(is_show=False),
        )
        .add(
            "",
            [list(z) for z in zip(v, Faker.values())],
            radius=["30%", "75%"],
            center=["75%", "50%"],
            rosetype="area",
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"))
    )
    return c

def table_base() -> Table:
    table = Table()

    headers = ["City name", "Area", "Population", "Annual Rainfall"]
    rows = [
        ["Brisbane", 5905, 1857594, 1146.4],
        ["Adelaide", 1295, 1158259, 600.5],
        ["Darwin", 112, 120900, 1714.7],
        ["Hobart", 1357, 205556, 619.5],
        ["Sydney", 2058, 4336374, 1214.8],
        ["Melbourne", 1566, 3806092, 646.9],
        ["Perth", 5386, 1554769, 869.4],
    ]
    table.add(headers, rows).set_global_opts(
        title_opts=opts.ComponentTitleOpts(title="Table")
    )
    return table

tab = Tab()
tab.add(bar_datazoom_slider(), "bar-example")
tab.add(line_markpoint(), "line-example")
tab.add(pie_rosetype(), "pie-example")
tab.add(table_base(), "table-example")
tab.render()

# Map()地图

from example.commons import Faker
from pyecharts import options as opts
from pyecharts.charts import Map

def map_base() -> Map:
    c = (
        Map()
        .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
        .set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"))
    )
    return c

#Grid()并行多图

from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line,Scatter


def grid_vertical() -> Grid:
    bar = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar"))
    )
    line = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"),
            legend_opts=opts.LegendOpts(pos_top="48%"),
        )
    )

    grid = (
        Grid()
        .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))
        .add(line, grid_opts=opts.GridOpts(pos_top="60%"))
    )
    return grid

最后感谢pyecharts团队的贡献，感兴趣的可以去github上了解更多关于pyecharts项目的内容。