Python pyecharts实时画图自定义可视化经纬度热力图

目录
  • 背景
  • 基于pyecharts内置经纬度的热力图
  • 基于自定义经纬度的热力图
  • pyecharts库缺点
  • 不同地图坐标系区别
    • WGS-84 - 世界大地测量系统
    • GCJ-02 - 国测局坐标
    • BD-09 - 百度坐标系

背景

在业务数据统计分析中基本都会涉及到各省区的分析,数据可视化是数据分析的一把利器,这些省区的数据一般会用地图可视化出来,这样一些规律可以被一面了然发现

地图有很多可视化类型,比如:基本地理图、热力图、路径图、涟漪图 等,本篇文章主要介绍 热力图,使用的工具百度开源 pyecharts

模拟数据以十一期间全国旅游景点热度为例(虚构数据)

模拟数据

基于pyecharts内置经纬度的热力图

pyecharts 中自带了一些城市的经纬度,在画图时只要列出城市 or 省份的名字,即可在地图中自动展示,pyecharts会根据城市 or 省份的名字自动提取到经纬度

安装完pyecharts包之后,可以在pyecharts包文件夹里面找到相应的文件city_coordinates.json,里面保存了大量的地理名与经纬度的信息
一般路径如下:xxxxxx\Lib\site-packages\pyecharts\datasets\city_coordinates.json

下面用模拟数据中 城市热度 列来进行热力图可视化
左右滑动查看完整代码

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

import pandas as pd

from pyecharts import options as opts

from pyecharts.charts import BMap

from pyecharts.globals import BMapType

import json

data=pd.read_excel('热力图模拟数据.xlsx')

hotmap = (

    BMap(is_ignore_nonexistent_coord=True,    #忽略不存在的坐标

         init_opts=opts.InitOpts(width="1300px", height="600px"))

    .add_schema(baidu_ak="自己申请的key", center=[120.13066322374, 30.240018034923],

                zoom=5,   # 当前视角的缩放比例

                is_roam=True   # 是否开启鼠标缩放和平移漫游

               

    .add(

        "热度"#图例

        data_pair=[list(z) for z in zip(data['城市'].to_list(), data['热度'].to_list())],

        type_="heatmap",

        label_opts=opts.LabelOpts(formatter="{b}"),

    )

    .set_global_opts(

        title_opts=opts.TitleOpts(title="十一期间全国旅游景点热度",

                                  pos_left='center',

                                  title_textstyle_opts=opts.TextStyleOpts(font_size=32)

                                 ),

        legend_opts=opts.LegendOpts(pos_right='20%'),

        visualmap_opts=opts.VisualMapOpts()

    )

    .add_control_panel(

        copyright_control_opts=opts.BMapCopyrightTypeOpts(position=3),

        maptype_control_opts=opts.BMapTypeControlOpts(

            type_=BMapType.MAPTYPE_CONTROL_DROPDOWN

        ),

        scale_control_opts=opts.BMapScaleControlOpts(),

        overview_map_opts=opts.BMapOverviewMapControlOpts(is_open=True),

        navigation_control_opts=opts.BMapNavigationControlOpts(),

        geo_location_control_opts=opts.BMapGeoLocationControlOpts(),

    )

    .render("基于pyecharts内置经纬度的热力图.html")

)

#hotmap.render_notebook()

Python pyecharts实时画图自定义可视化经纬度热力图_第1张图片

内置经纬度

基于自定义经纬度的热力图

因pyecharts中的 city_coordinates.json 里面存放的均是一些常用的地理经纬度,如果想使用自定义的经纬度,pyecharts也是支持的

下面用模拟数据中 经度维度热度 列来进行热力图可视化

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

import pandas as pd

from pyecharts import options as opts

from pyecharts.charts import BMap

from pyecharts.globals import BMapType

import json

data=pd.read_excel('热力图模拟数据.xlsx')

data_json={}

for index,row in data.iterrows():

    data_json[row['地名']]=[float(row['经度']),float(row['维度'])]

with open("BMAP.json","w") as f:

    json.dump(data_json,f)

hotmap = (

    BMap(is_ignore_nonexistent_coord=True,    #忽略不存在的坐标

         init_opts=opts.InitOpts(width="1300px", height="600px"))

    .add_schema(baidu_ak="自己申请的key", center=[120.13066322374, 30.240018034923],

                zoom=5,   # 当前视角的缩放比例

                is_roam=True   # 是否开启鼠标缩放和平移漫游

               )

    .add_coordinate_json("BMAP.json"#加载自定义坐标

    .add(

        "热度"#图例

        data_pair=[list(z) for z in zip(data['地名'].to_list(), data['热度'].to_list())],

        type_="heatmap",

        label_opts=opts.LabelOpts(formatter="{b}"),

    )

    .set_global_opts(

        title_opts=opts.TitleOpts(title="十一期间全国旅游景点热度",

                                  pos_left='center',

                                  title_textstyle_opts=opts.TextStyleOpts(font_size=32)

                                 ),

        legend_opts=opts.LegendOpts(pos_right='20%'),

        visualmap_opts=opts.VisualMapOpts(max_=20#设置最大值,目的是为了能够精确查看自定坐标位置

    )

    .add_control_panel(

        copyright_control_opts=opts.BMapCopyrightTypeOpts(position=3),

        maptype_control_opts=opts.BMapTypeControlOpts(

            type_=BMapType.MAPTYPE_CONTROL_DROPDOWN

        ),

        scale_control_opts=opts.BMapScaleControlOpts(),

        overview_map_opts=opts.BMapOverviewMapControlOpts(is_open=True),

        navigation_control_opts=opts.BMapNavigationControlOpts(),

        geo_location_control_opts=opts.BMapGeoLocationControlOpts(),

    )

    .render("基于自定义经纬度的热力图.html")

)

#hotmap.render_notebook()

Python pyecharts实时画图自定义可视化经纬度热力图_第2张图片

自定义经纬度

pyecharts库缺点

没有现成的方法用来直接导入自定义坐标,需要先把自定义坐标写在json文件中,然后再通过加载文件实现导入,而没有一个直接导入自定义坐标的方法,这个可以从源码中看出来,如果有一个 add_coordinate_dict 函数就完美了

Python pyecharts实时画图自定义可视化经纬度热力图_第3张图片

缺点

不同地图坐标系区别

我们通常用经纬度来表示一个地理位置,但是由于一些原因,我们从不同渠道得到的经纬度信息可能并不是在同一个坐标系下。

  • 高德地图、腾讯地图以及谷歌中国区地图使用的是GCJ-02坐标系
  • 百度地图使用的是BD-09坐标系
  • 底层接口(HTML5 Geolocation或ios、安卓API)通过GPS设备获取的坐标使用的是WGS-84坐标系

不同的坐标系之间可能有几十到几百米的偏移,所以在开发基于地图的产品,或者做地理数据可视化时,我们需要修正不同坐标系之间的偏差。

WGS-84 - 世界大地测量系统

WGS-84(World Geodetic System, WGS)是使用最广泛的坐标系,也是世界通用的坐标系,GPS设备得到的经纬度就是在WGS84坐标系下的经纬度。通常通过底层接口得到的定位信息都是WGS84坐标系

GCJ-02 - 国测局坐标

GCJ-02(G-Guojia国家,C-Cehui测绘,J-Ju局),又被称为火星坐标系,是一种基于WGS-84制定的大地测量系统,由中国国测局制定。此坐标系所采用的混淆算法会在经纬度中加入随机的偏移。

国家规定,中国大陆所有公开地理数据都需要至少用GCJ-02进行加密,也就是说我们从国内公司的产品中得到的数据,一定是经过了加密的。绝大部分国内互联网地图提供商都是使用GCJ-02坐标系,包括高德地图,谷歌地图中国区等。

BD-09 - 百度坐标系

BD-09(Baidu, BD)是百度地图使用的地理坐标系,其在GCJ-02上多增加了一次变换,用来保护用户隐私。从百度产品中得到的坐标都是BD-09坐标系

你可能感兴趣的:(python,开发语言)