玩转地图的好帮手--pyecharts

本文作者：王玉洁，中南财经政法大学金融学院

本文编辑：刘光中

技术总编：王玉婷

Stata&Python云端课程来啦！

      好消息好消息，爬虫俱乐部开辟小鹅通战场！！爬虫俱乐部隆重推出小鹅通网络课程，将Stata基础课程，Stata进阶课程和Python课程都上传至小鹅通平台，欢迎大家多多支持订阅！报名课程即可加入答疑群，对报名有任何疑问欢迎在公众号后台留言哦。如需了解详情，可以通过课程链接（https://appbqiqpzi66527.h5.xiaoeknow.com/homepage/10）或课程二维码进行访问哦~

引言

大家好呀，又见面了！今年，多地气温超40℃，不达40℃都进不了全国高温排行榜，连气温都卷起来了。不夸张地说，今年的夏天，出门走一圈可能就被晒熟了，小编也只能天天躲在空调屋。今天让我们一起来看看，今年哪些省市是当之无愧的“火炉”呢？

我们将数据展示在地图上可使高温分布更加清晰明了，可谓一图胜百文，小编选用的是pyecharts模块。虽然python有自带的画图工具matplotlib，但只能绘制静态图，而pyecharts模块则可以呈现出动态效果。1.环境准备由于pyecharts是第三方库，所以在使用之前需要进行安装。同时，在使用地图前，也需要安装适合的地图包，具体安装程序如下：

pip install pyecharts   #安装pyechartspip install echarts-countries-pypkg #全球国家地图pip install echarts-china-provinces-pypkg  #中国省级地图pip install echarts-china-cities-pypkg #中国市级地图pip install echarts-china-counties-pypkg #中国区县级地图pip install echarts-china-misc-pypkg  #中国区域地图2.世界地图绘制首先，我们调用pyecharts，然后设置地图类型为世界地图，并且在地图上显示中国，温度25℃，具体程序如下:

from pyecharts import options as opts   # 调用图表配置选项库 from pyecharts.charts import Map # 调用画图库
数据 = [['China', 25]] # 设置数据,中国，25度
地图 = (Map().add('', 数据,maptype = "world")) #设置地图类型地图.render_notebook()    #展示地图运行结果如下：3.中国省、市地图绘制其实，绘制中国地图及省市地图程序与绘制世界地图类似，只需要将地图的类型和所需设置的数据修改为对应的地图类型和数据即可。首先是中国地图，同样是调用pyecharts，然后设置地图类型为中国地图，并且在地图上显示河南，温度38℃，具体程序如下:

from pyecharts import options as opts    # 调用图表配置选项库 from pyecharts.charts import Map # 调用画图库
数据 = [['河南', 38]] # 设置数据,河南，38度
地图 = (Map().add('', 数据,maptype = "china"))地图.render_notebook()   # 展示图片运行结果如下：绘制河南省的地图只需要将地图类型改为河南，数据设为河南省内地级市相关数据即可，具体程序如下：

from pyecharts import options as opts    # 调用图表配置选项库 from pyecharts.charts import Map # 调用画图库
数据 = [['郑州市', 40]] # 设置数据,郑州，40度
地图 = (Map().add('', 数据,maptype = "河南"))地图.render_notebook() 绘制郑州市的地图只需要将地图类型改为郑州，数据设为郑州市内区县的相关数据即可，具体程序如下：

from pyecharts import options as opts             # 调用图表配置选项库 from pyecharts.charts import Map # 调用画图库
数据 = [['二七区', 38]] # 设置数据,二七区，38度
地图 = (Map().add('', 数据,maptype = "郑州"))地图.render_notebook()  4.全国各地区最高温度这里使用8月14日全国各省会城市以及直辖市的最高温度截面进行绘制，并且按照温度的高低以不同颜色对省份进行着色，具体程序如下：

from pyecharts import options as opts       # 调用图表配置选项库 from pyecharts.charts import Map # 调用画图库
数据 = [['北京',27] ,['天津',27 ] ,['河北',28 ] ,['山西',31 ] , ['内蒙古',31 ] ,['辽宁',28] ,['吉林',26 ] ,['黑龙江',26] , ['上海',40 ] ,['江苏',40 ] ,['浙江',41] ,['安徽',39 ] , ['福建',39] ,['江西',39 ] ,['山东',35 ] ,['河南',37 ] , ['湖北',38 ] ,['湖南',38 ] ,['广东',34] ,['广西',34 ] , ['海南',32 ] ,['重庆',42 ] ,['四川',36 ] ,['贵州',30 ] , ['云南',26 ] ,['西藏',23 ] ,['陕西',38 ] ,['甘肃',27 ] , ['青海',21 ] ,['宁夏',30 ] ,['新疆',30],['台湾',32],['南海诸岛',33]] # 设置数据，8.14各省会城市最高温度
地图 = ( Map(init_opts=opts.InitOpts(width="1200px", height="900px")) # 绘图、设置图片大小 .add('', 数据, # 添加数据 maptype = "china", # 设置绘制的地图区域 label_opts= opts.LabelOpts(color='green', # 字体样色 font_size=15, # 字体大小 font_family='Microsoft YaHei', # 文字字体 font_weight='bold'), # 字体粗细 itemstyle_opts= opts.ItemStyleOpts(color='green', # 标记点颜色 area_color='white', # 地图颜色 # opacity=1.2, # 透明度 border_color='white', # 省份边界颜色 border_type='dotted', # 省份边界为虚线 border_width=3)) # 省份边界宽度 .set_global_opts( visualmap_opts=opts.VisualMapOpts( # 设置视觉映射 min_=20, max_=42, # 最小、最大值 pos_left='10%', pos_bottom='10%', # 设置摆放位置 range_text=['High', 'Low'] , # 顶端底端注释 textstyle_opts=opts.TextStyleOpts( font_size = 18, # 字体大小 color="green")), # 字体颜色 title_opts = opts.TitleOpts( title='各地区最高温度', # 设置标题 title_textstyle_opts=opts.TextStyleOpts(font_size =64), # 设置字体大小 pos_left = 'center')) # 设置居中 )地图.render_notebook() 运行结果如下：由上图可以看出，中东部地区一片红色，说明温度确实较高，特别是江浙沪以及重庆，气温在全国位居前列，而西藏、青海、甘肃、云南以及东北三省温度较低，很适合夏日避暑。以上就是小编介绍的全部内容了，是不是很有意思呢，大家也快绘制一下自己所在省市的地图吧！(END)重磅福利！为了更好地服务各位同学的研究，爬虫俱乐部将在小鹅通平台上持续提供金融研究所需要的各类指标，包括上市公司十大股东、股价崩盘、投资效率、融资约束、企业避税、分析师跟踪、净资产收益率、资产回报率、国际四大审计、托宾Q值、第一大股东持股比例、账面市值比、沪深A股上市公司研究常用控制变量等一系列深加工数据，基于各交易所信息披露的数据利用Stata在实现数据实时更新的同时还将不断上线更多的数据指标。我们以最前沿的数据处理技术、最好的服务质量、最大的诚意望能助力大家的研究工作！相关数据链接，请大家访问：(https://appbqiqpzi66527.h5.xiaoeknow.com/homepage/10)或扫描二维码：

最后，我们为大家揭秘雪球网(https://xueqiu.com/)最新所展示的沪深证券和港股关注人数增长Top10。

对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！

往期推文推荐       爬虫俱乐部又又又输送了一位研究助理！！！带你玩转Stata编码
一言不合就teamviewer      教你用Stata爬取全国疫情风险地区数据，原来这么简单！【数据结构】集合的使用方法      Stata爬取七普人口数据       利用Stata批量制作学生证     【数据分析-入门】科学计算基本库—Numpy的简单使用      Stata绘图系列——玩转绘图通用选项之图例     【基础篇】数据类型介绍——list、tuple和range对象      河南大学经济学院2022年Stata数据处理与爬虫技术开班仪式顺利召开

关于我们 

   微信公众号“Stata and Python数据分析”分享实用的Stata、Python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。

   武汉字符串数据科技有限公司一直为广大用户提供数据采集和分析的服务工作，如果您有这方面的需求，请发邮件到[e-mail]，或者直接联系我们的数据中台总工程司海涛先生，电话：[phone]，wechat: super4ht。海涛先生曾长期在香港大学从事研究工作，现为知名985大学的博士生，爬虫俱乐部网络爬虫技术和正则表达式的课程负责人。

此外，欢迎大家踊跃投稿，介绍一些关于Stata和Python的数据处理和分析技巧。

投稿邮箱：[e-mail]投稿要求：
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。

2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可

以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。