Pyecharts 地图语法
在 Pyecharts 中，我们可以使用 Map 这个模块来绘制一个地图。地图的主要作用是：展示地区对应的数据。
语法：
map = Map()
map.add(series_name, data_pair, maptype)
说明：
对于地图来说，它也是使用 add() 方法。参数 series_name 是一个必选参数，用于定义系列的名字。参数 data_pair 也是一个必选参数，用于定义地图的数据。
参数 maptype 用于定义地图的类型，常用的取值如下表所示。
| 取值 | 说明 |
|---|---|
| world | 世界地图 |
| china | 中国地图 |
| 广东 | 广东地图（可换成其他省） |
| 广州市 | 广州地图（可换成其他市） |
对于 maptype 的取值，我们一定要严格按照下面这 3 个规范才行。
- 如果想要使用中国地图，我们必须写成 maptype='china'，而不能写成 maptype='China' 或 maptype='中国' 等。
- 如果想要使用广东地图，我们必须写成 maptype='广东'，而不能写成 maptype='广东省' 或 maptype='Guangdong' 等。
- 如果想要使用广州地图，我们必须写成 maptype='广州市'，而不能写成 maptype='广州' 或 maptype='guangzhou' 等。
示例 1：Pyecharts 绘制中国地图
import numpy as np
import pandas as pd
from pyecharts.charts import Map
# 数据
data = [
['北京市', 520],
['上海市', 560],
['广东省', 720],
['江苏省', 600],
['浙江省', 650]
]
df = pd.DataFrame(data, columns=['省份', '销量'])
df_array = np.array(df) # 转换为数组
df_list = df_array.tolist() # 转换为列表
# 绘图
map = Map()
map.add(series_name='各省份销量统计', data_pair=df_list, maptype='china')
# 渲染
map.render()
运行生成的 render.html，浏览器效果如下图所示。
分析：
maptype='china' 表示使用的是中国地图。对于参数 data_pair 来说，它的取值要求是一个二维列表，下面 2 种形式都是可行的。
# 方式1
[
['北京市', 520],
['上海市', 560],
['广东省', 720],
['江苏省', 600],
['浙江省', 650]
]
# 方式2
[
('北京市', 520),
('上海市', 560),
('广东省', 720),
('江苏省', 600),
('浙江省', 650)
]
需要注意的是，省份或地区的名字要写对。比如把 “广东省” 写成 “厂东省”，此时就会有问题。并且省份要加上 “省”，比如 “广东省” 不能写成 “广东”。而直辖市要加上 “市”，比如 “北京市” 不能写成 “北京”。否则可能会无法正常显示。
此外，我们并不要求每一个省份都要有对应的数据。哪些省份有数据，地图就会用一个小红点标记出来。如果一个省份没有小红点，那么就表示该省份没有数据。
当我们把鼠标移到有数据的地区，比如移到 “广东” 这个地方，此时就会高亮该地区，并且显示对应的数据，如下图所示。
示例 2：省级地图
import numpy as np
import pandas as pd
from pyecharts.charts import Map
# 数据
data = [
['广州市', 450],
['深圳市', 420],
['东莞市', 360],
['佛山市', 380],
['珠海市', 320]
]
df = pd.DataFrame(data, columns=['城市', '销量'])
df_array = np.array(df) # 转换为数组
df_list = df_array.tolist() # 转换为列表
# 绘图
map = Map()
map.add(series_name='各城市销量统计', data_pair=df_list, maptype='广东')
# 渲染
map.render()
运行生成的 render.html，浏览器效果如下图所示。
分析：
对于这个例子来说，数据部分的城市名后面必须要有一个 “市”，否则就无法正确对应显示。
# 正确
[
['广州市', 450],
['深圳市', 420],
['东莞市', 360],
['佛山市', 380],
['珠海市', 320]
]
# 错误
[
['广州', 450],
['深圳', 420],
['东莞', 360],
['佛山', 380],
['珠海', 320]
]
如果你的 DataFrame 中的城市名本身是不包含 “市” 字的，我们需要借助 Pandas 提供的方法来处理成正确的格式才行。总而言之，在实际开发中，如果你发现地图中的数据并没有正确显示，很可能就是数据中的地区名和地图中的地区名没有正确对应。
示例 3：世界地图
import numpy as np
import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as opts
# 数据
data = [
['United States', 20.95],
['China', 15.58],
['Japan', 4.95],
['Germany', 3.78],
['United Kingdom', 2.71],
['India', 2.62],
['France', 2.60],
['Italy', 1.85],
['Canada', 1.64],
['Korea', 1.63]
]
df = pd.DataFrame(data, columns=['国家', 'GDP'])
df_array = np.array(df) # 转换为数组
df_list = df_array.tolist() # 转换为列表
# 绘图
map = Map()
map.add(series_name='各国GDP', data_pair=df_list, maptype='world')
# 渲染
map.render()
运行生成的 render.html，浏览器效果如下图所示。
分析：
默认情况下，地图会把所有国家或地区的名字全部显示出来。至于如何解决这个问题，我们后面会详细介绍。
Pyecharts 地图样式
在 Pyecharts 中，对于地图的自定义样式，主要包括 2 个方面：① 隐藏地名；② 添加区分。
1. 隐藏地名
在 Pyecharts 中，我们可以使用 set_series_opts() 方法结合 label_opts 参数来隐藏地名。隐藏地名，其实也就是把 “标签（label）” 隐藏起来。
示例 4：Pyecharts 地图隐藏地名
import numpy as np
import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as opts
# 数据
data = [
['北京市', 520],
['上海市', 560],
['广东省', 720],
['江苏省', 600],
['浙江省', 650]
]
df = pd.DataFrame(data, columns=['省份', '销量'])
df_array = np.array(df) # 转换为数组
df_list = df_array.tolist() # 转换为列表
# 绘图
map = Map()
map.add(series_name='各省份销量统计', data_pair=df_list, maptype='china')
# 隐藏地名（标签）
map.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
# 渲染
map.render()
运行生成的 render.html，浏览器效果如下图所示。
分析：
is_show=False 表示把所有标签（即地名）隐藏起来。在实际开发中，如果地图中的标签过多，反而会影响用户体验。虽然标签是隐藏了，不过我们将鼠标移到有数据的区域时，还是会提示该区域的数据，如下图所示。
2. 添加区分
在 Pyecharts 中，我们可以使用 set_global_opts() 方法结合 visualmap_opts 参数来为地图添加颜色区分。
示例 5：Pyecharts 地图添加区分
import numpy as np
import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as opts
# 数据
data = [
['北京市', 520],
['上海市', 560],
['广东省', 720],
['江苏省', 600],
['浙江省', 650]
]
df = pd.DataFrame(data, columns=['省份', '销量'])
df_array = np.array(df) # 转换为数组
df_list = df_array.tolist() # 转换为列表
sale_min = int(df['销量'].min()) # 获取最小值
sale_max = int(df['销量'].max()) # 获取最大值
# 绘图
map = Map()
map.add(series_name='各省份销量统计', data_pair=df_list, maptype='china')
# 添加颜色区分
map.set_global_opts(visualmap_opts=opts.VisualMapOpts(
type_='color',
min_=sale_min,
max_=sale_max,
pos_bottom=50,
pos_right=0
))
# 渲染
map.render()
运行生成的 render.html，浏览器效果如下图所示。
分析：
如果你觉得默认的颜色不好看，也可以使用 range_color 这个参数来自定义颜色。修改后的代码如下，再次运行后的效果如下图所示。
map.set_global_opts(visualmap_opts=opts.VisualMapOpts(
type_='color',
min_=sale_min,
max_=sale_max,
pos_bottom=50,
pos_right=0,
range_color=['lightskyblue', 'yellow', 'orangered']
))
示例 6：综合实例（世界地图）
import numpy as np
import pandas as pd
from pyecharts.charts import Map
import pyecharts.options as opts
# 数据
data = [
['United States', 20.95],
['China', 15.58],
['Japan', 4.95],
['Germany', 3.78],
['United Kingdom', 2.71],
['India', 2.62],
['France', 2.60],
['Italy', 1.85],
['Canada', 1.64],
['Korea', 1.63]
]
df = pd.DataFrame(data, columns=['国家', 'GDP'])
df_array = np.array(df) # 转换为数组
df_list = df_array.tolist() # 转换为列表
gdp_min = int(df['GDP'].min()) # 获取最小值
gdp_max = int(df['GDP'].max()) # 获取最大值
# 绘图
map = Map()
map.add(series_name='各国GDP', data_pair=df_list, maptype='world')
# 不显示label
map.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
# 添加颜色区分
map.set_global_opts(visualmap_opts=opts.VisualMapOpts(
type_='color',
min_=gdp_min,
max_=gdp_max,
pos_bottom=50,
pos_right=0,
range_color=['lightskyblue', 'yellow', 'orangered']
))
# 渲染
map.render()
运行生成的 render.html，浏览器效果如下图所示。
