前言
pyecharts 是基于百度开源的Echarts、方便与Python 进行对接、直接可以用于python的一个库。
今天我们利用pyecharts实现职位数据的地图可视化。
安装pyecharts
pyecharts的安装只需要在命令端输入以下命令。
pip install pyecharts
如果下载失败或者觉得下载太慢，可以用镜像进行下载：
pip install -i https://pypi.tuna./simple pyecharts
pyecharts 目前不再自带地图 js 文件。所以要自行安装对应的地图文件包，如果下载失败或者觉得下载太慢，可以用镜像进行下载。
pip install echarts-countries-pypkg # 世界地图pip install echarts-china-provinces-pypkg# 中国省级行政区地图pip install echarts-china-cities-pypkg# 中国城市地图pip install echarts-china-counties-pypkg# 中国县区地图pip install echarts-china-misc-pypkg# 中国区域地图pip install echarts-united-kingdom-pypkg
小试牛刀
导入需要的模块：
import pandas as pdimport pyecharts.options as optsfrom pyecharts.charts import *from pyecharts.globals import ThemeType
先简单的绘制出中国地图：
# 数据data = {'河南': 25, '北京': 65, '河北': 111, '辽宁': 221, '江西': 1, '上海': 22, '安徽': 56, '江苏': 78, '湖南': 9,'浙江': 13, '海南': 62, '广东': 262, '湖北': 87, '黑龙江': 171, '澳门': 61, '陕西': 171, '四川': 67, '内蒙古': 63, '重庆': 93,'云南': 16, '贵州': 12, '吉林': 33, '山西': 312, '山东': 511, '福建': 46, '青海': 71, '天津': 91,'其他': 71}# 以元组的方式输出数值data_list = list(zip(data.keys(), data.values()))map_ = (Map()# 如果想绘制其它图形，可修改Map.add(series_name="中国地图",data_pair=data_list,maptype="china").set_global_opts(title_opts=opts.TitleOpts(title="公 众 号 ：Python与Excel之交")# 设置地图显示最大值,visualmap_opts=opts.VisualMapOpts(max_=500)))map_.render_notebook()
实战
导入数据源：
df = pd.read_csv('D:\数据小刀\爬虫④\前程无忧\前程无忧.csv')df.head()
我们先对数据源的工作地址，进行字符串的切割,取出上海、广州等城市名称：
df["工作地址"] = df["工作地址/经验要求/学历要求/招聘人数"].str.split(',', expand=True)[0]df["工作地址"] = df["工作地址"].str.split('-', expand=True)[0]
因为maptype=‘china’时，地图只显示全国省级行政区，数据只能是省级行政区，不能显示城市名称，所以我们需要导入经纬度，绘制散点图。
df1 = pd.read_csv('D:\数据小刀\爬虫④\拉勾网\中国城市地理坐标.csv')coords = {df1.iloc[i]['地名']: [df1.iloc[i]['经度'], df1.iloc[i]['纬度']] for i in range(len(df1))}
去除没有经纬度的地区和不必要的字符串：
df = df[(df['工作地址'] != '异地招聘')]df = df[(df['工作地址'] != '工作地址/经验要求/学历要求/招聘人数')]df = df[(df['工作地址'] != '雄安新区')]
统计每个城市的职位数量，并以元组的方式输出数值：
df_0 = df['工作地址'].astype("str").value_counts()df_0 = df_0.sort_values(ascending=False)regions = df_0.index.to_list()values = df_0.to_list()data_list = list(zip(regions, values))
设置背景颜色:
geo = Geo(init_opts=opts.InitOpts(theme=ThemeType.DARK))
设置地图类型为中国地图，当maptype等于广东、广州时，可修改为对应的地图:
geo.add_schema(maptype='china')
设置经纬度:
for key, value in coords.items():geo.add_coordinate(key, value[0], value[1])
设置图例，数据，散点大小，散点颜色:
geo.add('',data_list, symbol_size=10, itemstyle_opts=opts.ItemStyleOpts(color='blue'))
设置为数据不显示，设置为散点图，当type等于heatmap时可修改为热力图:
geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False), type='scatter')
设置地图显示最大值:
geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=200),title_opts=opts.TitleOpts(title='公众号：Python与Excel之交'))geo.render_notebook()# 打开
取出上海的行政区，利用Map进行地图可视化：
df["工作地址"] = df["工作地址/经验要求/学历要求/招聘人数"].str.split(',', expand=True)[0]df8 = df.工作地址.str.contains('上海-.*')# 利用正则表达式进行匹配df8 = df[df8]df8 = df8["工作地址"].str.split('-', expand=True)[1]df8 = df8.astype("str").value_counts()df8 = df8.sort_values(ascending=False)regions = df8.index.to_list()values = df8.to_list()data_list = list(zip(regions, values))map_ = (Map(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add("",data_pair=data_list,maptype="上海")# 修改地图.set_global_opts(legend_opts = opts.LegendOpts(is_show = False),title_opts=opts.TitleOpts(title="公 众 号 ：Python与Excel之交"),visualmap_opts=opts.VisualMapOpts(max_=100,is_piecewise=False)).set_series_opts(label_opts=opts.LabelOpts(is_show = False,font_size=15)))map_.render_notebook()
