在Python中寻找数据异常值的三种方法(python处理异常值的代码)
327
2022-08-23
通过Pyecharts绘制可视化地球竟然如此简单!(pyecharts数据可视化)
今天我们使用 Pyecharts 制作一个地球可视化项目,一起来看看吧
Let’s go!
数据处理
这里我们使用全球新冠感染人数的数据集作为我们的测试数据,先来看看数据的整体情况
import pandas as pddf = pd.read_csv("owid-covid-data.csv")df_0608 = df[df['date'] == '2022-06-08']df_new = df_0608[pd.isna(df_0608['continent']) == False]df_new
Output:
我们选取0608这一天的数据,可以看到 total_cases 字段就是国家当前的累计总确诊人数
下面就提取国家和确诊人数
covid_data = df_new[['location', 'total_cases']].values.tolist()
Output:
Pyecharts 绘图
通过 Pyecharts 绘制地球图,在官网上有很详细的例子,我们直接套用即可
首先导入相关库
import pyecharts.options as optsfrom pyecharts.charts import MapGlobe
定义地球图函数并绘制
data = [x for _, x in covid_data]low, high = min(data), max(data)c = ( MapGlobe() .add_schema() .add( maptype="world", series_name="World Covid Data", data_pair=covid_data, is_map_symbol_show=False, label_opts=opts.LabelOpts(is_show=False), ) .set_global_opts( visualmap_opts=opts.VisualMapOpts( min_=low, max_=high, range_text=["max", "min"], is_calculable=True, range_color=["lightskyblue", "yellow", "orangered"], ) ))c.render_notebook()
这样我们得到如下全球各国新冠确诊人数分布图
部署为 Web 服务
当前我们所有的代码都是运行在 Jupyter 当中的,如果要分享给其他人,并不是十分的方便,我们可以将整体代码部署成一个 Web 服务,这样其他人就可以方便的通过浏览器来查看该地球图了
我们先创建项目目录,命名为 flask_map,再将本地安装的 Pyecharts 目录下的 templates 文件夹拷贝到该目录下,同时再创建 data 文件夹和 main.py 文件,Pyecharts 模板位置如下:
pyecharts.render.templates
我们将数据集 owid-covid-data.csv 放到 data 文件夹下,再编写 main.py 文件
# coding = utf-8"""======================@author:luobo@time:2022/7/2:14:32@email:@File: main.py======================"""from flask import Flask, render_templatefrom jinja2 import Markup, Environment, FileSystemLoaderfrom pyecharts.globals import CurrentConfig# 关于 CurrentConfig,可参考 [基本使用-全局变量]CurrentConfig.GLOBAL_ENV = Environment(loader=FileSystemLoader("./templates"))from pyecharts import options as optsfrom pyecharts.charts import MapGlobeimport pandas as pddf = pd.read_csv("data/owid-covid-data.csv")df_0608 = df[df['date'] == '2022-06-08']df_new = df_0608[pd.isna(df_0608['continent']) == False]covid_data = df_new[['location', 'total_cases']].values.tolist()app = Flask(__name__, static_folder="templates")def Map_base(): data = [x for _, x in covid_data] low, high = min(data), max(data) c = ( MapGlobe() .add_schema() .add( maptype="world", series_name="World Covid Data", data_pair=covid_data, is_map_symbol_show=False, label_opts=opts.LabelOpts(is_show=False), ) .set_global_opts( visualmap_opts=opts.VisualMapOpts( min_=low, max_=high, range_text=["max", "min"], is_calculable=True, range_color=["lightskyblue", "yellow", "orangered"], ) ) ) return c@app.route("/")def index(): c = Map_base() c.render('templates/Map.html') return render_template("Map.html")if __name__ == "__main__": app.run()
这样,当我们启动 Flask 服务器之后,只需要访问根目录(/),就会在 templates 目录下生成 Map.html 文件,也会在浏览器正常展示地球图了
至于如何将本地 Web 应用部署到公网上,我们在后面的文章中再介绍吧!
好了,这就是今天分享的全部内容,喜欢就点个赞吧~
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~