Python用pyechart绘制全球人口和世界疫情地图，随时掌握全球信息

近期，新冠病毒又开始新一轮的肆虐，国内出现了一些省份大范围的感染病例。新出现的奥密克戎变异株BA.2.38平均潜伏期短，传播力和隐匿性强、传播速度快，感染剂量低，具有很强的免疫逃逸能力。小伙伴们要注意自我防护哦！

做好自我防护

今天，我们不讨论新冠病毒。居家之余，我们看下如何用Python中的pyechart模块进行地理数据可视化。在此基础上制作2个案例，别走开，源代码及相关数据文末奉上！

世界人口排名地图

世界人口排名地图

世界疫情最新确诊数据展示（数据仅供参考）

世界疫情地图

下面，我们开始介绍。

一、pyechart介绍

是一个百度开源的数据可视化工具，它借助Python丰富的“表达能力”及数据处理方面的独特优势，凭借自身良好的交互性及漂亮的图表设计，得到了众多开发者的认可。简单来讲，pyechart就是将Python处理的数据进行可视化展示的一种工具（Python中叫模块或库）。

数据可视化

【特点】

我们知道，Python中的数据可视化工具有很多，比如，常见的matplotlib、Seaborn、ggplot、pygal等。那么，pyechart对比这些库，它有哪些特点呢？下面，是这个模块官网的特点总结：

简洁的 API 设计，使用如丝滑般流畅，支持链式调用囊括了 30+ 种常见图表，应有尽有支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab可轻松集成至 Flask，Django 等主流 Web 框架高度灵活的配置项，可轻松搭配出精美的图表详细的文档和示例，帮助开发者更快的上手项目多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持重点了解下最后这个特点，我们知道，百度对于地图方面的应用技术应该是比较成熟的，那它开源的这个pyechart库应该也不错，下面我们试试看。开始之前，需要安装这个模块。

需要安装

【安装】

pyecharts 分为 v0.5.X 和 v1 两个大版本。其中，两大版本之间不兼容（很像Python 2.X 和 Python 3.X），v1 是一个全新的版本。目前，最新版的v1是1.9.1版本。

使用 pip install pyechart来安装。一般不会出现什么错误（至少我没遇到过^-^）。

当然，如果你使用的是PyCharm，可以在图形界面下完成安装，下面界面提示安装成功。

PyCharm界面下安装

安装成功了，我们看下如何使用这个模块创建一个世界地图。

创建世界地图的通用方法（展示）

一般按下面步骤展示数据。

人口普查数据

【第一步：准备数据】

没有数据，我们展示什么呢？这是数据类展示应用首先应该考虑的问题。我们这里展示全世界人口排名前40的国家人口数量（我们事先从网上获取到相关数据，并保存为“populationtop20”，别着急，这个文件后面有下载方式）。使用xlrd把数据读取出来。

人口数据（top40）

导入模块

import xlrd

wb = xlrd.open_workbook('populationtop20.xls')

ws = wb.sheet_by_name('pdata')

国家名称数据

contryNames = [i.value for i in ws.col(1)]

人口数据

contryPDatas = [i.value for i in ws.col(3)]

contryNames、contryPDatas这两个数据备用。

【第二步：创建地图实例并设置相关属性】

跟使用任何第三库一样，首先，需要导入模块，一般情况下这样导入。import xlrd

from pyecharts import options as opts

from pyecharts.charts import Map

第一行导入了我们处理数据需要的工具，当然，这里小伙伴可以导入自己熟悉的库，比如pandas、openpyxl、csv等，这需要根据数据格式确定第二行导入的这个options是数据可视化模块pyecharts的全局配置选项，对于图表大小、标题、主题、背景颜色、动画等设置，通常这个模块进行设置第三行中导入了我们的Map类，这个类就是绘制地图的类（稍后详细介绍）。创建地图实例并设置相关属性创建地图源代码如下，这里直接在创建过程中对属性进行了设置。

创建实例源代码

这里设置的options的属性有哪些呢？

options可选设置项

小伙伴可以自己试试看，上面案例实现效果如下图（文末附源代码）。

世界人口排名地图

我们重点介绍一下Map类的属性。Map类的源代码很简单，如下：

class Map(Chart, MapMixin):pass它继承自类Chart、MapMixin，兼具这两个父类的属性。具体有哪些属性，这里不再赘述，后面我们专题介绍。

【第三步：保存渲染结果】

c.render("世界人口数据2022年排名TOP40.html") 默认保存为一个render.html的文件，此处自定义文件名称。

就这样简单的三个步骤。

下面，我们来看一个比较复杂的案例，完成全世界疫情数据的统计。

疫情数据统计

地图展示全世界各个国家最新确诊病例

按照上面的流程，第一步应该是准备数据。这里我们通过新浪最新疫情数据API接口爬取了最新各国疫情数据，并保存为Excel文件（这里我们直接使用）。具体方法就不介绍了，下面专栏会有所涉及。

具体表格结构如下：

全球疫情数据

这个案例主要的问题不是如何绘图，其实是数据一致化处理。说白了，就是将中文国家转化为英文的国家名，且英文名称需要和pyechart中国家名称一致。否则，地图数据不会正常显示^-^

【数据一致化处理】

全球各个国家名称字典

这里有一个国家英文对应表

name_map = {'Singapore Rep.': '新加坡', 'Dominican Rep.': '多米尼加', 'Palestine': '巴勒斯坦', 'Bahamas': '巴哈马', 'Timor-Leste': '东帝汶', 'Afghanistan': '阿富汗', 'Guinea-Bissau': '几内亚比绍', "Cte d'Ivoire": '科特迪瓦', 'Siachen Glacier': '锡亚琴冰川', "Br. Indian Ocean Ter.": '英属印度洋领土', 'Angola': '安哥拉', 'Albania': '阿尔巴尼亚', 'United Arab Emirates': '阿联酋', 'Argentina': '阿根廷', 'Armenia': '亚美尼亚', 'French Southern and Antarctic Lands': '法属南半球和南极领地', 'Australia': '澳大利亚', 'Austria': '奥地利', 'Azerbaijan': '阿塞拜疆', 'Burundi': '布隆迪', 'Belgium': '比利时', 'Benin': '贝宁', 'Burkina Faso': '布基纳法索', 'Bangladesh': '孟加拉国', 'Bulgaria': '保加利亚', 'The Bahamas': '巴哈马', 'Bosnia and Herz.': '波斯尼亚和黑塞哥维那', 'Belarus': '白俄罗斯', 'Belize': '伯利兹', 'Bermuda': '百慕大', 'Bolivia': '玻利维亚', 'Brazil': '巴西', 'Brunei': '文莱', 'Bhutan': '不丹', 'Botswana': '博茨瓦纳', 'Central African Rep.': '中非', 'Canada': '加拿大', 'Switzerland': '瑞士', 'Chile': '智利', 'China': '中国', 'Ivory Coast': '象牙海岸', 'Cameroon': '喀麦隆', 'Dem. Rep. Congo': '刚果民主共和国', 'Congo': '刚果', 'Colombia': '哥伦比亚', 'Costa Rica': '哥斯达黎加', 'Cuba': '古巴', 'N. Cyprus': '北塞浦路斯', 'Cyprus': '塞浦路斯', 'Czech Rep.': '捷克', 'Germany': '德国', 'Djibouti': '吉布提', 'Denmark': '丹麦', 'Algeria': '阿尔及利亚', 'Ecuador': '厄瓜多尔', 'Egypt': '埃及', 'Eritrea': '厄立特里亚', 'Spain': '西班牙', 'Estonia': '爱沙尼亚', 'Ethiopia': '埃塞俄比亚', 'Finland': '芬兰', 'Fiji': '斐', 'Falkland Islands': '福克兰群岛', 'France': '法国', 'Gabon': '加蓬', 'United Kingdom': '英国', 'Georgia': '格鲁吉亚', 'Ghana': '加纳', 'Guinea': '几内亚', 'Gambia': '冈比亚', 'Guinea Bissau': '几内亚比绍', 'Eq. Guinea': '赤道几内亚', 'Greece': '希腊', 'Greenland': '格陵兰', 'Guatemala': '危地马拉', 'French Guiana': '法属圭亚那', 'Guyana': '圭亚那', 'Honduras': '洪都拉斯', 'Croatia': '克罗地亚', 'Haiti': '海地', 'Hungary': '匈牙利', 'Indonesia': '印度尼西亚', 'India': '印度', 'Ireland': '爱尔兰', 'Iran': '伊朗', 'Iraq': '伊拉克', 'Iceland': '冰岛', 'Israel': '以色列', 'Italy': '意大利', 'Jamaica': '牙买加', 'Jordan': '约旦', 'Japan': '日本', 'Kazakhstan': '哈萨克斯坦', 'Kenya': '肯尼亚', 'Kyrgyzstan': '吉尔吉斯斯坦', 'Cambodia': '柬埔寨', 'Korea': '韩国', 'Kosovo': '科索沃', 'Kuwait': '科威特', 'Lao PDR': '老挝', 'Lebanon': '黎巴嫩', 'Liberia': '利比里亚', 'Libya': '利比亚', 'Sri Lanka': '斯里兰卡', 'Lesotho': '莱索托', 'Lithuania': '立陶宛', 'Luxembourg': '卢森堡', 'Latvia': '拉脱维亚', 'Morocco': '摩洛哥', 'Moldova': '摩尔多瓦', 'Madagascar': '马达加斯加', 'Mexico': '墨西哥', 'Macedonia': '马其顿', 'Mali': '马里', 'Myanmar': '缅甸', 'Montenegro': '黑山', 'Mongolia': '蒙古', 'Mozambique': '莫桑比克', 'Mauritania': '毛里塔尼亚', 'Malawi': '马拉维', 'Malaysia': '马来西亚', 'Namibia': '纳米比亚', 'New Caledonia': '新喀里多尼亚', 'Niger': '尼日尔', 'Nigeria': '尼日利亚', 'Nicaragua': '尼加拉瓜', 'Netherlands': '荷兰', 'Norway': '挪威', 'Nepal': '尼泊尔', 'New Zealand': '新西兰', 'Oman': '阿曼', 'Pakistan': '巴基斯坦', 'Panama': '巴拿马', 'Peru': '秘鲁', 'Philippines': '菲律宾', 'Papua New Guinea': '巴布亚新几内亚', 'Poland': '波兰', 'Puerto Rico': '波多黎各', 'Dem. Rep. Korea': '朝鲜', 'Portugal': '葡萄牙', 'Paraguay': '巴拉圭', 'Qatar': '卡塔尔', 'Romania': '罗马尼亚', 'Russia': '俄罗斯', 'Rwanda': '卢旺达', 'W. Sahara': '西撒哈拉', 'Saudi Arabia': '沙特阿拉伯', 'Sudan': '苏丹', 'S. Sudan': '南苏丹', 'Senegal': '塞内加尔', 'Solomon Is.': '所罗门群岛', 'Sierra Leone': '塞拉利昂', 'El Salvador': '萨尔瓦多', 'Somaliland': '索马里兰', 'Somalia': '索马里', 'Serbia': '塞尔维亚', 'Suriname': '苏里南', 'Slovakia': '斯洛伐克', 'Slovenia': '斯洛文尼亚', 'Sweden': '瑞典', 'Swaziland': '斯威士兰', 'Syria': '叙利亚', 'Chad': '乍得', 'Togo': '多哥', 'Thailand': '泰国', 'Tajikistan': '塔吉克斯坦', 'Turkmenistan': '土库曼斯坦', 'East Timor': '东帝汶', 'Trinidad and Tobago': '特里尼达和多巴哥', 'Tunisia': '突尼斯', 'Turkey': '土耳其', 'Tanzania': '坦桑尼亚', 'Uganda': '乌干达', 'Ukraine': '乌克兰', 'Uruguay': '乌拉圭', 'United States': '美国', 'Uzbekistan': '乌兹别克斯坦', 'Venezuela': '委内瑞拉', 'Vietnam': '越南', 'Vanuatu': '瓦努阿图', 'West Bank': '西岸', 'Yemen': '也门', 'South Africa': '南非', 'Zambia': '赞比亚', 'Zimbabwe': '津巴布韦', 'Comoros': '科摩罗'}大家直接复制可用。我们直接

案例中有几个特殊情况需要处理

细心的小伙伴可能发现了，上面字典中，我的数据刚好是反的，需要进行处理（这个可以练练手）。

还有需要注意的是，我们知道根据字典的键，获取字典值很容易，那么，如何根据字典的值获取键呢？（想想本文是不是需要这样处理？）

def getkey(value, tDict):'''知道值获取键'''keys = [i for i in tDict.keys()]values = [j for j in tDict.values()]if value in values:i = values.index(value)return keys[i]如果返回值为None，则表示字典中没有这个值。

另外，部分字典中国家中文名称和Excel中国家名称不对应，需要修改。否则，这几个国家数值不能正常显示（源代码中已修改）。如：波黑（Excel文件中为全称）、蒙古（Excel文件中为蒙古国）、土库曼斯坦（Excel文件中没有，我们最后一行添加数据0）、刚果民主共和国（Excel文件中为刚果（金））、刚果（Excel文件中为刚果（布））。

这样，我们判断Excel表格中国家列表是否在name_map字典中，如果存在则绘制；如果不存在则跳转到下一条记录。

世界疫情地图

其它属性可参照百度学习，这里就不再赘述了。需要说明的是，我们这里统计了Excel表中的2项目内容，其它数据都可以添加进去。为了便于理解，我把两个列表数据分开来写了，这里应该有改进方式，留给小伙伴自己思考解决。

一些总结

下面是用pyechart绘制地图的一些心得：

pyechart中有Geo、Map、和Bmap地图三种, 本案例使用的Map地图（后续介绍其它类的使用方法）国家名称需要转换成英文, 且英文名称需要和pyechart中国家名称一致（上文中字典可复制，实际使用时调换键值对即可，这里给小伙伴出了道难题）这类应用一般通过国家（世界地图）、省市县（全国地图）名称与数据关联，数据格式为列表列表格式: [[国家（省市县）, 值],[国家（省市县）, 值]....]

一般使用Map实例.add()添加地图，参数maptype="world"使用世界地图，参数maptype="china"使用中国地图通过theme参数设置, 生成以下不同风格。使用方法如下opts.InitOpts(theme=ThemeType.XX)，创建Map实例时，将这个值传入init_opts参数即可。

注：以上数据仅供参考（非官网提供数据），如果您对上述两个Excel爬取方式感兴趣，欢迎关注上面的专栏，后期介绍爬取方法。

本文源代码获取方式：关注并私信“popandepi”获取。

好了，今天的内容就到这里了。喜欢Python的小伙伴关注我，后续推出更加精彩的内容。如果有好的意见建议，欢迎大家下方留言。

本文禁止转载！