2009 |
您所在的位置：网站首页 › 小区用水统计图 › 2009 |
2009
|
pyecharts是一款将python与echarts结合的强大的数据可视化工具，本文将为你展示基于pyecharts的2009-2017年中国水资源数据的可视化，将2009-2017年中国水资源总量（地表水、地下水资源量）、水资源供给结构（地表水、地下水、其他供给）、水资源利用结构（农业、工业、生活、生态）以及人均水资源量和人均用水量的整体情况、各省指标情况等多维数据、多时间尺度的可视化，感兴趣的可以通过下面的百度网盘链接下载HTML文件，通过浏览器在本地打开（需在联网状态），查看2009-2017年中国水资源整体情况及各省水资源情况。 1. 中国水资源格局可视化感兴趣的可通过下面分享的百度网盘地址，下载 waterData.html 文件到本地，在联网的情况下用浏览器（推荐使用Google浏览器）打开即可查看中国水资源格局的可视化结果。 中国水资源格局HTML文件百度网盘下载地址：单击此处下载 提取码：bpse 序号指标图标类型1中国水资源量（1个图）柱状图+折线图2中国供水结构（1个图）柱状图+折线图3中国人均水资源量、用水量（1个图）折线图4各省水资源空间分布（3个图）地图 VisualMap5各省供水结构空间分布（4个图）地图 VisualMap6各省用水结构空间分布（4个图）地图 VisualMap7各省人均水资源量、用水量（2个图）地图 VisualMap 中国水资源格局HTML文件截图示例：
感兴趣的可通过下面分享的百度网盘地址，下载 prosWater.html 文件到本地，在联网的情况下用浏览器（推荐使用Google浏览器）打开即可查看各省水资源的可视化结果。 各省水资源可视化HTML文件百度网盘下载地址：单击此处下载 提取码：h2gc 序号指标图标类型1供水结构（1个图）饼图2用水结构（1个图）饼图3水资源总量（1个图）折线图4人均水资源量（1个图）折线图5用水总量（1个图）折线图6人均用水量（1个图）折线图 各省水资源可视化HTML文件截图示例：江苏省示例 水资源的数据均来自国家统计局网站中资源和环境指标中。人均水资源量、人均用水量单位为：m³/人， 其他指标单位为：亿m³。 序号指标最大值最小值1水资源总量西藏（4749.9）宁夏（10.8）2地表水资源总量西藏（4749.9）宁夏（8.7）3地下水资源总量西藏（1086）天津（5.5）4用水总量江苏（591.3）青海（25.8）5地表水供给量江苏（575.3）北京（12.4）6地下水供给量黑龙江（163.1）上海（0）7其他供给量北京（10.5）上海（0）、西藏（0）8农业用水量新疆（514.4）北京（5.1）9工业用水量江苏（250.1）西藏（1.5）10生活用水量广东（100.9）宁夏（2.3）11生态用水量内蒙（23.1）西藏（0.2）12人均水资源量西藏（142311.3）天津（83.36）13人均用水量新疆（2280.78）天津（176.33） 4. 参考代码如下:该数据可视化主要利用了pyecharts中的Page()、Tab()、Map()、Bar()、Grid()等类型的图，以下是各类型图表的代码示例，感兴趣的可以去pyecharts网站查看pyecharts的说明文档，了解更详细的内容。 示例代码参考pyecharts网站。 # Page()顺序多图 from pyecharts.faker import Faker from pyecharts import options as opts from pyecharts.charts import Bar, Line, Page def bar_base() -> Bar: c = ( Bar() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values()) .add_yaxis("商家B", Faker.values(), is_selected=False) .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题")) ) return c def line_base() -> Line: c = ( Line() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values()) .add_yaxis("商家B", Faker.values()) .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例")) ) return c page = Page() page.add(bar_base(), line_base()) page.render() # Tab选项卡多图 from pyecharts.faker import Faker from pyecharts import options as opts from pyecharts.charts import Bar, Tab, Pie, Line from pyecharts.components import Table def bar_datazoom_slider() -> Bar: c = ( Bar() .add_xaxis(Faker.days_attrs) .add_yaxis("商家A", Faker.days_values) .set_global_opts( title_opts=opts.TitleOpts(title="Bar-DataZoom（slider-水平）"), datazoom_opts=[opts.DataZoomOpts()], ) ) return c def line_markpoint() -> Line: c = ( Line() .add_xaxis(Faker.choose()) .add_yaxis( "商家A", Faker.values(), markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min")]), ) .add_yaxis( "商家B", Faker.values(), markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]), ) .set_global_opts(title_opts=opts.TitleOpts(title="Line-MarkPoint")) ) return c def pie_rosetype() -> Pie: v = Faker.choose() c = ( Pie() .add( "", [list(z) for z in zip(v, Faker.values())], radius=["30%", "75%"], center=["25%", "50%"], rosetype="radius", label_opts=opts.LabelOpts(is_show=False), ) .add( "", [list(z) for z in zip(v, Faker.values())], radius=["30%", "75%"], center=["75%", "50%"], rosetype="area", ) .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例")) ) return c def table_base() -> Table: table = Table() headers = ["City name", "Area", "Population", "Annual Rainfall"] rows = [ ["Brisbane", 5905, 1857594, 1146.4], ["Adelaide", 1295, 1158259, 600.5], ["Darwin", 112, 120900, 1714.7], ["Hobart", 1357, 205556, 619.5], ["Sydney", 2058, 4336374, 1214.8], ["Melbourne", 1566, 3806092, 646.9], ["Perth", 5386, 1554769, 869.4], ] table.add(headers, rows).set_global_opts( title_opts=opts.ComponentTitleOpts(title="Table") ) return table tab = Tab() tab.add(bar_datazoom_slider(), "bar-example") tab.add(line_markpoint(), "line-example") tab.add(pie_rosetype(), "pie-example") tab.add(table_base(), "table-example") tab.render() # Map()地图 from example.commons import Faker from pyecharts import options as opts from pyecharts.charts import Map def map_base() -> Map: c = ( Map() .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china") .set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例")) ) return c #Grid()并行多图 from pyecharts.faker import Faker from pyecharts import options as opts from pyecharts.charts import Bar, Grid, Line,Scatter def grid_vertical() -> Grid: bar = ( Bar() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values()) .add_yaxis("商家B", Faker.values()) .set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar")) ) line = ( Line() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values()) .add_yaxis("商家B", Faker.values()) .set_global_opts( title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"), legend_opts=opts.LegendOpts(pos_top="48%"), ) ) grid = ( Grid() .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%")) .add(line, grid_opts=opts.GridOpts(pos_top="60%")) ) return grid最后感谢pyecharts团队的贡献，感兴趣的可以去github上了解更多关于pyecharts项目的内容。 |
北京市示例
【本文地址】
公司简介
联系我们
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |