利用 pyecharts 实现地图的数据可视化——第七次人口普查数据的2d、3d展示（关键词：2d 、3d 、map、 geo、涟漪点）

参考文档：链接: link_pyecharts 官方文档

1、map() 传入省份全称，date_pair 是列表套列表 [ [ ],[ ] … ]
2、geo() 传入省份简称，date_pair 是列表套元组 [ ( ),( ) … ]

1、准备数据

population_data：简称+经纬度

在这里插入图片描述

population_data1：省份简称

在这里插入图片描述

population_data2：省份全称

在这里插入图片描述

2.1 2D 图展示 —— map (数据集省份全称)

（1）代码

from pyecharts.charts import Map
from pyecharts import options as opts
import pandas as pd
from pyecharts.globals import ThemeTypedf = pd.read_csv('population_data2.csv',encoding='utf-8')
print(df['人口数量'].max(),df['人口数量'].min())
# 初始化Map对象
map_chart = Map()
# 添加数据和设置地图类型
map_chart.add("人口数量", [list(z) for z in zip(df['省份'], df['人口数量'])], "china")
# 设置全局配置项
map_chart.set_global_opts(title_opts=opts.TitleOpts(title="第七次人口普查各省人口数量"),visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,is_piecewise=False,range_color=["#e0f3f8", "#0868ac"] ),tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")
)
# 渲染地图
map_chart.render(r"res/1_1_population_map_2d.html")

（2）zip 函数

zip() 是一个内置函数，它的主要功能是将多个可迭代对象（像列表、元组、字符串等）中对应的元素打包成一个个元组，最后返回由这些元组组成的对象

（3）传入的数据类型是 list

（3）效果

在这里插入图片描述

2.2 涟漪点效果 —— Geo(数据集省份简称) : type_=‘effectScatter’

（1）代码

from pyecharts.charts import *
from pyecharts import options as optsdef geo_effect_scatter():geo = Geo(init_opts=opts.InitOpts(theme='light',width='1000px',height='600px'))geo.add_schema(maptype="china")geo.add("",[("广州", 150), ("北京", 70), ("长沙", 64), ("上海", 74),  ("厦门", 63)],# 带涟漪效果的散点图type_='effectScatter')return geoif __name__ == '__main__':chart = geo_effect_scatter()chart.render(path=r'res/1_2_geo_effect_scatter.html')

（2）传入的数据类型是元组

（3）效果

在这里插入图片描述

2.3 热力图 —— Geo(数据集省份简称)： type_=“heatmap”

（1）代码

from pyecharts.charts import Geo
from pyecharts import options as opts
import pandas as pd
from pyecharts.commons.utils import JsCodedf=pd.read_csv('population_data1.csv',encoding='utf-8')
final_chart = (Geo().add_schema(maptype="china")# 添加地图填充数据.add("人口数量",[list(z) for z in zip(df['省份'], df['人口数量'])],type_="heatmap",blur_size=15).set_global_opts(title_opts=opts.TitleOpts(title="人口分布及重点城市"),visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,range_color=["#e0f3f8", "#0868ac"]),tooltip_opts=opts.TooltipOpts(trigger="item",formatter=JsCode("""function(params) {console.log('params:', params); return [params.name + params.value.toLocaleString()].join('<br/>');}""")))
)final_chart.render("res/1_4_heatmap.html")

（2）效果

在这里插入图片描述

（3）存在的问题

不能正常显示数据标签，如有解决方案，欢迎交流

2.4 关于Geo()和Map()结合的探索 —— Grid()、Page()、overlap() 不适用于地图

（1）Grid()

代码

"""
# 1、Grid() Geo散点图和 Map 地图结合-------------------
"""
from pyecharts.charts import Geo, Map, Grid
from pyecharts import options as opts# 创建 Geo  地图（散点图）
geo = Geo()
geo.add_schema(maptype="china")
geo.add("人口", [("北京", 2189), ("上海", 2487)], type_="effectScatter", tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}"))# 创建 Map 地图（填充色）
map_chart = Map()
map_chart.add("人口", [("北京", 2189), ("上海", 2487)], "china", tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}"))# 使用 Grid 组合
grid = Grid()
grid.add(geo,grid_opts=opts.GridOpts())
grid.add(map_chart,grid_opts=opts.GridOpts())grid.render("res/1_3_1_geo_and_map_grid.html")

效果

在这里插入图片描述

（2）Page() ：一页上放两张图

代码

'''
# 2、page() -------------------
'''
from pyecharts.charts import Geo, Map, Page
from pyecharts import options as opts
page = Page()
page.add(Geo().add_schema("china").add("人口", [("北京", 2189)], "effectScatter"))
# 添加 Map 图表并配置视觉映射
map_chart = (Map().add("人口", [["北京市", 2189]], "china").set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=2189,  # 这里可以根据实际数据调整最大值min_=0,  # 这里可以根据实际数据调整最小值range_color=["#e0f3f8", "#0868ac"]  # 颜色范围))
)
page.add(map_chart)
page.render("res/1_3_2_geo_and_map_page.html")

效果

在这里插入图片描述

（3）热力图叠加涟漪点

代码

from pyecharts.charts import Geo
from pyecharts import options as optsgeo = Geo()
geo.add_schema(maptype="china")# (1) 添加散点（涟漪效果），设置涟漪颜色为紫色
geo.add("重点城市",[("北京", 2189), ("上海", 2487)],type_="effectScatter",symbol_size=10,label_opts=opts.LabelOpts(is_show=False),effect_opts=opts.EffectOpts(color="purple"),  # 设置涟漪颜色为紫色tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")  # 鼠标悬停显示值
)# (2) 添加热力图（颜色映射），鼠标悬停显示值
geo.add("人口密度",[("北京", 2189), ("上海", 2487), ("广东", 12601)],type_="heatmap",blur_size=20,tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")  # 鼠标悬停显示值
)geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(is_show=True)
)
geo.render("res/1_3_3_geo_heatmap_scatter.html")

效果

在这里插入图片描述

（4）overlap 叠加饼图（玫瑰图）和柱形图

代码

from pyecharts.charts import Pie,Bar
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
def gender_mi():  # 性别展示 环形图cate_1 = ['男', '女']data_1 = [614, 277]pie = (Pie(init_opts=opts.InitOpts(theme=ThemeType.ROMA)).add('', [list(z) for z in zip(cate_1, data_1)],radius=["30%", "50%"],  # 控制内外半径，即图的大小rosetype="radius",  # 表明是玫瑰图，半径跟数值挂钩center=["75%", "25%"])  # 饼图中心的位置，即整个图的位置。格式：[左右，上下]# .set_global_opts(title_opts=opts.TitleOpts(title="喜欢mi_10_young人群性别", subtitle="有效数据约900人", pos_left='5%'),#                legend_opts=opts.LegendOpts(pos_left="35%")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%")))return piedef age_gender_mi():list2 = [{"value": 17, "percent": 17 / (17 + 5)},{"value": 55, "percent": 55 / (55 + 50)},{"value": 150, "percent": 150 / (150 + 81)},{"value": 60, "percent": 60 / (14 + 60)},{"value": 11, "percent": 11 / 11},]list3 = [{"value": 5, "percent": 5 / (17 + 5)},{"value": 50, "percent": 50 / (55 + 50)},{"value": 81, "percent": 81 / (150 + 81)},{"value": 14, "percent": 14 / (14 + 60)},{"value": 0, "percent": 0 / (96603 + 40234)},]c = (Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMA, width='1400px', height='500px'), ).add_xaxis(['<18岁', '19-22岁', '23-30岁', '31-40岁', '>40岁']).add_yaxis("男", list2, stack="stack1", category_gap="50%").add_yaxis("女", list3, stack="stack1", category_gap="50%").set_series_opts(label_opts=opts.LabelOpts(position="right",formatter=JsCode("function(x){return Number(x.data.percent * 100).toFixed() + '%';}"),)).set_global_opts(title_opts=opts.TitleOpts(title="用户年龄段及性别分布", subtitle="23-30岁的男性为主力军", pos_left='5%')))c2 = gender_mi()  # 把环图读进来c.overlap(c2)  # 两个图重叠return cchart = age_gender_mi()
# 渲染图表为HTML文件
chart.render("res/1_3_4_age_gender_chart.html")

效果

在这里插入图片描述

2.5 散点图+涟漪点 —— Geo() 这样可以规避热力图无法正常显示数据标签的弊端

（1）代码

from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType
import pandas as pd
from pyecharts.commons.utils import JsCode# 准备数据（含经纬度）
df = pd.read_csv('population_data.csv',encoding='utf-8')# 获取人口前五的省份
top5 = df.nlargest(5, '人口数量')
effect_data = [(row['省份'], row['人口数量']) for _, row in top5.iterrows()]# 创建Geo图表
geo = (Geo(init_opts=opts.InitOpts(width="1000px", height="600px", theme="light", bg_color="#f8f9fa")).add_schema(maptype="china", itemstyle_opts=opts.ItemStyleOpts(color="#f1f3f5", border_color="#ced4da"))# 添加散点图（所有省份）.add(series_name="人口分布",data_pair=[(row['省份'], row['人口数量']) for _, row in df.iterrows()],type_=ChartType.SCATTER,symbol_size=10,label_opts=opts.LabelOpts(is_show=False),  # 不显示数据标签itemstyle_opts=opts.ItemStyleOpts(color=JsCode("function(params) {return '#1a73e8';}")))# 添加前五名涟漪点.add(series_name="TOP5人口大省",data_pair=effect_data,type_=ChartType.EFFECT_SCATTER,symbol_size=18,effect_opts=opts.EffectOpts(scale=4, period=3, color="#d6336c"),  # 修改涟漪颜色label_opts=opts.LabelOpts(is_show=False),  # 不显示数据标签itemstyle_opts=opts.ItemStyleOpts(color="#d6336c")  # 与涟漪颜色一致)# 设置全局配置.set_global_opts(title_opts=opts.TitleOpts(title="中国各省人口分布热力图",subtitle="数据来源：第七次全国人口普查 | TOP5省份特别标注",pos_left="center",title_textstyle_opts=opts.TextStyleOpts(color="#212529",font_size=20,font_weight="bold"),subtitle_textstyle_opts=opts.TextStyleOpts(color="#6c757d",font_size=12)),visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,is_piecewise=False,range_color=["#fde725", "#b4de2c", "#5dc962", "#35b779", "#316395"],  # 修改为新的配色方案pos_left="20px",pos_bottom="20px",textstyle_opts=opts.TextStyleOpts(color="#495057")),legend_opts=opts.LegendOpts(pos_top="60px",pos_right="20px",textstyle_opts=opts.TextStyleOpts(color="#495057"),item_width=20,item_height=12,inactive_color="#adb5bd"),tooltip_opts=opts.TooltipOpts(trigger="item",formatter=JsCode("""function(params) {return params.name + ': ' + params.value.toLocaleString();}"""),  # 鼠标悬停时显示值，格式化为带逗号的数字background_color="rgba(255,255,255,0.95)",border_color="#dee2e6",border_width=1,textstyle_opts=opts.TextStyleOpts(color="#495057")))
)# 渲染图表
geo.render("res/1_7_china_population_heatmap_with_top5.html")

（2）效果

在这里插入图片描述

2.6 散点图+热力图+涟漪点—— 全部Geo()

（1）代码

from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType
import pandas as pd
from pyecharts.commons.utils import JsCode# 准备数据（含经纬度）
df = pd.read_csv('population_data.csv',encoding='utf-8')# 获取人口前五的省份
top5 = df.nlargest(5, '人口数量')
effect_data = [(row['省份'], row['人口数量']) for _, row in top5.iterrows()]# 创建Geo图表
geo = (Geo(init_opts=opts.InitOpts(width="1000px", height="600px", theme="light", bg_color="#f8f9fa")).add_schema(maptype="china", itemstyle_opts=opts.ItemStyleOpts(color="#f1f3f5", border_color="#ced4da"))# 添加散点图（所有省份）.add(series_name="人口分布",data_pair=[(row['省份'], row['人口数量']) for _, row in df.iterrows()],type_=ChartType.SCATTER,symbol_size=10,label_opts=opts.LabelOpts(is_show=False),  # 不显示数据标签itemstyle_opts=opts.ItemStyleOpts(color=JsCode("function(params) {return '#1a73e8';}")))# 添加前五名涟漪点.add(series_name="TOP5人口大省",data_pair=effect_data,type_=ChartType.EFFECT_SCATTER,symbol_size=18,effect_opts=opts.EffectOpts(scale=4, period=3, color="#d6336c"),  # 修改涟漪颜色label_opts=opts.LabelOpts(is_show=False),  # 不显示数据标签itemstyle_opts=opts.ItemStyleOpts(color="#d6336c")  # 与涟漪颜色一致)# 设置全局配置.set_global_opts(title_opts=opts.TitleOpts(title="中国各省人口分布热力图",subtitle="数据来源：第七次全国人口普查 | TOP5省份特别标注",pos_left="center",title_textstyle_opts=opts.TextStyleOpts(color="#212529",font_size=20,font_weight="bold"),subtitle_textstyle_opts=opts.TextStyleOpts(color="#6c757d",font_size=12)),visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,is_piecewise=False,range_color=["#fde725", "#b4de2c", "#5dc962", "#35b779", "#316395"],  # 修改为新的配色方案pos_left="20px",pos_bottom="20px",textstyle_opts=opts.TextStyleOpts(color="#495057")),legend_opts=opts.LegendOpts(pos_top="60px",pos_right="20px",textstyle_opts=opts.TextStyleOpts(color="#495057"),item_width=20,item_height=12,inactive_color="#adb5bd"),tooltip_opts=opts.TooltipOpts(trigger="item",formatter=JsCode("""function(params) {return params.name + ': ' + params.value.toLocaleString();}"""),  # 鼠标悬停时显示值，格式化为带逗号的数字background_color="rgba(255,255,255,0.95)",border_color="#dee2e6",border_width=1,textstyle_opts=opts.TextStyleOpts(color="#495057")))
)# 渲染图表
geo.render("res/1_7_china_population_heatmap_with_top5.html")

（2）效果

在这里插入图片描述

2.7 利用Grid()实现叠加 —— Geo(散点图+涟漪点）+Map()

（1）代码

from pyecharts.charts import Geo, Map, Grid
from pyecharts import options as opts
from pyecharts.globals import ChartType
import pandas as pd
from pyecharts.commons.utils import JsCode# 准备数据（含经纬度）
df = pd.read_csv('population_data.csv', encoding='utf-8')# 获取人口前五的省份
top5 = df.nlargest(5, '人口数量')
effect_data = [(row['省份'], row['人口数量']) for _, row in top5.iterrows()]# 创建 Geo 图表
geo = (Geo(init_opts=opts.InitOpts(width="1000px", height="600px", theme="light", bg_color="#f8f9fa")).add_schema(maptype="china", itemstyle_opts=opts.ItemStyleOpts(color="#f1f3f5", border_color="#ced4da")).add(series_name="人口分布",data_pair=[(row['省份'], row['人口数量']) for _, row in df.iterrows()],type_=ChartType.SCATTER,symbol_size=10,label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(color=JsCode("function(params) {return '#1a73e8';}"))).add(series_name="TOP5 人口大省",data_pair=effect_data,type_=ChartType.EFFECT_SCATTER,symbol_size=18,effect_opts=opts.EffectOpts(scale=4, period=3, color="#d6336c"),label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(color="#d6336c")).set_global_opts(title_opts=opts.TitleOpts(title="中国各省人口分布热力图及普查数量",pos_left="center",title_textstyle_opts=opts.TextStyleOpts(color="#212529",font_size=20,font_weight="bold")),visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,is_piecewise=False,range_color=["#fde725", "#b4de2c", "#5dc962", "#35b779", "#316395"],pos_left="20px",pos_bottom="20px",textstyle_opts=opts.TextStyleOpts(color="#495057")),legend_opts=opts.LegendOpts(pos_top="10px",pos_right="10px",align="left",textstyle_opts=opts.TextStyleOpts(color="#495057"),item_width=20,item_height=12,inactive_color="#adb5bd"),tooltip_opts=opts.TooltipOpts(trigger="item",formatter=JsCode("""function(params) {return params.name + ': ' + params.value.toLocaleString();}"""),background_color="rgba(255,255,255,0.95)",border_color="#dee2e6",border_width=1,textstyle_opts=opts.TextStyleOpts(color="#495057")))
)df2 = pd.read_csv('population_data2.csv', encoding='utf-8')
print(df2['人口数量'].max(), df2['人口数量'].min())
# 初始化 Map 对象
map_chart = Map()
map_chart.add("人口数量", [list(z) for z in zip(df2['省份'], df2['人口数量'])], "china")
# 设置全局配置项，调整图例位置和颜色
map_chart.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,is_piecewise=False,range_color=["#e0f3f8", "#0868ac"]),tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}"),legend_opts=opts.LegendOpts(pos_top="30px",  # 与 Geo 图表的图例垂直位置对齐pos_right="10px",align="left",textstyle_opts=opts.TextStyleOpts(color="#495057"),item_width=20,item_height=12,inactive_color="#adb5bd")
)# 使用 Grid 组合 Geo 和 Map 图表
grid = (Grid(init_opts=opts.InitOpts(width="1000px", height="1200px")).add(geo, grid_opts=opts.GridOpts(pos_top="5%", pos_bottom="55%")).add(map_chart, grid_opts=opts.GridOpts(pos_top="55%", pos_bottom="5%"))
)# 渲染组合后的图表
grid.render("res/1_7_combined_geo_map00.html")

（2）效果

在这里插入图片描述

（3）问题：图层分离

3.1 3D图

（1）代码

from pyecharts.charts import Map3D
from pyecharts import options as opts
import pandas as pd
from pyecharts.globals import ThemeTypedf = pd.read_csv('population_data2.csv', encoding='utf-8')
print(df['人口数量'].max(), df['人口数量'].min())# 初始化 Map3D 对象
map_chart = Map3D()# 添加数据和设置地图类型
map_chart.add_schema(itemstyle_opts=opts.ItemStyleOpts(color="rgb(5,101,123)",opacity=0.5,border_width=0.8,border_color="rgb(62,215,213)",),map3d_label=opts.Map3DLabelOpts(is_show=True,text_style=opts.TextStyleOpts(color="#fff", font_size=16, background_color="rgba(0,0,0,0)"),),emphasis_label_opts=opts.LabelOpts(is_show=True),light_opts=opts.Map3DLightOpts(main_color="#fff",main_intensity=1.2,is_main_shadow=False,main_alpha=55,main_beta=10,ambient_intensity=0.3,),view_control_opts=opts.Map3DViewControlOpts(),post_effect_opts=opts.Map3DPostEffectOpts(is_enable=False),
)map_chart.add(series_name="人口数量",data_pair=[list(z) for z in zip(df['省份'], df['人口数量'])],maptype="china",label_opts=opts.LabelOpts(is_show=True),
)# 设置全局配置项，优化 tooltip 显示格式
map_chart.set_global_opts(title_opts=opts.TitleOpts(title="第七次人口普查各省人口数量"),visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,is_piecewise=False,range_color=["#e0f3f8", "#0868ac"],),tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}"),
)# 渲染地图
map_chart.render("res/2_1_population_map_3d.html")

（2）效果

在这里插入图片描述

3.2 3D图优化版——增加柱状图

（1）代码

from pyecharts.charts import Map3D
from pyecharts import options as opts
from pyecharts.globals import ChartType
import pandas as pd
from pyecharts.commons.utils import JsCode# 省份经纬度数据（简化的中心点坐标）
province_coords = {'北京市': [116.4074, 39.9042],'天津市': [117.2019, 39.0851],'河北省': [114.5305, 38.0410],'山西省': [112.5627, 37.8735],'内蒙古自治区': [111.7656, 40.8175],'辽宁省': [123.4291, 41.8357],'吉林省': [125.3268, 43.8969],'黑龙江省': [126.6617, 45.7423],'上海市': [121.4737, 31.2304],'江苏省': [118.7969, 32.0603],'浙江省': [120.1528, 30.2674],'安徽省': [117.2841, 31.8612],'福建省': [119.2956, 26.1005],'江西省': [115.8579, 28.6820],'山东省': [117.0204, 36.6686],'河南省': [113.6254, 34.7466],'湖北省': [114.3423, 30.5459],'湖南省': [112.9838, 28.1124],'广东省': [113.2663, 23.1322],'广西壮族自治区': [108.3275, 22.8167],'海南省': [110.3492, 20.0174],'重庆市': [106.5505, 29.5630],'四川省': [104.0758, 30.6513],'贵州省': [106.7053, 26.6001],'云南省': [102.7100, 25.0453],'西藏自治区': [91.1172, 29.6469],'陕西省': [108.9542, 34.2655],'甘肃省': [103.8263, 36.0594],'青海省': [101.7800, 36.6232],'宁夏回族自治区': [106.2586, 38.4713],'新疆维吾尔自治区': [87.6168, 43.8256]
}# 人口数据
data = [('北京市', 21893095),('天津市', 13866009),('河北省', 74610235),('山西省', 34915616),('内蒙古自治区', 24049155),('辽宁省', 42591407),('吉林省', 24073453),('黑龙江省', 31850088),('上海市', 24870895),('江苏省', 84748016),('浙江省', 64567588),('安徽省', 61027171),('福建省', 41540086),('江西省', 45188635),('山东省', 101527453),('河南省', 99365519),('湖北省', 57752557),('湖南省', 66444864),('广东省', 126012510),('广西壮族自治区', 50126804),('海南省', 10081232),('重庆市', 32054159),('四川省', 83674866),('贵州省', 38562148),('云南省', 47209277),('西藏自治区', 3648100),('陕西省', 39528999),('甘肃省', 25019831),('青海省', 5923957),('宁夏回族自治区', 7202654),('新疆维吾尔自治区', 25852345)
]df = pd.DataFrame(data, columns=['省份', '人口数量'])
max_population = df['人口数量'].max()
min_population = df['人口数量'].min()# 准备数据：格式为[(省份名称, [经度, 纬度, 高度]), ...]
data_pairs = []
for province, population in data:if province in province_coords:lon, lat = province_coords[province]height = populationdata_pairs.append((province, [lon, lat, height]))
print(data_pairs)
print([list(z) for z in zip(df['省份'], df['人口数量'])])
# 初始化 Map3D 对象
map_chart = Map3D()# 添加地图和设置
map_chart.add_schema(# 地图元素的样式配置itemstyle_opts=opts.ItemStyleOpts(color="#808080",# 地图区域的透明度，取值范围为 0 到 1，1 表示完全不透明opacity=1,# 地图区域的边框宽度border_width=0.8,# 地图区域的边框颜色，这里使用 RGB 格式指定为蓝绿色border_color="rgb(62,215,213)",),# 地图上的标签配置map3d_label=opts.Map3DLabelOpts(# 是否显示地图上的标签，False 表示不显示is_show=True,),# 鼠标悬停在地图元素上时标签的配置emphasis_label_opts=opts.LabelOpts(# 鼠标悬停时是否显示标签，False 表示不显示is_show=True,# 鼠标悬停时标签的文字颜色，这里使用十六进制颜色码指定为白色color="#fff",# 鼠标悬停时标签的字体大小font_size=10,# 鼠标悬停时标签的背景颜色，这里使用 RGBA 格式指定为透明background_color="rgba(0,23,11,0)",),# 地图的光照效果配置light_opts=opts.Map3DLightOpts(# 主光源的颜色，这里使用十六进制颜色码指定为白色main_color="#fff",# 主光源的强度，值越大光照越强main_intensity=1.2,# 主光源阴影的质量，"high" 表示高质量阴影main_shadow_quality="high",# 是否显示主光源的阴影，False 表示不显示is_main_shadow=False,# 主光源的仰角，角度值main_beta=10,# 环境光的强度，值越大环境光越亮ambient_intensity=0.3,)
)
map_chart.add(series_name="人口数量",data_pair=[list(z) for z in zip(df['省份'], df['人口数量'])],maptype="china",label_opts=opts.LabelOpts(is_show=True),
)# 添加3D柱状图数据
map_chart.add(series_name="人口数量",data_pair=data_pairs,type_=ChartType.BAR3D,bar_size=1,shading="lambert",label_opts=opts.LabelOpts(is_show=True,),
)# 设置全局配置项
map_chart.set_global_opts(title_opts=opts.TitleOpts(title="第七次人口普查各省人口数量(单位:人)"),visualmap_opts=opts.VisualMapOpts(max_=126012510,min_=3648100,is_piecewise=False,range_color=["#e0f3f8", "#0868ac"],),tooltip_opts=opts.TooltipOpts(formatter=JsCode("function(data){return data.name + ': ' + data.value[2].toFixed(0) + '人<br>经度: ' + data.value[0].toFixed(4) + '<br>纬度: ' + data.value[1].toFixed(4);}")),
)# 渲染地图
map_chart.render("res/2_2_population_map_3d_V2.html")