bokeh联动柱状图，Excel空间柱状图、空间热力图，Echarts空间柱状图，常用函数：

df['工作地_省'] = df['工作地'].str.split('省').str[0]

df['工作地_市'] = ''

df['工作地_市']= df['工作地'].str.split('省').str[1].str.split('市').str[0]

df['工作地_市'][df['工作地_省'].str.len() >= 5] = df['工作地_省'].str.split('市').str[0]

data_wang1 = df[df['姓'] == '王']

writer = pd.ExcelWriter('C:/Users/Administrator/Desktop/wang1.xlsx')

data_wang1.to_excel(writer,'sheet1',index=False)

writer.save()

price11middle_SSS_top_95['zkl_range'] = price11middle_SSS_top_95['zkl_range'].astype(str)一,concat上下合并数据，merge左右合并数据

二, x=各姓，y= 个数 /占比 bokeh联动柱状图

三, x=各地，y= 王姓个数 Excel空间柱状图、空间热力图

四, x=各地，y= 王姓个数 Echarts空间柱状图

一,concat上下合并数据，merge左右合并数据 .str.split('省').str[0]

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import warnings

warnings.filterwarnings('ignore')

# 不发出警告

from bokeh.plotting import figure,show

from bokeh.models import ColumnDataSource

# 导入图表绘制、图标展示模块

# 导入ColumnDataSource模块

import os

os.chdir('C:/Users/Administrator/Desktop/')

# 创建工作路径

#

df01 = pd.read_csv('data01.csv',encoding = 'utf-8')

df02 = pd.read_csv('data02.csv',encoding = 'utf-8')

df_city = pd.read_excel('中国行政代码对照表.xlsx')

# 读取数据

df = pd.concat([df01,df02])

df.to_csv('preliminary.csv')

df = pd.read_csv('preliminary.csv', index_col=0)

df = pd.merge(df,df_city,left_on='户籍地城市编号',right_on = '行政编码')

df['工作地'] = df['工作地'].str[:15] # 只提取工作地前15个字符即可

del df['行政编码']

del df['户籍地城市编号']

# 合并数据，添加经纬度字段

# 删除无用字段

# 分别提取“工作地”中的省、市、区县

# 新建字段“工作地-省”，“工作地-市”，“工作地-区县”,如果数据中“工作地”字段无法提取省和市，则用“未识别”填充单元格

# *通过查看识别后的单元格，如果字数超过5则为“未识别”

df['工作地_省'] = df['工作地'].str.split('省').str[0]

# 识别工作地-省

df['工作地_市'] = ''

df['工作地_市']= df['工作地'].str.split('省').str[1].str.split('市').str[0]

df['工作地_市'][df['工作地_省'].str.len() >= 5] = df['工作地_省'].str.split('市').str[0]

# 识别工作地-市

# 在未识别出省的数据中，可能会有市的信息

df['工作地_区县'] = ''

df['工作地_区县'][(df['工作地_市'].str.len() < 5)&(df['工作地'].str.contains('区'))] = df['工作地'].str.split('市').str[1].str.split('区').str[0] + '区'

df['工作地_区县'][(df['工作地_市'].str.len() > 5)&(df['工作地'].str.contains('区'))] = df['工作地'].str.split('区').str[0] + '区'

df['工作地_区县'][(df['工作地_市'].str.len() < 5)&(df['工作地'].str.contains('县'))] = df['工作地'].str.split('市').str[1].str.split('县').str[0] + '县'

df['工作地_区县'][(df['工作地_市'].str.len() > 5)&(df['工作地'].str.contains('县'))] = df['工作地'].str.split('县').str[0] + '县'

#### 识别工作地-区县

###

df['工作地_省'][df['工作地_省'].str.len() > 5 ] = '未识别'

df['工作地_市'][df['工作地_市'].str.len() > 5 ] = '未识别'

df['工作地_区县'][(df['工作地_区县'].str.len() > 5) | (df['工作地_区县'].str.len() < 2)] = '未识别'

df['工作地_市'][df['工作地_市'].str.len() <= 1 ] = '未识别'

df['工作地_省'][df['工作地_省'].str.len() <= 1 ] = '未识别'

## 整理未识别单元格

#

df.columns = ['姓','工作地','户籍所在地_省','户籍所在地_市','户籍所在地_区县','户籍所在地_lng','户籍所在地_lat',

'工作地_省','工作地_市','工作地_区县']

print('读取数据共%i条' % len(df))

## 数据整理

shenrufeng = df[:100]

print('finished')

二, x=各姓，y= 个数 /占比 bokeh联动柱状图

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import warnings

warnings.filterwarnings('ignore')

# 不发出警告

import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']

mpl.rcParams['font.serif'] = ['KaiTi']

mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串,中文不显

import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']

mpl.rcParams['font.serif'] = ['KaiTi']

mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串,中文不显

from bokeh.plotting import figure,show,output_file

from bokeh.models import ColumnDataSource

# 导入图表绘制、图标展示模块

# 导入ColumnDataSource模块

import os

os.chdir('C:/Users/Administrator/Desktop/')

name_count = df['姓'].value_counts()

result1_01 = pd.DataFrame({'count':name_count, 'count_pre':name_count/name_count.sum()})[:20]

#result1_01.iloc[:20].plot(kind = 'bar',rot = 0,figsize = (10,6))

# bokeh出联动柱状图

from bokeh.models import HoverTool

from bokeh.layouts import gridplot

output_file("line66.html")

# 导入模块

name_lst = result1_01.index.tolist()

result1_01.index.name = 'index'

source = ColumnDataSource(result1_01)

# 创建ColumnDataSource数据

hover1 = HoverTool(tooltips=[("姓氏计数", "@count")]) # 设置标签显示内容

result1 = figure(plot_width=800, plot_height=250,x_range = name_lst,

title="中国姓氏TOP20 - 计数" ,

tools=[hover1,'reset,xwheel_zoom,pan']) # 构建绘图空间

result1.vbar(x='index', top='count', source=source,width=0.9, alpha = 0.7,color = 'red')

result1.ygrid.grid_line_dash = [6, 4]

result1.xgrid.grid_line_dash = [6, 4]

# 柱状图1

hover2 = HoverTool(tooltips=[("姓氏占比", "@count_pre")]) # 设置标签显示内容

result2 = figure(plot_width=800, plot_height=250,x_range = result1.x_range,

title="中国姓氏TOP20 - 占比" ,

tools=[hover2,'reset,xwheel_zoom,pan'])

result2.vbar(x='index', top='count_pre', source=source,width=0.9, alpha = 0.7,color = 'green')

result2.ygrid.grid_line_dash = [6, 4]

result2.xgrid.grid_line_dash = [6, 4]

# 柱状图2

p = gridplot([[result1], [result2]])

# 组合图表

show(p)

三, Excel空间柱状图 Excel空间热力图

data_wang1 = df[df['姓'] == '王']

writer = pd.ExcelWriter('C:/Users/Administrator/Desktop/wang1.xlsx')

data_wang1.to_excel(writer,'sheet1',index=False)

writer.save()

# 导出数据1

四, Echarts空间柱状图

①, 导出数据

data_wang2 = data_wang1.groupby(['户籍所在地_lng','户籍所在地_lat','户籍所在地_市'])['姓'].count()

data_wang2 = data_wang2.reset_index()

data_wang2.columns= ['lng', 'lat', 'name', 'value']

data_wang2=data_wang2[['name', 'lng', 'lat', 'value']]

writer = pd.ExcelWriter('C:/Users/Administrator/Desktop/wang2.xlsx')

data_wang2.to_excel(writer,'sheet1',index=False)

writer.save()

# 导出数据2

print('导出完成！')

②, 转成json

import pandas as pd

import os

os.chdir('C:\\Users\\Administrator\\Desktop\\') # 输入文件所在路径，例如：'C:/Users/Desktop/'

data = pd.read_excel('wang2.xlsx', sheet_name=0,header=0)

datajs = data.to_json(orient='records',force_ascii=False)

print('转换后数据为：\n',datajs)

[{"name":"信阳","lng":-1.0,"lat":-1.0,"value":14},{"name":"包头","lng":-1.0,"lat":-1.0,"value":3},{"name":"呼伦贝尔","lng":-1.0,"lat":-1.0,"value":1},——————{"name":"鸡西","lng":133.1211060726,"lat":45.9972762035,"value":10},{"name":"佳木斯","lng":133.2733283638,"lat":47.8336846866,"value":5},{"name":"双鸭山","lng":133.7292586825,"lat":47.0726285429,"value":8},{"name":"佳木斯","lng":134.296044164,"lat":47.9261051999,"value":5}]

③, 拾取中心点坐标在线地图经度纬度查询 - 经纬度查询地名|地名查询经纬度 -GPSspg​www.gpsspg.com

④, mapstyle 与mapAccessToken设置https://www.mapbox.com/​www.mapbox.com

⑤, 导出html