Python pyecharts怎么绘制的交通拥堵情况地图

这篇文章主要讲解了"Python pyecharts怎么绘制的交通拥堵情况地图"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"Python pyecharts怎么绘制的交通拥堵情况地图"吧！

一、爬取拥堵指数

某度智慧交通提供了各个城市的拥堵指数的数据，我们只需要通过几行代码便可轻松抓取：

# 获取各城市的拥堵指数  url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api  res = requests.get(url)  data = res.json()

其中，url为获取数据的接口地址，通过简单的抓包分析便能知道。而data为返回后的数据，它包括很多字段，但是我们只需要提取其中的城市名和拥堵指数即可：

# 提取数据  citys = [i['cityname'] for i in data['data']['list']] # 提取城市  indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数

有了数据，接下来我们就可以将其可视化展示出来。

二、数据可视化

利用可视化神器pyecharts库绘制地图，并将城市以及对应的拥堵指数表示出来。其安装如下：

pip install pyecharts

部分版本需要再安装额外的地图库，方法如下：

pip install echarts-countries-pypkg  pip install echarts-cities-pypkg  pip install echarts-china-provinces-pypkg   pip install echarts-china-cities-pypkg

首先定义地图：

geo = Geo()  geo.add_schema(maptype = 'china') # 加入中国地图

添加数据并进行相关设置：

geo.add('各城市拥堵指数', zip(citys,indexs), type_ = 'effectScatter') # 设置地图类型及数据  geo.set_series_opts(label_opts = opts.LabelOpts(is_show = False))  #设置是否显示标签

根据拥堵指数的大小进行分类，分别为畅通、缓行、拥堵、严重拥堵：

geo.set_global_opts(visualmap_opts = opts.VisualMapOpts(                      #max_ = 2.5, # 用于连续表示                      is_piecewise = True, # 是否分段                      pieces = [{'min':1.0,'max':1.5,'label':'畅通','color':'#16CE95'},                                {'min':1.5,'max':1.8,'label':'缓行','color':'#F79D06'},                                {'min':1.8,'max':2.0,'label':'拥堵','color':'#D80304'},                                {'min':2.0,'max':2.5,'label':'严重拥堵','color':'#8F0921'}])) # 设置图例显示

最后将地图保存在本地：

geo.render(path='各城市拥堵指数.html')

到这里，我们就得到了文章一开始看到的那张图~

然而，由于拥堵数据是实时变化的，如果我每次都要去运行一次代码岂不是很麻烦？

很显然，机智的社会主义青年是不会这么做的，您接着往下看。

三、搭建展示网站

为了更加方便地将各城市拥堵情况展示出来，我决定搭建一个用于展示的网站。

代码中，get_geo()为获取地图的函数，返回了pyecharts绘制的地图。在当前目录下创建templates文件夹，并创建模块文件geo.html，如下：

                            {      {mygeo|safe}}      

感谢各位的阅读，以上就是"Python pyecharts怎么绘制的交通拥堵情况地图"的内容了，经过本文的学习后，相信大家对Python pyecharts怎么绘制的交通拥堵情况地图这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！