python根据json数据画疫情分布地图_json全国疫情数据

结果是


![](https://img-blog.csdnimg.cn/33f6f6e24c7e4580baa2caa362f04931.png)


这里有个问题


![](https://img-blog.csdnimg.cn/104d19800f2b45539f125a5f6085c289.png) 


 is\_show=True表示展示图例，但是不准怎么办？  
 这就需要手动校准范围

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map=Map()
data=[
(“北京”,99),
(“上海”,199),
(“湖南”,299),
(“台湾”,199),
(“安徽”,299),
(“广州”,399),
(“湖北”,599)
]
map.add(“地图”,data,“china”)
map.set_global_opts(
visualmap_opts=VisualMapOpts(
is_show=True,
is_piecewise=True,
pieces=[
{“min”: 1, “max”: 9, “label”: “1-9人”, “color”: “#CCFFFF”},
{“min”: 10, “max”: 99, “label”: “10-99人”, “color”: “#FFFF99”},
{“min”: 100, “max”: 499, “label”: “100-499人”, “color”: “#FF9966”},
{“min”: 500, “max”: 999, “label”: “500-999人”, “color”: “#FF6666”},
{“min”: 1000, “max”: 9999, “label”: “1000-9999人”, “color”: “#CC3333”},
{“min”: 10000, “label”: “10000以上”, “color”: “#990033”},

    ]

)

)
map.render(“1.html”)

结果是


 ![](https://img-blog.csdnimg.cn/667705f068964f39aa7d90bf931a1d30.png)


 这样就可以了


再解释一下颜色的设置


![](https://img-blog.csdnimg.cn/7530af6714a045bb9bbc011133e7bf06.png)


 ![](https://img-blog.csdnimg.cn/7bd75a50d5d040f589b91fb3810281d9.png)


这样就可以查询相应的颜色


## 二.疫情地图——国内疫情地图


### 1.案例效果


![](https://img-blog.csdnimg.cn/66bf377293bd47d5a9a460dcc6421b33.png)


演示


![](https://img-blog.csdnimg.cn/06e7e00c4c444f7b9a5bab4706f13906.png)


 利用json在线在线解析工具可以看到


![](https://img-blog.csdnimg.cn/6d3da133deda47ac84220adf442aa79e.png)


 那么我们就可以知道该怎么去提取

#从字典中取出省份数据
province_data_list=data_dict[“areaTree”][0][“children”]

### 代码

import json
from pyecharts.charts import Map
from pyecharts.options import *
#读取文件
f=open(“D:/疫情.txt”,“r”,encoding=“utf-8”)
data=f.read()
#关闭文件
f.close()
#获取各省数据
#将字符串json转化为python的字典
data_dict=json.loads(data)
#从字典中取出省份数据
province_data_list=data_dict[“areaTree”][0][“children”]
#组装每个省份和确诊人数为元组，并各个省的数据都封装如列表
data_list=[]#绘图需要用到数据列表
for province_data in province_data_list:
province_name=province_data[“name”]#省份名称
province_confirm=province_data[“total”][“confirm”]#确诊人数
data_list.append((province_name,province_confirm))#这里注意列表里面嵌套的是元组
print(f"{type(data_list)}\n{data_list}")

#创建地图对象
map=Map()
#添加数据
map.add(“各省份确诊人数”,data_list,“china”)
#设置全局配置，定制分段到1视觉映射
map.set_global_opts(
title_opts=TitleOpts(“全国疫情地图”,pos_left=“center”,pos_bottom=“1%”),
visualmap_opts=VisualMapOpts(
is_show=True,#是否显示
is_piecewise=True,#是否分段
pieces=[
{“min”: 1, “max”: 9, “label”: “1-9人”, “color”: “#CCFFFF”},
{“min”: 10, “max”: 99, “label”: “10-99人”, “color”: “#FFFF99”},
{“min”: 100, “max”: 499, “label”: “100-499人”, “color”: “#FF9966”},
{“min”: 500, “max”: 999, “label”: “500-999人”, “color”: “#FF6666”},
{“min”: 1000, “max”: 9999, “label”: “1000-9999人”, “color”: “#CC3333”},
{“min”: 10000, “label”: “10000以上”, “color”: “#990033”},

    ]

)

)
map.render(“全国疫情地图.html”)

结果是


![](https://img-blog.csdnimg.cn/a7b23b18dd7c4c62a24ac978dcabea1c.png)



## 三.疫情地图——省级疫情地图


以河南省为例


![](https://img-blog.csdnimg.cn/9a64a4ed68344131bb22b4aa70c2da20.png)


代码

import json
from pyecharts.charts import Map
from pyecharts.options import *

f=open(“D:/疫情.txt”,“r”,encoding=“utf-8”)
data=f.read()
#关闭文件
f.close()
#json数据转化为python字典
data_dict=json.loads(data)
#取到河南省数据
cities_data=data_dict[“areaTree”][0][“children”][3][“children”]
#准备数据为元组并放入list
data_list=[]

for city_data in cities_data:
city_name=city_data[“name”]+“市”
city_confirm=city_data[“total”][“confirm”]
data_list.append((city_name,city_confirm))
#构建地图
map=Map()
map.add(“河南省疫情分布”,data_list,“河南”)
#设置全局选项

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！