3.69GB全国POI数据可视化分析

import os  
import pandas as pd  
  
# 指定包含CSV文件的文件夹路径  
folder_path = 'C:\\Users\\zheyu\\Desktop\\csv'  
  
# 获取文件夹中的所有文件名  
file_names = os.listdir(folder_path)  
  
# 创建一个空的DataFrame用于存储所有CSV文件的内容  
all_data = pd.DataFrame()  
  
# 循环读取每个CSV文件并将其添加到all_data DataFrame中  
for file_name in file_names:  
    if file_name.endswith('.csv'):  
        file_path = os.path.join(folder_path, file_name)  
        data = pd.read_csv(file_path)  
        all_data = all_data.append(data, ignore_index=True)  
  
# 将合并后的数据帧写入新的CSV文件  
output_file_path = 'F:\\BaiduNetdiskDownload\\2022年3月全国POI数据\\安徽省POI数据\\china_poi.csv'  
all_data.to_csv(output_file_path, index=False)  
  
print('CSV files merged good')

import requests
import pandas as pd
headers = { "x-token": "tk922e9f478820401fb38579066ef3ce75" }

# 导入数据，使用下秒机器人存储数据，通过API调用 

response = requests.get("http://app.chafer.nexadata.cn/openapi/v1/sheet/sht21Y9sdM9CVM/records?size=13278&page=1", headers = headers)


print(response.json())

import pandas as pd  
  
# 你的文件路径  
file_path = 'C:\\Users\\zheyu\\Desktop\\全国poi.csv'  
  
# 使用pandas的read_csv函数读取csv文件  
df = pd.read_csv(file_path)  
  
df

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode

# 按城市分组计数
temp = df.groupby('省份')['大类'].count().reset_index()
temp.columns = ['省份','计数']
data_pair = [(row['省份'], row['计数']) for _, row in temp.iterrows()]
# 排序之后取top20
top_city = sorted(data_pair, key=lambda x: x[1], reverse=True)[:20][::-1]
print(top_city)

# 新建一个Bar
chart = Bar()

# 添加x轴数据
chart.add_xaxis([x[0] for x in top_city])
# 添加y轴数据
chart.add_yaxis(
    "",
    [x[1] for x in top_city],
    itemstyle_opts={  
    },
    # 标签设置
    label_opts=opts.LabelOpts(
        is_show=True,   # 显示标签
        position='insideRight',   # 显示位置
        formatter='{c}'   # 显示内容 {c}显示数值
        )
        )

chart.set_global_opts(
    title_opts=opts.TitleOpts(   # 标题设置
        title="全国保险公司最多的地区",
        subtitle='点点GIS制作'),
    xaxis_opts=opts.AxisOpts(position='top'),  # x轴位置显示在上方
    visualmap_opts=opts.VisualMapOpts(  # 视觉组件
        is_show=False,
    )
    )
# xy轴翻转
chart.reversal_axis()
chart.render_notebook()

# 导入pyecharts库的所有图表类型  
from pyecharts.charts import *  
# 导入pyecharts的options模块，并重命名为opts  
from pyecharts import options as opts  
# 从pyecharts.commons.utils模块导入JsCode类  
from pyecharts.commons.utils import JsCode  
  
# 创建一个Geo类的实例，该实例将用于构建地理热力图  
geo = Geo(  
    init_opts=opts.InitOpts(  
        # 设置主题为'walden'  
        theme='walden',  
        # 设置图表宽度为1000px  
        width='1000px',  
        # 设置图表高度为800px  
        height='800px'  
    )  
)  
  
# 为geo对象添加一个地图类型为'china'的schema  
geo.add_schema(  
    maptype="china",  
    zoom=1,  # 初始缩放级别为1   
    emphasis_label_opts=opts.LabelOpts(is_show=False),  # 设置高亮标签的显示状态为不显示  
    # 该行代码被注释掉了，itemstyle_opts是用来设置地图上点的样式的  
    #itemstyle_opts=opts.ItemStyleOpts(border_color="#1E90FF", border_width=1.2),  
)  
  
# 创建一个空的列表，用于存储名称和经度信息  
data = []  
# 通过iterrows()方法遍历DataFrame的每一行，idx是行索引，row是该行的数据  
for idx, row in df.iterrows():  
    # 为geo对象添加每个数据点的经度和纬度信息  
    geo.add_coordinate(row['名称'], row['经度'], row['纬度'])  
    # 将名称添加到data列表中，并附带一个值为1的标签  
    data.append([row['名称'], 1])  
  
# 为geo对象添加热力图，使用之前准备的数据，设置热力图的类型、是否为大图、模糊大小、点的大小等参数  
geo.add(  
    '',  
    data,  
    type_='heatmap',  
    symbol_size=1,  # 设置标记的大小为1  
    is_large=True,  # 设置是否为大图模式  
    blur_size=10,  # 设置模糊大小为10  
    point_size=3,  # 设置点的大小为3  
    itemstyle_opts={  
        'color': '#00BFFF',  # 设置点的颜色为青色  
        'opacity':0.5,  # 设置点的透明度为0.5  
        'shadowBlur': 1,  # 设置阴影大小为1  
        'shadowColor': 'rgba(0,0,0,0.5)'  # 设置阴影颜色为半透明黑色  
    },  
    label_opts=opts.LabelOpts(is_show=False),  # 设置标签的显示状态为不显示  
    tooltip_opts=opts.TooltipOpts(is_show=False),  # 设置提示框的显示状态为不显示  
)  
  
# 为geo对象设置全局配置项，包括标题、图例、视觉映射等参数  
geo.set_global_opts(  
    title_opts=opts.TitleOpts(  
        title="中国保险行业分布热力图",  # 设置标题为"中国保险行业分布热力图"  
        pos_top='3%',  # 设置标题顶部距离为3%  
        pos_left='center',  # 设置标题左侧距离为居中  
        title_textstyle_opts=opts.TextStyleOpts(color='#00BFFF', font_size=20)  # 设置标题文字的颜色和大小  
        ),  
    legend_opts=opts.LegendOpts(is_show=True, pos_left='center', pos_top='4%'),  # 设置图例的显示状态和位置  
    visualmap_opts=opts.VisualMapOpts(  
        is_show=False,  # 设置视觉映射的显示状态为不显示  
        max_=2,  # 设置视觉映射的最大值为2  
        series_index=0,  # 设置视觉映射对应的系列索引为0  
        range_color=['blue', 'blue', 'green', 'yellow', 'red']  # 设置视觉映射的颜色范围为蓝色到红色  
        ),  
)  
  

prov_count = list(dict(df['省份'].value_counts()).items())
prov_count=[(x, int(y)) for x, y in prov_count]
map_chart = Map()
map_chart.add('',
              data_pair=prov_count,
              maptype='china',
              # 关闭symbol的显示
              is_map_symbol_show=False,
              is_roam=False,
              label_opts=opts.LabelOpts(is_show=False),
              tooltip_opts=opts.TooltipOpts(is_show=True, formatter='{b}: {c}所'),
              itemstyle_opts={'opacity':0}
              )

grid = Grid(init_opts=opts.InitOpts(theme='walden', width='980px', height='800px'))

grid.add(geo, is_control_axis_index=False, grid_opts=opts.GridOpts())
grid.add(map_chart, is_control_axis_index=False, grid_opts=opts.GridOpts())

grid.render_notebook()
# 将pandas DataFrame的省份列的值进行计数，得到每个省份的数量，然后将结果转化为列表  
prov_count = list(dict(df['省份'].value_counts()).items())  
  
# 对上面的列表进行处理，将每个元素转化为(省份名, 数量)的形式，方便后续使用  
prov_count=[(x, int(y)) for x, y in prov_count]  
  
# 创建一个地图对象  
map_chart = Map()  
  
# 添加数据到地图对象，数据对为prov_count，地图类型为中国，关闭symbol的显示，不进行漫游，关闭标签，设置tooltip格式，设置地图样式为不透明  
map_chart.add('',  
              data_pair=prov_count,  
              maptype='china',  
              # 关闭symbol的显示  
              is_map_symbol_show=False,  
              is_roam=False,  
              label_opts=opts.LabelOpts(is_show=False),  
              tooltip_opts=opts.TooltipOpts(is_show=True, formatter='{b}: {c}所'),  
              itemstyle_opts={'opacity':0}  
              )  
  
# 创建一个网格对象，初始化参数设置主题为'walden'，宽为'980px'，高为'800px'  
grid = Grid(init_opts=opts.InitOpts(theme='walden', width='980px', height='800px'))  
  
# 在网格中添加geo对象（可能是一个地理信息对象），不作为控制轴索引，设置网格参数  
grid.add(geo, is_control_axis_index=False, grid_opts=opts.GridOpts())  
  
# 在网格中添加刚刚创建的地图对象，不作为控制轴索引，设置网格参数  
grid.add(map_chart, is_control_axis_index=False, grid_opts=opts.GridOpts())  
  
# 在Jupyter notebook中渲染网格，可能将地图和geo对象在网格中呈现出来  
grid.render_notebook()