来源：数据STUDIO
作者：云朵君
Pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒，pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。
Pyecharts绘制地图如此轻松，几行代码搞定多种形式的数据地图。
首先需要安装python第三方包 -- pyecharts， 目前最新版本为1.8.1。
pip install pyecharts
自从 v0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts项目的轻量化运行，pyecharts将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。下面介绍如何安装。
选择自己需要安装地图相关的扩展包。
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg
pip install echarts-china-misc-pypkg
pip install echarts-united-kingdom-pypkg
可以选择豆瓣源或清华源加速安装。
pip install pyecharts -i http://pypi.douban.com/simple
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg
pyecharts版本 v0.5.x 和 v1 间不兼容，v1 是一个全新的版本，语法也有很大不同。
查看pyecharts版本。
import pyecharts print(pyecharts.__version__)
做好准备后，就可以开始绘图了。如果你是新手，对pyehcarts还有些陌生，可以参见官方5分钟上手:
Pyehcarts共有有四种地理图表，
以星巴克门店在全球的分布为例。本例数据来源Kaggle星巴克数据：https://www.kaggle.com/starbucks/store-locations
数据样例：
from pyecharts.charts import Map from pyecharts import options as opts from pyecharts.globals import ThemeType, CurrentConfig
CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/' # 参考 https://github.com/pyecharts/pyecharts-assets df = starbuck['English']
data = df.value_counts()
datas = [(i, int(j)) for i, j in zip(data.index, data.values)] # 实例化一个Map对象 map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION)) # 世界地图 map_.add(series_name="门店数量", data_pair=datas, maptype="world") # 设置系列配置项 map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示label # 设置全局配置项 map_.set_global_opts(
title_opts=opts.TitleOpts(title="星巴克门店数量在全球分布",
pos_left='40%',
pos_top='10'), # 调整title位置 legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(
max_=13608,
min_=1,
is_piecewise=True,
pieces=[{"max": 9, "min": 1, "label": "1-9", "color": "#00FFFF"},
{"max": 99, "min": 10, "label": "10-99", "color": "#FF69B4"},
{"max": 499, "min": 100, "label": "100-499", "color": "#0000FF"},
{"max": 999, "min": 500, "label": "500-999", "color": "#00BFFF"},
{"max": 2000, "min": 1000, "label": "1000-2000", "color": "#228B22"},
{"max": 3000, "min": 2000, "label": "2000-3000", "color": "#FF0000"},
{"max": 20000, "min": 10000, "label": ">=10000", "color": "#FFD700"}
] # 分段 添加图例注释和颜色 )
) # 渲染在网页上 有交互性 map_.render('星巴克门店在全球的分布.html')
输出
1、创建实例
Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))
创建实例并初始化配置。
可配置图表宽度、高度、渲染风格、标题、主题、背景颜色等，详情参见下面连接
https://pyecharts.org/#/zh-cn/global_options?id=initopts：初始化配置项
theme： pyecharts内置提供了10+ 种不同的风格, 参见
https://pyecharts.org/#/zh-cn/themes
2、添加数据
.add()添加了数据。
3、设置系列配置项
.set_series_opts()
https://pyecharts.org/#/zh-cn/series_options
除了在.add()中设置部分配置项外，就是使用.set_series_opts()配置图元样式、文字样式、标签样式、点线样式等。
4、设置全局配置项
.set_global_opts() 配置标题、动画、坐标轴、图例等。
https://pyecharts.org/#/zh-cn/global_options
本实例中：
5、生成的地图以html格式保存
.render()将生成的地图以html格式保存。
Geo 图类型，使用type_: str = "scatter" 参数控制。
有 scatter, effectScatter, heatmap, lines4 种。
from pyecharts.globals import GeoType GeoType.GeoType.EFFECT_SCATTER，GeoType.HEATMAP，GeoType.LINES
1、动态涟漪散点图 effectScatter
V1 版本开始支持链式调用。
数据样例：
import pandas as pd from pyecharts.globals import ThemeType, CurrentConfig, GeoType from pyecharts import options as opts from pyecharts.charts import Geo
CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/' # pandas读取csv文件数据 df = pd.read_csv('directory2.csv', encoding='utf-8')['城市']
data = df.value_counts() #自定义各城市的经纬度 # geo_cities_coords = {df.iloc[i]['城市']:[df.iloc[i]['经度'],df.iloc[i]['纬度']] for i in range(len(df))} datas = [(i, int(j)) for i, j in zip(data.index, data.values)]
print(datas)
geo = (Geo(init_opts=opts.InitOpts(width='1000px',
height='600px',
theme=ThemeType.PURPLE_PASSION),
is_ignore_nonexistent_coord = True)
.add_schema(maptype='china',
label_opts=opts.LabelOpts(is_show=True)) # 显示label 省名 .add('门店数量',
data_pair=datas,
type_=GeoType.EFFECT_SCATTER,
symbol_size=8,
# geo_cities_coords=geo_cities_coords )
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title='星巴克门店在中国的分布'),
visualmap_opts=opts.VisualMapOpts(max_=550,
is_piecewise=True,
pieces=[
{"max": 50, "min": 0, "label": "0-50", "color": "#708090"},
{"max": 100, "min": 51, "label": "51-100", "color": "#00FFFF"},
{"max": 200, "min": 101, "label": "101-200", "color": "#FF69B4"},
{"max": 400, "min": 201, "label": "201-400", "color": "#FFD700"},
{"max": 800, "min": 600, "label": "600-800", "color": "#FF0000"},])
)
)
geo.render("星巴克门店在中国的分布.html")
输出
Geo新增坐标点# 新增一个坐标点
.add_coordinate(
# 坐标地点名称
name: str,
# 经度
longitude: Numeric,
# 纬度
latitude: Numeric, )
# 新增 json 文件格式的坐标数据
.add_coordinate_json(
# json 文件格式的坐标数据
# 格式如下
# {
# "阿城": [126.58, 45.32],
# "阿克苏": [80.19, 41.09]
# }
json_file: str # 坐标文件路径
)
2、热力图heatmapfrom pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/'
# pandas读取csv文件数据
df = pd.read_csv('directory2.csv', encoding='utf-8')['城市']
data = df.value_counts()
datas = [(i, int(j)) for i, j in zip(data.index, data.values)]
print(datas)
geo = (
Geo(init_opts=opts.InitOpts(width='1000px',
height='600px',
theme=ThemeType.DARK),
is_ignore_nonexistent_coord=True)
.add_schema(maptype="china") #maptype选择地图种类
.add(series_name="门店数量", # 系列名称
data_pair=datas, # 数据项 (坐标点名称，坐标点值)
blur_size=20,
symbol_size= 5,
type_=ChartType.HEATMAP #类型选为热力图
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(max_=800,is_piecewise=True),
title_opts=opts.TitleOpts(title="星巴克门店在中国的分布热力图"))
)
geo.render( '星巴克门店在中国的分布热力图.html')
输出
3、动态轨迹图lines
pyecharts可以生成地理空间流动图，用来表示航班数量、人口流动等等。
from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.faker import Faker from pyecharts.globals import ChartType, SymbolType, CurrentConfig import random
datas = [] for _ in range(6):
datas.append(tuple(random.sample(Faker.provinces, 2)))
CurrentConfig.ONLINE_HOST = 'C:/python/pyecharts-assets-master/assets/' geo = (
Geo(init_opts=opts.InitOpts(width='1000px',
height='600px',
theme=ThemeType.CHALK))
.add_schema(
maptype="china",
itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),
label_opts=opts.LabelOpts(is_show=True)
)
.add(
"",
[list(z) for z in zip(Faker.provinces, Faker.values())],
type_=ChartType.EFFECT_SCATTER,
color="white",
)
.add(
"出差",
data_pair = datas,
type_=ChartType.LINES,
effect_opts=opts.EffectOpts(
symbol=SymbolType.DIAMOND, symbol_size=6, color="blue" ),
linestyle_opts=opts.LineStyleOpts(curve=0.2),
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="动态轨迹图"))
.render("动态轨迹图.html")
)
输出
如果需要再添加一个其他类别的动态轨迹，只需在链式中添加：
.add('旅游',
[('上海','拉萨'),('拉萨','大理'),('大理','成都'),('成都','海口')],
type_=ChartType.LINES,
effect_opts=opts.EffectOpts(
symbol=SymbolType.ARROW, symbol_size=6, color="orange"),
linestyle_opts=opts.LineStyleOpts(curve=0.5)
)
输出如下，可以点击图例来筛选类别。
这边用到两个配置项：
4、三维地图
from pyecharts import options as opts from pyecharts.charts import Map3D from pyecharts.globals import ChartType from pyecharts.commons.utils import JsCode
c = (
Map3D(init_opts=opts.InitOpts(width='1000px',
height='600px',
theme=ThemeType.VINTAGE))
# 地图类型 .add_schema(
itemstyle_opts=opts.ItemStyleOpts( # 图形的颜色 color="#00BFFF", # 或 'rgb(128, 128, 128)' opacity=1, # 图形透明度 border_width=0.8, # 描边宽度 border_color="#708090", # 描边颜色 ),
# Map3D 的 Label 设置 map3d_label=opts.Map3DLabelOpts(
is_show=False,
formatter=JsCode("function(data){return data.name + " " + data.value[2];}"),
),
# 高亮标签配置项 emphasis_label_opts=opts.LabelOpts(
is_show=False,
color="#fff",
font_size=10,
background_color="rgba(0,23,11,0)",
),
# 光照相关的设置。 light_opts=opts.Map3DLightOpts(
main_color="#fff",
main_intensity=1.2,
main_shadow_quality="high",
is_main_shadow=False,
main_beta=10,
ambient_intensity=0.3,
),
)
.add(
series_name="门店数量",
data_pair=datas,
# 叠加图的类型 type_=ChartType.BAR3D,
bar_size=1,
# 三维地图中三维图形的着色效果。 shading="lambert",
label_opts=opts.LabelOpts(
is_show=False,
formatter=JsCode("function(data){return data.name + ' ' + data.value[2];}"),
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="星巴克门店在中国的分布3D图"))
.render("map3d_with_bar3d.html")
)
输出
本例中的主要参数说明：
.add_schema()
地图类型设置，参考pyecharts.datasets.map_filenames.json 文件
.add()
5、Globe地图
数据来源是pyecharts自带的全球人口数据。
import pyecharts.options as opts from pyecharts.charts import MapGlobe from pyecharts.faker import POPULATION from pyecharts.globals import ThemeType
data = [x for _, x in POPULATION[1:]]
low, high = min(data), max(data)
c = (
MapGlobe(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add_schema()
.add(
maptype="world",
series_name="World Population",
data_pair=POPULATION[1:],
is_map_symbol_show=False,
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(
min_=low,
max_=high,
range_text=["max", "min"],
is_calculable=True,
range_color=["lightskyblue", "yellow", "orangered"],
)
)
.render("map_globe_base.html")
)
输出
本文到此结束，总体来说Pyecharts地图绘图还是比较友好，在不需要多么炫酷的配置前提下，只需要将输入数据格式和类型弄清楚，其余默认配置即可。
对地图样式有一定要求时，只需要根据官网上的配置信息调整全局配置项和系列配置项即可。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
一、问题：为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑：表里的主键 ID 是自增的，删了中间几行数据之后，ID 变 ...
2026-10-22一、问题场景：为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时，经常遇到这种需求：同一张表或同一个聚合子查询，要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理，大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”，真正要解决的不是知识清单不够长，而是时间有限、业务催得紧，学完却用不上。更有效的路径是：先用 ...
2026-10-22内容营销岗位的核心任务，不是“把文案写得更漂亮”，而是围绕目标受众，用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多，难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列，不如先看岗位任务：客户分层与维 ...
2026-10-22理财经理的知识结构，可以先用一句话概括：合规与产品知识决定“不出错”，客户经营与资产配置决定“够不够专业”，市场研判与数 ...
2026-10-22经济学背景做数据分析，优势不在工具，而在问题意识：供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要，但要把“需要”理解准确。经济学本身就在处理数据：GDP、物价、就业、企业营收、问卷调研，都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能，它至少由三层构成：把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升，先补的不是更多模型，而是让结论可复核的底层能力。按任务顺序，大致是四层：财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”，指换到不同机构、不同行业组仍用得上的底层能力，而非某家公司内部系统的操作经验。按任务拆，日常要 ...
2026-10-22先给结论：数据分析证书不是金融分析师的准入条件，招聘方也不会因为一张证书就直接判断你能做分析。要不要考，取决于你当前任务 ...
2026-10-22金融分析师的核心技能，不是“会看K线”或“会讲宏观”，而是能把一家公司、一个行业或一类资产，转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升，不是把需求文档、原型、SQL、数据分析、项目管理都学一遍，而是先对准目标岗位的真实任务，找出自己最缺的 ...
2026-10-22产品专员提升工作知识，最有效的方式不是先囤课程，而是围绕日常交付的四件事来补：需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力，常见误区是先把Excel、SQL、Python列成一张学习清单，然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升，最怕从“课程目录”出发：今天学增长模型，明天背SQL语法，学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对；影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力，不是“会写SQL”或“会用BI工具”这么简单。更准确地说，是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
