总是看到网上有各种各样的可以用地图来展示某一地区的情况，如GDP的增速、人口的变化等，于是就想想这个问题是否能用python来实现，经查阅资料发现，用python来画地图其实也并不难，做好数据和地图的关联就可以实现。
一、项目准备
使用python画地图，需要安装pyecharts库和tushare库，所以得先下载安装，安装方法也比较简单，语句为：
pip install pyecharts
pip install tushare
二、项目目标
在tushare里，有关于疫情的另类数据，本次就通过使用该数据来学习如何画地图，由于数据中包含有世界范围数据和国内的数据，因此本次画地图主要是利用上述数据画世界地图和中国地图。
三、项目过程
（一）数据获取
（1）世界数据
对于世界级数据，tushare给出的接口是ncov_global，具体地址和详细参数解释可以查看网站https://tushare.pro/document/2?doc_id=213
import tushare as ts
pro=ts.pro_api('*****************************************')#这里是要token的，不是全***
dtw=pro.ncov_global()
dtw
可以看到，拿的数据有10000条，世界上的国家个数也还不到200，有这么多数据的原因在于每个国家在多个日期都有发布更新数据，所以我们需要拿到最后的更新的每个国家的数据。通过查看数据列，发现有个publish_date,即发布日期，我们就以最后这一天的发布数据为准，获取各国的对应数据。这个数据也比较旧了，最后一个日期是2020年6月19日的，后续一直没有更新。
（2）中国数据
对于国内数据，tushare给出的接口是ncov_num，具体地址和详细参数解释可以查看网站https://tushare.pro/document/2?doc_id=202
对于中国的省级数据，首先根据接口定义中将level值设定为3，表示获取省级层面数据，日期范围可以先暂定为2020年3月1日到2020年3月22日。
import tushare as ts
pro=ts.pro_api('***********************************')
dtc=pro.ncov_num(start_date='20200301',end_date='20200322',level=3)
dtc
国内的数据则在2020年3月22日就停止更新了，因此需要获取在这个日期前的每个省的对应数据。
（二）数据整理
从获取到的数据可以发现，无论是在世界数据方面还是在中国数据方面，应该都存在有大量的冗余数据，我们所需要做的是保留最后一次更新的数据。
（1）世界数据
对于世界级数据，去除多余数据的思路比较清晰，直接提取publish_date为20200619那天的数据就好，于是拿到了197条数据。
dtw.loc[dtw.publish_date=='20200619']
然而，后续在画图时发现数据存在问题，经过检验后发现，这一天的数据里，还存在有多个中国地区的数据，所以需要将其再次删除，只保留国家层面的数据。
dtw.loc[dtw.publish_date=='20200619'][dtw.country=='中国']
在中国的数据里，很明显，province这一列是和country这一列不相同的，而所有国家层面数据在这两列上都相同。因此，相应的操作是：
dtw=dtw.loc[dtw.publish_date=='20200619']
dtw=dtw.loc[dtw.country==dtw.province]
dtw
最终，拿到了190条数据。
（2）中国数据
对于中国数据，我们可以再原数据的基础上删除那些重复的数据，仅保留最后一次出现的数据。
dtc=dtc.drop_duplicates(['area_name'],keep='last')
dtc
最后，我们拿到了29条数据。
（三）绘制地图
（1）基本思路
在有了数据后，绘制地图就简单多了。绘制地图需要的是pyecharts库中的map类，该方法的参数设置请参照库文档。
Map类首先有个实例化方法，主要是对地图的基本参数进行设置，比如地图大小。
之后是.add方法，主要是给地图添加数据关联，这里对于国家和数据的关联，是需要建立数据对的，一般通过zip方式将两个列表进行构建。
再是地图的相关设置，主要是对图例、标签等进行相关设置。
最后是.render方法，主要是生成对应地图的网页。
大概框架如下：
tu=(
Map()
.add()
.render()
)
（2）生成数据对
从数据中可以看到，感染人数是confirmed_num，国家名是country_enname，地区名是area_name，分别将其取出，然后构建数据对。数据对格式是：[国家名,数据]
m0=list(dtw.confirmed_num)
n0=list(dtw.country_enname)
m1=list(dtc.confirmed_num)
n1=list(dtc.area_name)
z1=[list(i) for i in zip(n0,m0)]
z2=[list(i) for i in zip(n1,m1)]
（3）画世界地图
k = (
Map(init_opts=opts.InitOpts(width="1440px",height='900px'))
.add("新冠疫情感染人数",z1,"world",is_map_symbol_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="地图绘制第一例"))
.set_global_opts(
title_opts=opts.TitleOpts(title="世界地图"),
visualmap_opts=opts.VisualMapOpts(min_=1,max_=100000),
)
.render("first.html")
)
世界地图很快就出来了，但很奇怪的是，美国这个国家居然不是红色的，而且也没有数据，后面通过对比其国家名才发现，原来在数据中，美国的英文名称是United States of America，而在地图上，美国的名称是United States，所以二者对不上，造成美国没有被关联上。于是对数据进行再次修改。
dtw.loc[dtw.country=='美国','country_enname']='United States'
重新关联并生成地图：
这下美国就没有逃脱了。但要吐槽一下，这个地图的质量还是不高，有些国家名称的位置都是错误的，比如新西兰。
（4）画中国地图
画中国地图的时候也遇到了和美国一样的问题，发现在地图上，每个省的名称都只有两个字，而在做数据对的时候，是按省、市、自治区的全名来写的，所以要对数据进行重新配对。发现除了内蒙古和黑龙江外，其他的都是只有两个字符，于是把每个地区名重新做了设置。
dtc.index=range(0,len(dtc))#因删除了数据，需要重置索引
for i in range(len(dtc)):
if dtc.loc[i,'area_name'][:2]=='内蒙':
dtc.loc[i,'area_name']='内蒙古'
elif dtc.loc[i,'area_name'][:2]=='黑龙':
dtc.loc[i,'area_name']='黑龙江'
else:
dtc.loc[i,'area_name']=dtc.iloc[i]['area_name'][:2]
调整代码画中国地图：
k = (
Map(init_opts=opts.InitOpts(width="1440px",height='900px'))
.add("新冠疫情感染人数",z2,"china",is_map_symbol_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="地图绘制第二例"))
.set_global_opts(
title_opts=opts.TitleOpts(title="中国地图"),
visualmap_opts=opts.VisualMapOpts(min_=1,max_=500),
)
.render("second.html")
)
四、尾声
地图是画完了，感觉用pyecharts画的地图还是很粗糙，希望以后能够更精确一点，更美观一些。