地图——基于python的gis开发与应⽤
新冠病毒疫情地图、GIS和Qt平台
这是沁园春⾥最难的、最核⼼的部分。没有地图，GIS是玩不转的。没有基⽯，如何能建起⾼楼？地图就是gis的基⽯。我的论⽂要义是基于python做gis，所以python成了我的制图⼯具。⽽python是⼀个神奇的语⾔，它的开发者为它和它的忠实编程粉丝设计和开发了各式各样的python包和python库，就只谈制做地图这⽅⾯的包和库就有好⼏种，⽐如matplotlib、folium、basemap、pyplot、cartopy等等。我前⾯也提到了，python 2.X版本在2020年被停⽌维护和升级，⽽作为python 2.X的殉葬品，basemap等包也得不到更新。但是中国⼈⾃⼰研发的pyecharts是开发地图的神器，适⽤于python任何版本⾥，并且我⽤的是python 3.8版本，所以我就⽤它来完成这次的地图制作项⽬。
Pyecharts制作出来的东西是可视化的、有交互性的。Pyecharts输出格式⽬前所知只有两种：分别为html格式和png格式。但是Pyecharts的交互性只能体现在HTML上，⽆法将交互性引⽤到图⽚中，因此pyecharts可以和⼀些web框架联动，这是后话，暂且不在这⾥谈。
另话：制作地图除了像我这样以外，还可以调⽤API来做。像百度地图、⾼德地图等地图制作公司都有相关地图制作开发开放平台，是地图爱好者等⼈的天堂。有了这些API，就可以把python的地图包给省下了，但是要导⼊urllib包、requests包等跟爬⾍相关的包，⽽且这个制图⽅式重点不在python⾝上，⽽是
HTML修改上。所以我没有选择这个⽅法，这个⽅法⽆法体现gis是基于python上。
这⼀步虽说是制作地图，其实不然，地图的制作早就被pyecharts的开发⼈员给做好了，我只需要调⽤它即可，然后再给它附上数据，这就成为了我独创独有的地图。
python怎么读取桌面上的文件
我学到两种制图⽅法，但皆有缺点：
其⼀，运⽤爬⾍去爬数据，然后直接调⽤在地图上显⽰。
第⼀步跟爬数据是⼀样的，到⽹站，写下数据包装函数（只写部分重要处）：
def catch_cn_disease_dis():
第⼆步调⽤pyecharts的地图函数画出地图并把爬来的数据对应地合在地图上：
def map_cn_disease_dis() -> Map:
Map().title_opts 是给地图命名，设置标题。
Map().visualmap_opts 是给地图整理格式，可以设置最⼤数据范围。
最后⼀步，把地图输出：
Map_cn_disease_dis().render()
render()是pyecharts的输出函数，只可输出pyecharts已设计好的⽹页、图⽚或是notebook（⽐如Jupyter Notebook、Jupyter Lab和Nteract）输出结果。
结果如下图4.14所⽰（该⽰例显⽰的病毒感染状态时间是2020年4⽉30⽇）：
图4.14 疫情地图20200430
可以不⽤再写爬数据的代码，但缺点是：当天只能爬当天的数据，之前的数据⼀概爬不到，⽽且我也不可能天天爬。
其⼆，直接读电脑⾥的相关数据⽂件，与地图相合。
第⼀步，除了pyecharts，还要导⼊pandas。Pandas也是⼀个神奇的包。我的数据是存在excel⾥的，⼀般python调⽤excel的数据需要下好⼏个包，⽽且还要根据excel版本不⼀样下对应版本的包。Pandas⼀下⼦就把这些琐碎的杂事解决了，pandas有⼀个excel读取函数，⽆论excel⽂件后⾯点缀是.xlsx还是.xls，皆可以读取调⽤。这个函数是read_excel（），如果被调⽤的excel⾥有多个页表，就需要在该函数内标明是哪个页表，⽤sheet_name=’ ‘来表⽰。以我的代码为例，如下：
data = ad_excel(‘G:/pycharm/Spider/疫情历史数据（个⼈整理，⾮官⽅提供）/疫情数据2019年12⽉.xlsx’,
sheet_name = ‘2019-12-31’ )    #导⼊数据
这个意思是读取G盘⾥pycharm/Spider/疫情历史数据（个⼈整理，⾮官⽅提供）这个⽂件夹⾥的名为“疫情数据2019年12⽉”的excel ⽂件中的名为‘2019-12-31’的页表，因为我在这个excel⽂件⾥设置了很多页表，需要单独提出，不然默认读取的是第⼀个页表或者读取会出错。
第⼆步，将读取的数据转换为⼆元的列表，即和pyecharts⾥地图数据格式相吻合。该列表代码如下所⽰：
List1 = list(zip(data[‘province’], data[‘confirmed’]))  #将数据转换成⼆元的列表
我这个excel表⾥有两列，我分别命名为‘province’和‘confirmed’，分别代表中国的省份和各⾃省份确诊⼈数。我就需要这两列数据来做⽂章、做地图、做GIS。
这第三步跟之前的其⼀的第⼆部类似，调⽤Map()⾥的set_global_opts()函数，给地图设置标题、设置数据范围。然后再使⽤add函数添加地图数据和地图类型。如果可以，在做这步之前最好先创建⼀个地图对象，这样做不怎么会出差错。
最后再⽤render()函数输出结果。结果如下图4.15所⽰（该⽰例显⽰的疫情时间是2019年12⽉31⽇）：
图4.15 疫情地图20191231
我⽤这个⽅法连续做了⼀百五⼗多个，从2019年12⽉1⽇到2020年4⽉30⽇。
这个⽅法的缺点是：⽆法做到批量化，做这么多张地图，要⼀个⼀个地输⼊excel⽂件名，任务量⾮常
重，且这么做容易出错。
⽬前我没有到解决这个缺点的办法。
其实做到这⾥我就已经完成了我的任务。那些疫情地图基本上算是GIS，属于较简单的。我之前也说了，GIS是数据上的地图。我把数据镶嵌在地图⾥并显⽰出来，就已经做出了⼀个GIS。
但是我不满⾜，我觉得要⽤⼀个东西来衬托它，就像⽤盘⼦来托住⽠果菜蔬。GUI成了我的⾸选。我思来想去，我决定使⽤Qt，虽然这是⼀个C++编程软件，但它和python有联系、有关联，⽽且在python中可⽤GUI编程⾥Qt是最为出众、最受编程者的欢迎，所以我选择了它来制作我的GUI。
Qt制作GUI我在前⾯讲过，这⾥就不重复了。但是我不仅仅是把html⽹页嵌⼊到GUI⾥，我想做⼀个界⾯，⼀个可以直接看不⽌⼀个疫情地图的界⾯。这样就不仅仅是在Qt⾥拖动⼏个组件那么简单，⽽是需要再加⼊信号与槽。信号（Signal）就是⼀种通告，⼀种需要在特定情况下被发射（emit）的通告；⽽槽（Slot）则是对那些信号响应的函数。槽本质上就是⼀个函数，所以它就可以被调⽤。但是槽函数和其他函数不⼀样的地⽅是：槽函数是可以与其中⼀个信号相互关联，所以当发射某个信号那个刹那，与此相关联的对应槽函数会被⾃动执⾏。
别的话不多说了，我直接上图。在Qt⾥除⾮⽤到⾮常复杂的界⾯，不然只需简单操作即可获得⼀般界⾯。如下图4.16：
图4.16 桌⾯疫情界⾯
这张图是⼀个显⽰2020年1⽉1⽇到10⽇疫情地图界⾯的截图。
这个⽅法的短板显露出来了。⽤这个界⾯不能放⼊超过10个HTML页⾯，不然界⾯会⾃动闪退，⽽且如果多次运⾏，电脑会直接⿊屏。我上⽹查资料，发现这个现象被称为“堆栈溢出”，解决的办法涉及到多线程。我觉得好复杂，不如先设置⼀个总界⾯，上⾯有多个按钮，分别对应不同时间段，只是觉得这样做不美观就放弃了，我还是决定另辟蹊径。
Timeline是时间线的意思。Pyecharts的时间线设定仿佛是为了我的需求⽽诞⽣的。我放⼀张pyecharts的tiemline⽰例图4.17和图
4.18：
图4.17 pyecharts的timeline1
图4.18 pyecharts的timeline2
这个案例是关于中国每年各省GDP汇总。这个图例⾥不仅有地图和时间线，还有饼图、柱形图、折线
图和时间线上的轮播（可⾃动播放）。我根据这个案例修改为我需要的。如图4.19所⽰：
图4.19 疫情地图四⽉份
这张图显⽰的是2020年4⽉份每⼀天疫情感染确诊⼈数情况图，其中包括GIS、折线图、柱形图和饼图，⽽且有数据显⽰。
虽然这个timeline⾮常好使，但是也有缺点。细数缺点：
A、⾥⾯的数据需要⼈⼯⼿动⼀个⼀个输⼊进去，⽬前我没有到可以解决的办法。
B、⽬前我只能把⼀个⽉的数据进去，⽆法同时放五个⽉的。因此我为此做了五个不同的timeline。
C、这次做的地图跟之前做的不⼀样，之前那张可以在省的上⽅出现数据，⽽这张不⾏，数据是出现在另外⼀个⼩柱⼦上，有些不⽅便，但是⽬前我改动不了。
这个也可以简单地嵌⼊到PyQt5界⾯⾥，就不赘述了。
使⽤⽅法：
使⽤PyInstaller其实⼗分简单。打开命令提⽰符，把路径改到想要存储⽂件的地⽅（pyinstaller⽣成的⽂件与cmd起始位置息息相关，所以⼀定要选好路径），然后在cmd⾥敲⼊如下指令（举例，我这⾥⽤的源⽂件是pyecharts5.py）：
>pyinstaller G:\pycharm\Spider\pyecharts5.py
在执⾏这条指令完成后，会在该⽂件夹下出现两个⽂件夹，分别为dist和build。其中：build是⽤来存储pyinstaller产⽣临时⽂件的⽬录（可安全删除）；dist⾥⾯包含可执⾏⽂件（可执⾏⽂件名同源⽂件名⼀样），其余⽂件是该可执⾏⽂件的动态链接库。
我点开后先是出现如cmd类似的界⾯，⽽后才出现源⽂件编写的界⾯。如下图4.20所⽰：
图4.20 打包后的桌⾯端界⾯
由于直接调⽤6.2⾥⽤到的.py⽂件，没有换别的⽂件，得到的结果同6.2的是⼀样的，只是输出⽅式不同，⼀个是pycharm输出，另⼀个是pyinstaller输出。
这个缺点就是运⾏太慢了。我等这个结果等了⼤概2到3分种（也有可能是源代码过于复杂的问题）。
Pyinstaller还有其它有⽤的⽤法，但是这⾥没⽤到，就不多做说明。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。