🌸【Python可视化实战】用 pyecharts 绘制“零新增”玫瑰图，一眼看懂疫情趋势！

❝

💡 数据不会说话，但图表会。
今天教你用 pyecharts 画出一张高颜值、有深度的“多省区市连续无新增病例天数玫瑰图”，让数据讲故事！📈

---

🎯 实训目标：一图看懂全国疫情“清零”进度

我们以某天全国各省市的“连续无新增确诊病例天数”为例，使用 pyecharts 制作一个 南丁格尔玫瑰图（Nightingale Rose Chart），直观展示各地“清零”状态。

📌 数据示例：

• 北京：1 天

• 上海：1 天

• 广东：42 天

• 四川：35 天

• ……

❝

✅ 目标：通过扇形面积大小，反映各地“持续清零”的长短。

---

🧰 第一步：环境准备 & 导入模块

from pyecharts import options as opts
from pyecharts.charts import Pie
import pandas as pd

❝

🔍 小贴士：

• pyecharts 是 Python 中最强大的可视化库之一，支持交互式图表

• 安装命令：pip install pyecharts

---

📊 第二步：准备数据

我们将省份和对应“连续无新增天数”整理成 DataFrame：

provinces = ['北京', '上海', '黑龙江', '吉林', '辽宁', '内蒙古', '新疆', '西藏', '青海',
             '四川', '云南', '陕西', '重庆', '贵州', '广西', '海南', '澳门', '湖南', '江西',
             '福建', '安徽', '浙江', '江苏', '宁夏', '山西', '河北', '天津']

num = [1, 1, 17, 9, 22, 23, 42, 35, 7, 20, 21, 16, 24, 16, 21, 37, 12, 13, 14, 13,
       7, 22, 8, 16, 13, 13]

df = pd.DataFrame({'provinces': provinces, 'num': num})

❝

🔄 排序：按天数从大到小排序，突出重点区域

df.sort_values(by='num', ascending=False, inplace=True)

---

🎨 第三步：创建玫瑰图（Pie Chart）

✅ 初始化图表

c = Pie(
    init_opts=opts.InitOpts(width='1250px', height='750px')
)

❝

📐 设置宽高，保证图片清晰不压缩

---

🌈 设置颜色系列（自定义配色更高级！）

color_series = ['#FAB927', '#E9E416', '#C9DA36', '#9EBC3C', '#6DBC49',
                '#37B44E', '#3DBA78', '#14ADCF', '#209AC9', '#1E91CA',
                '#2C6BA0', '#2B55A1', '#2D3D8E', '#44388E', '#6A368B',
                '#7D3990', '#A63F98', '#C31C88', '#D52178', '#D5225B',
                '#D02C2A', '#D44C2D', '#F57A34', '#FA8F2F', '#D99D21',
                '#CF7B25', '#CF7B25', '#CF7B25']
c.set_colors(color_series)

❝

💡 使用渐变或柔和色系，避免视觉疲劳

---

📦 添加数据（关键！）

v = df['provinces'].values.tolist()  # 省份名
d = df['num'].values.tolist()        # 天数

c.add(
    "",
    [list(z) for z in zip(v, d)],
    radius=["30%", "100%"],           # 内外圈半径
    center=["50%", "50%"],            # 图表中心位置
    rosetype="area"                   # 南丁格尔玫瑰图模式
)

❝

🌸 rosetype="area" → 扇形面积与数值成正比，体现“清零时长”差异

---

🎨 第四步：美化全局配置

c.set_global_opts(
    title_opts=opts.TitleOpts(
        title='多省区市\n确诊病例连续多日',
        subtitle='零新增',
        title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#0085c3'),
        subtitle_textstyle_opts=opts.TextStyleOpts(font_size=50, color='#003399')
    ),
    pos_right='center',
    pos_left='center',
    pos_top='42%',
    pos_bottom='center',
    legend_opts=opts.LegendOpts(is_show=False),  # 隐藏图例
    toolbox_opts=opts.ToolboxOpts()             # 显示工具栏
)

❝

🖼️ 效果：标题分两行，主副标题搭配，突出“零新增”关键词

---

📝 第五步：设置系列配置项（细节控必看）

c.set_series_opts(
    label_opts=opts.LabelOpts(
        is_show=True,
        position="inside",
        font_size=12,
        formatter="{b}:{c}天",
        font_style="italic",
        font_weight="bold",
        font_family="SimHei"
    )
)

❝

✅ 标签显示在扇形内部，格式为：“省份：XX天”，字体为黑体，清晰可读！

---

🖼️ 第六步：渲染输出

c.render_notebook()

❝

📱 在 Jupyter Notebook 中直接显示图表
🖼️ 若想保存为 HTML 文件：c.render("zero_new.html")

---

🌟 最终效果预览

 

 

❝

🔷 一张圆形玫瑰图，扇形由大到小排列
🔷 每个扇形代表一个省份，面积越大，表示“连续无新增天数”越长
🔷 颜色丰富且协调，标签清晰标注“省份：XX天”
🔷 可点击缩放、拖动查看细节，交互性强！

❝

🎯 例如：广东（42天）、四川（35天）等大片扇形明显突出，而北京、上海仅1天，占比极小。

---

📈 为什么选“玫瑰图”？

图表类型	优点	缺点
柱状图	易读	不适合大量类别
饼图	直观	难比较小值
玫瑰图	✅ 面积反映数值，✅ 适合分类多、数值差异大的场景	需要合理排序

❝

✅ 特别适用于：疫情、销量、人口、消费等“排名类”数据！

---

🚀 实战应用拓展

1. 动态更新：接入实时 API，每日自动刷新图表

2. 地图联动：结合 Map 图表，实现“热力 + 玫瑰”双视图

3. 时间轴动画：展示过去一个月的变化趋势

4. 网页嵌入：将生成的 HTML 嵌入公司官网或公众号文章

---

📚 总结：三大核心要点

✅ 数据准备要规范：列名明确，排序合理
✅ 配色要讲究：避免刺眼，突出重点
✅ 配置要精细：标题、标签、交互一个都不能少！