【数据可视化-152】中国水产品产量分布:pyecharts打造黑色科技风数据大屏
本项目通过pyecharts实现了中国水产品产量的多维度可视化,黑色科技风设计既保证了数据展示的专业性,又通过鲜明的色彩对比增强了视觉吸引力。四大图表从空间分布、省际排名、梯队结构和区域差异四个角度,全面揭示了我国水产品生产的地理格局与资源关联。
🧑 博主简介:曾任某智慧城市类企业
算法总监,目前在美国市场的物流公司从事高级算法工程师一职,深耕人工智能领域,精通python数据挖掘、可视化、机器学习等,发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者,提供AI相关的技术咨询、项目开发和个性化解决方案等服务,如有需要请站内私信或者联系任意文章底部的的VX名片(ID:xf982831907)
💬 博主粉丝群介绍:① 群内初中生、高中生、本科生、研究生、博士生遍布,可互相学习,交流困惑。② 热榜top10的常客也在群里,也有数不清的万粉大佬,可以交流写作技巧,上榜经验,涨粉秘籍。③ 群内也有职场精英,大厂大佬,可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份,助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本,送真活跃粉丝,助你提升文章热度。有兴趣的加文末联系方式,备注自己的CSDN昵称,拉你进群,互相学习共同进步。

【数据可视化-152】中国水产品产量分布:pyecharts打造黑色科技风数据大屏
一、引言
水产品产量是反映一个地区渔业资源禀赋与水产业发展水平的重要指标。本文基于pyecharts库,以黑色科技风为设计基调,构建包含地图、柱状图、饼图和雷达图的多维度可视化大屏,全方位解析中国各省市水产品产量的空间分布特征与区域差异,既保证数据展示的专业性,又通过鲜明的视觉设计带来强烈的视觉冲击。

二、项目背景与数据说明
中国拥有漫长的海岸线和丰富的内陆水域资源,水产品生产在农业经济中占有重要地位。本项目基于国家统计局发布的最新数据,涵盖全国31个省市的水产品产量(单位:万吨),通过可视化手段揭示我国水产品生产的地理格局。
数据显示,天津市以1019.67万吨的产量位居全国首位(注:该数据可能存在统计口径差异),广东、山东、福建等沿海省份紧随其后,而西藏、青海等内陆高原地区产量极低,呈现出显著的"沿海高、内陆低"的分布特征。
import pyecharts.options as opts
from pyecharts.charts import Map, Bar, Pie, Radar, Page
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCode
# 中国各省市水产品产量数据(单位:万吨)
data1 = [
("新疆", 18.40), ("青海", 1.89), ("西藏", 0.02), ("四川", 178.86)...
]
三、数据可视化
3.1 全国水产品产量分布地图
def create_aquatic_map():
"""创建炫酷的全国水产品产量分布地图(核心图表)"""
map_chart = (
Map(init_opts=opts.InitOpts(theme=theme, width="100%", height="600px", bg_color="#0a1f3a"))
.add(
series_name="水产品产量",
data_pair=data,
maptype="china"
)
.set_global_opts(
title_opts=opts.TitleOpts(
title="中国各省市水产品产量分布地图",
subtitle="数据来源:国家统计局 | 单位:万吨"
)
.set_series_opts(
tooltip_opts=opts.TooltipOpts(
trigger="item",
formatter="{b}<br/>水产品产量: {c}万吨"
)
)
return map_chart

3.2 柱状图(产量排名)
def create_aquatic_bar():
"""创建多色炫酷柱状图(产量排名)"""
bar_chart = (
Bar(init_opts=opts.InitOpts(theme=theme, width="100%", height="600px", bg_color="#0a1f3a"))
.add_xaxis(provinces)
.add_yaxis(
"水产品产量(万吨)",
productions
)
)
.set_global_opts(
title_opts=opts.TitleOpts(
title="各省市水产品产量排名",
pos_left="center"
)
)
return bar_chart

3.3 饼图(产量区间分布)
def create_aquatic_pie():
"""创建炫酷饼图(产量区间分布)"""
pie_chart = (
Pie(init_opts=opts.InitOpts(theme=theme, width="100%", height="500px", bg_color="#0a1f3a"))
.add(
"",
pie_data,
radius=["30%", "75%"], # 环形设计增强现代感
center=["50%", "50%"]
)
.set_colors(color_list)
.set_global_opts(
title_opts=opts.TitleOpts(
title="水产品产量层级分布",
pos_left="center"
)
.set_series_opts(
tooltip_opts=opts.TooltipOpts(
trigger="item",
formatter="{a} <br/>{b}: {c}个省份 ({d}%)"
)
)
return pie_chart

3.4 雷达图
def create_region_analysis():
"""创建区域分析雷达图"""
radar_chart = (
Radar(init_opts=opts.InitOpts(theme=theme, width="100%", height="500px", bg_color="#0a1f3a"))
.add_schema(
schema=[opts.RadarIndicatorItem(name=region, max_=100) for region in regions_list]
)
.add(
"区域平均产量指数",
[normalized_data],
linestyle_opts=opts.LineStyleOpts(color="#FF0066", width=3)
)
)
.set_global_opts(
title_opts=opts.TitleOpts(
title="各区域水产品产量相对表现雷达图",
pos_left="center"
)
)
return radar_chart

四、可视化大屏
def create_dashboard():
"""创建综合可视化大屏(可拖拽调整布局)"""
page = Page(
page_title="中国水产品产量分布分析大屏",
layout=Page.DraggablePageLayout,
bg_color="#0a1f3a" # 统一黑色背景
)
page.add(
create_aquatic_map(),
create_aquatic_bar(),
create_aquatic_pie(),
create_region_analysis()
)
return page
if __name__ == "__main__":
# 生成可视化大屏
dashboard = create_dashboard()
dashboard.render("中国水产品产量分布分析大屏.html")

五、数据分析结论
通过可视化大屏可得出以下关键发现:
5.1 产量分布呈现"沿海集聚"特征
- 第一梯队:天津(1019.67万吨)、广东(924.02万吨)、山东(913.95万吨)、福建(890.2万吨)构成我国水产品核心产区,均为沿海地区
- 第二梯队:浙江(647.93万吨)、湖北(522.79万吨)、江苏(522.05万吨)、辽宁(508.12万吨),其中湖北作为内陆省份表现突出,得益于长江流域丰富的淡水渔业资源
- 内陆低产区:西藏(0.02万吨)、青海(1.89万吨)、甘肃(1.49万吨)等西部高原地区产量极低,受地理环境限制显著
5.2 区域发展差异显著
- 雷达图显示,华北地区(因天津数据拉高)和华东地区平均产量指数领先,分别达100%和85%
- 华南地区以78%紧随其后,依托南海渔业资源形成重要产区
- 西北地区平均产量不足10%,与区域水资源禀赋和气候条件密切相关
5.3 产量与资源禀赋高度相关
- 沿海省份凭借海洋捕捞和海水养殖优势,产量普遍高于内陆省份
- 长江流域省份(湖北、湖南、江西等)淡水渔业发达,形成内陆高产区
- 北京、上海等直辖市虽为沿海或沿江,但因城市化进程和产业结构调整,产量处于中等水平
六、总结
本项目通过pyecharts实现了中国水产品产量的多维度可视化,黑色科技风设计既保证了数据展示的专业性,又通过鲜明的色彩对比增强了视觉吸引力。四大图表从空间分布、省际排名、梯队结构和区域差异四个角度,全面揭示了我国水产品生产的地理格局与资源关联。
注: 博主目前收集了6900+份相关数据集,有想要的可以领取部分数据:


更多推荐

所有评论(0)