简介这份资源是面向计算机相关专业在校学生、教师及企业员工的Python数据可视化分析项目源码包适合作为毕业设计、课程设计、大作业或项目初期立项演示也适合具备一定基础的小白进阶练习。项目以中国城市轨道交通数据为对象通过多线程爬虫获取高德地图的线路与站点信息结合SQLite数据库存储并利用tkinter搭建GUI界面实现线路与站点查询同时借助pyecharts、matplotlib、seaborn、wordcloud等库完成地图、柱状图、饼图、折线图、散点图、双变量图及词云等多种可视化分析。资源包共35个文件包含20个png图表、4个html交互页面、3个py源码、2个csv数据文件、1个db数据库及项目说明文档等压缩包约3.43MB目录结构清晰便于按模块检索学习。目前已有1789人学习下载读者可从中获得完整的数据采集、存储、查询与可视化全流程实现思路并可在源码基础上修改扩展实现其他功能。1. 从一份城市轨道交通数据可视化源码说起它到底能解决什么问题很多做 Python 数据分析的同行第一次接触「城市轨道交通数据可视化分析」这个方向往往是因为手里拿到了一份别人整理好的源码包或者被安排做一个「大屏」类的课程设计。标题里写的是「源码项目说明」但真正让人卡住的从来不是代码本身而是数据从哪来、字段怎么对齐、线路和站点怎么映射到坐标、可视化到底该用 ECharts 还是 Matplotlib。我见过太多人把源码跑起来之后发现地图上站点全挤在一起或者换一个城市的数据就彻底翻车。这个方向的核心价值在于它把「轨道交通运营数据」这种天然带地理属性的结构化数据通过 Python 做清洗、聚合、指标计算再交给可视化层呈现。适合三类人一是做课程设计或毕业设计的学生需要一套能跑通、能改参数的完整链路二是刚转行做数据分析的从业者想找一个有真实业务背景的练手项目三是做城市交通相关产品的工程师需要快速验证某个指标的可视化表达是否合理。它不解决预测问题也不做实时调度重点在「把已有数据讲清楚」。2. 数据从哪来、字段怎么对齐轨道交通数据集的获取与清洗2.1 常见数据来源与字段结构做城市轨道交通可视化第一步永远是找数据。常见做法有三类一是各城市地铁集团官网或政府开放数据平台发布的客运量、线路站点表二是通过公开的交通数据竞赛如某些城市数据开放大赛获取的脱敏数据集三是自己用 Python 爬虫从公开页面采集线路和站点信息。我一般会优先选前两类因为字段规范、有说明文档省去大量对齐成本。一份典型的轨道交通数据集核心字段包括线路名称、线路编号、站点名称、站点顺序、换乘线路、经纬度、日客运量、运营里程。如果是分时数据还会有小时粒度的进出站客流。这里最容易出问题的是站点名称——同一个换乘站在不同线路表里可能叫「XX路站」和「XX路」或者带不带「站」字。如果不做标准化后续按站点聚合时就会分裂成两条记录。import pandas as pd # 读取线路站点表假设是 CSV 格式 df pd.read_csv(metro_stations.csv, encodingutf-8) # 站点名称标准化去空格、统一去掉末尾的「站」字 df[station_clean] ( df[station_name] .str.strip() .str.replace(站, , regexFalse) ) # 检查同一站点在不同线路下的名称是否一致 name_check df.groupby(station_clean)[line_name].nunique() conflict name_check[name_check 1] print(f存在换乘但名称不一致的站点数{len(conflict)})这段代码的逻辑很直接先做基础清洗再用分组统计找出「同一个标准化名称对应多条线路」的站点这些就是换乘站。参数上encoding要根据实际文件调整国内数据常见utf-8和gbk两种str.replace里的regexFalse是为了避免站点名里恰好有正则特殊字符导致报错。如果conflict数量异常大说明名称标准化规则不够需要补充别名映射表。2.2 经纬度缺失与坐标系对齐不是所有数据集都带经纬度。如果只有站点名称常见做法是调用公开的地理编码接口批量补全但要注意接口的调用频率限制和返回坐标系。国内常见的有 WGS84、GCJ02、BD09 三种ECharts 地图组件通常用 GCJ02 或 BD09而很多开放数据给的是 WGS84。如果不做转换站点会整体偏移几百米在大屏上看起来就是「飘」的。我一般会先确认数据源标注的坐标系然后用现成的转换函数统一到可视化层需要的坐标系。这一步没有捷径必须做否则后面所有地理相关的图都是错的。转换完之后还要检查经纬度是否落在目标城市的合理范围内比如武汉的经度大约在 113.7 到 115.1 之间纬度在 29.9 到 31.4 之间超出这个范围的直接标记为异常。# 假设已有 WGS84 经纬度转换为 GCJ02 import math def wgs84_to_gcj02(lng, lat): WGS84 转 GCJ02适用于国内大部分地图可视化 a 6378245.0 ee 0.00669342162296594323 dlat transform_lat(lng - 105.0, lat - 35.0) dlng transform_lng(lng - 105.0, lat - 35.0) radlat lat / 180.0 * math.pi magic math.sin(radlat) magic 1 - ee * magic * magic sqrtmagic math.sqrt(magic) dlat (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * math.pi) dlng (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * math.pi) return lng dlng, lat dlat # 对缺失经纬度的站点先用地理编码补全再统一转换 df[lng_gcj], df[lat_gcj] zip(*df.apply( lambda row: wgs84_to_gcj02(row[lng], row[lat]), axis1 ))这里只贴了核心转换逻辑transform_lat和transform_lng是标准的偏移量计算函数网上有成熟实现。参数上要注意a和ee是 CGCS2000 椭球参数不要随意改。转换后建议抽样几个已知站点和地图上实际位置比对确认没有整体偏移。如果发现偏移方向一致但距离不对大概率是坐标系判断错了换一种转换方向再试。3. 用 Python 做指标聚合客运量、换乘系数与线路热度怎么算3.1 按线路和站点聚合客流拿到清洗后的数据下一步是算指标。轨道交通可视化里最常出现的三个指标是线路日客运量、站点进出站量、换乘系数。线路客运量一般是该线路所有站点进出站量之和注意不要重复计算换乘站站点进出站量直接按站点分组求和换乘系数则是换乘站客流与总客流的比值。# 按线路聚合日客运量 line_flow df.groupby(line_name)[daily_passenger].sum().reset_index() line_flow line_flow.sort_values(daily_passenger, ascendingFalse) # 按站点聚合区分进站和出站 station_flow df.groupby(station_clean).agg( total_in(inflow, sum), total_out(outflow, sum) ).reset_index() station_flow[total] station_flow[total_in] station_flow[total_out] # 计算换乘系数换乘站客流 / 全网客流 transfer_stations conflict.index.tolist() transfer_flow station_flow[station_flow[station_clean].isin(transfer_stations)][total].sum() total_flow station_flow[total].sum() transfer_ratio transfer_flow / total_flow print(f换乘系数{transfer_ratio:.3f})聚合逻辑本身不复杂坑在于「换乘站不要重复计算」。如果原始数据里同一个换乘站在每条线路下都有一行记录直接groupby(line_name)求和会把换乘站算多次。正确做法是线路客运量要么只统计该线路独立站点要么在数据层就把换乘站标记出来聚合时做去重。参数上daily_passenger如果是字符串类型要先astype(float)否则sum()会变成字符串拼接。3.2 时间维度聚合与高峰识别如果数据带小时粒度可以进一步算早晚高峰。常见做法是把一天分成 24 个时段按小时聚合全网客流然后取客流最高的两个连续时段作为早高峰和晚高峰。这里要注意不同城市的早晚高峰时间不一样不能硬编码「7-9 点」和「17-19 点」应该让数据自己说话。# 按小时聚合全网客流 hourly df.groupby(hour)[passenger].sum().reset_index() # 用滑动窗口找连续两小时客流最大的区间 hourly[rolling_2h] hourly[passenger].rolling(2).sum() peak_start hourly.loc[hourly[rolling_2h].idxmax(), hour] - 1 print(f高峰起始时段{peak_start}:00 - {peak_start 2}:00)这段代码用rolling(2).sum()做两小时滑动求和idxmax()找到最大值的位置再回推起始小时。参数上窗口大小可以根据业务定义调整有的城市高峰持续三小时就把2改成3。注意hour字段必须是数值型且排序正确否则滑动窗口会算错。如果数据里没有hour字段需要先从时间戳里提取。4. 可视化选型与落地ECharts 大屏和 Matplotlib 静态图怎么选4.1 ECharts 做交互式大屏的接入方式如果目标是做「数据可视化大屏」ECharts 是绕不开的选择。Python 这边常见做法有两种一是用pyecharts生成 HTML 文件二是后端用 Flask/FastAPI 提供数据接口前端直接写 ECharts。前者适合快速出原型后者适合需要动态刷新的场景。from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType # 用站点经纬度和客流量画地理散点图 geo ( Geo() .add_schema(maptype武汉) # 地图类型按城市选 .add( 客流量, [list(z) for z in zip(station_flow[station_clean], station_flow[total])], type_ChartType.EFFECT_SCATTER, ) .set_series_opts(label_optsopts.LabelOpts(is_showFalse)) .set_global_opts( visualmap_optsopts.VisualMapOpts(max_50000), title_optsopts.TitleOpts(title站点客流量分布), ) ) geo.render(station_flow.html)这段代码生成一个带视觉映射的散点图点的大小和颜色随客流量变化。参数上maptype必须和你的地图包匹配pyecharts默认只带部分城市地图其他城市需要额外安装地图包或使用 GeoJSON。max_要根据实际客流上限调整设太小会导致所有点颜色一样设太大则区分度不够。如果站点显示位置偏移回到第 2 章检查坐标系。4.2 Matplotlib 做静态分析图的参数调优如果只是做分析报告或论文插图Matplotlib 更合适。它的优势是可控性强每一根线、每一个标注都能精确调整。常见图包括线路客运量柱状图、站点客流热力图、换乘系数饼图。import matplotlib.pyplot as plt import matplotlib # 解决中文显示问题 matplotlib.rcParams[font.sans-serif] [SimHei] matplotlib.rcParams[axes.unicode_minus] False fig, ax plt.subplots(figsize(12, 6)) ax.barh(line_flow[line_name], line_flow[daily_passenger], color#4C72B0) ax.set_xlabel(日客运量人次) ax.set_title(各线路日客运量对比) ax.invert_yaxis() # 让客运量最高的线路显示在最上面 plt.tight_layout() plt.savefig(line_flow.png, dpi150)参数上font.sans-serif设成SimHei是为了正常显示中文Linux 环境下如果没有这个字体需要换成系统里已有的中文字体名。dpi150是输出分辨率用于印刷或高清展示可以调到 300。invert_yaxis()是横向柱状图的常用技巧让排名第一的线路出现在顶部符合阅读习惯。如果柱状图颜色太单一可以按客运量分档给不同颜色但不要超过五种否则视觉上会乱。5. 避坑与排查源码跑不通、地图不显示、数据对不上怎么办5.1 现象pyecharts生成的 HTML 打开后地图空白原因通常是地图包缺失或maptype名称不对。pyecharts默认只内置了少数城市地图其他城市需要单独安装echarts-countries-pypkg、echarts-china-provinces-pypkg、echarts-china-cities-pypkg等包。如果maptype写的是「武汉」但包里没有武汉地图就会渲染空白。解决先确认已安装对应城市的地图包或者改用 GeoJSON 方式手动注册地图。另一个常见原因是浏览器拦截了本地 HTML 里的脚本换用 Chrome 并允许本地文件访问即可。5.2 现象站点在地图上整体偏移原因几乎都是坐标系不统一。数据源可能是 WGS84而 ECharts 用的底图是 GCJ02 或 BD09。如果不做转换偏移量在城市尺度下可能达到几百米视觉上非常明显。解决回到第 2 章确认数据源坐标系统一转换到可视化层需要的坐标系。转换后抽样比对几个已知站点确认偏移消除。如果偏移方向随机那可能是经纬度字段本身写反了经度和纬度对调检查列名和数值范围即可判断。5.3 现象换乘站客流被重复计算线路排名失真原因是在按线路聚合时没有对换乘站做去重。原始数据里一个换乘站可能出现在多条线路下直接groupby(line_name).sum()会把它算进每条线路。解决在数据层增加一个「是否换乘站」标记聚合线路客运量时排除换乘站或者单独维护一张「线路-独立站点」映射表。换乘站的客流单独统计用于计算换乘系数不参与线路排名。5.4 现象中文标签显示为方框原因是 Matplotlib 默认字体不支持中文。Windows 下通常有SimHeiLinux 或 macOS 下可能没有。解决先查系统可用中文字体matplotlib.font_manager可以列出所有字体。找到支持中文的字体名后设置rcParams[font.sans-serif]。如果系统确实没有中文字体下载一个开源中文字体放到 Matplotlib 的字体目录再清除字体缓存即可。5.5 现象数据量大了之后聚合脚本跑得特别慢原因是groupby和apply在百万行级别会明显变慢尤其是apply逐行操作。解决优先用向量化操作替代apply比如经纬度转换可以用 NumPy 批量计算。如果数据量确实大考虑用polars或duckdb替代 pandas 做聚合速度能提升一个数量级。另外聚合前先过滤掉不需要的列减少内存占用。6. 进阶技巧把静态源码改造成可复用的分析模板6.1 用配置文件驱动多城市切换一份源码如果只能跑一个城市的数据复用价值就很低。我一般会把城市相关的参数抽到配置文件里包括城市名称、地图类型、经纬度范围、坐标系类型、高峰时段定义等。这样换一个城市只需要改配置不用动代码。import yaml # config.yaml 示例内容 # city: 武汉 # maptype: 武汉 # lng_range: [113.7, 115.1] # lat_range: [29.9, 31.4] # coord_system: GCJ02 with open(config.yaml, r, encodingutf-8) as f: config yaml.safe_load(f) # 用配置校验数据范围 df df[ (df[lng_gcj].between(*config[lng_range])) (df[lat_gcj].between(*config[lat_range])) ]参数上lng_range和lat_range用列表存两个边界值between会自动做闭区间判断。coord_system用于决定是否需要转换。这样改造之后同一套代码可以跑多个城市只需要准备对应的配置文件和地图包。6.2 用 Jupyter Notebook 做探索性分析用脚本做批量产出我的习惯是探索阶段用 Jupyter Notebook边看数据边调参数快速验证可视化效果确定下来之后把核心逻辑抽成.py脚本用命令行参数控制输入输出方便批量跑多个城市或时间段。Notebook 里不要写太长的函数保持每个 cell 只做一件事方便反复运行。6.3 验证可视化结果是否可信的三个检查点第一总量校验所有线路客运量之和应该等于全网总客运量扣除换乘重复计算后。如果对不上说明聚合逻辑有问题。第二空间校验随机抽 5 个站点在地图上确认位置和实际一致。第三时间校验如果数据带时间维度高峰时段的客流应该明显高于平峰如果曲线是平的说明时间字段解析错了。这三个检查点花不了十分钟但能挡住大部分「图看起来对、实际数据错」的情况。我早期做这类项目时曾经因为没做总量校验把换乘站重复计算了整整一周才发现血泪经验就是先对总数再看分布。希望帮到你。本文还有配套的精品资源点击获取 Python城市轨道交通数据可视化：从源码到实战的完整指南
简介这份资源是面向计算机相关专业在校学生、教师及企业员工的Python数据可视化分析项目源码包适合作为毕业设计、课程设计、大作业或项目初期立项演示也适合具备一定基础的小白进阶练习。项目以中国城市轨道交通数据为对象通过多线程爬虫获取高德地图的线路与站点信息结合SQLite数据库存储并利用tkinter搭建GUI界面实现线路与站点查询同时借助pyecharts、matplotlib、seaborn、wordcloud等库完成地图、柱状图、饼图、折线图、散点图、双变量图及词云等多种可视化分析。资源包共35个文件包含20个png图表、4个html交互页面、3个py源码、2个csv数据文件、1个db数据库及项目说明文档等压缩包约3.43MB目录结构清晰便于按模块检索学习。目前已有1789人学习下载读者可从中获得完整的数据采集、存储、查询与可视化全流程实现思路并可在源码基础上修改扩展实现其他功能。1. 从一份城市轨道交通数据可视化源码说起它到底能解决什么问题很多做 Python 数据分析的同行第一次接触「城市轨道交通数据可视化分析」这个方向往往是因为手里拿到了一份别人整理好的源码包或者被安排做一个「大屏」类的课程设计。标题里写的是「源码项目说明」但真正让人卡住的从来不是代码本身而是数据从哪来、字段怎么对齐、线路和站点怎么映射到坐标、可视化到底该用 ECharts 还是 Matplotlib。我见过太多人把源码跑起来之后发现地图上站点全挤在一起或者换一个城市的数据就彻底翻车。这个方向的核心价值在于它把「轨道交通运营数据」这种天然带地理属性的结构化数据通过 Python 做清洗、聚合、指标计算再交给可视化层呈现。适合三类人一是做课程设计或毕业设计的学生需要一套能跑通、能改参数的完整链路二是刚转行做数据分析的从业者想找一个有真实业务背景的练手项目三是做城市交通相关产品的工程师需要快速验证某个指标的可视化表达是否合理。它不解决预测问题也不做实时调度重点在「把已有数据讲清楚」。2. 数据从哪来、字段怎么对齐轨道交通数据集的获取与清洗2.1 常见数据来源与字段结构做城市轨道交通可视化第一步永远是找数据。常见做法有三类一是各城市地铁集团官网或政府开放数据平台发布的客运量、线路站点表二是通过公开的交通数据竞赛如某些城市数据开放大赛获取的脱敏数据集三是自己用 Python 爬虫从公开页面采集线路和站点信息。我一般会优先选前两类因为字段规范、有说明文档省去大量对齐成本。一份典型的轨道交通数据集核心字段包括线路名称、线路编号、站点名称、站点顺序、换乘线路、经纬度、日客运量、运营里程。如果是分时数据还会有小时粒度的进出站客流。这里最容易出问题的是站点名称——同一个换乘站在不同线路表里可能叫「XX路站」和「XX路」或者带不带「站」字。如果不做标准化后续按站点聚合时就会分裂成两条记录。import pandas as pd # 读取线路站点表假设是 CSV 格式 df pd.read_csv(metro_stations.csv, encodingutf-8) # 站点名称标准化去空格、统一去掉末尾的「站」字 df[station_clean] ( df[station_name] .str.strip() .str.replace(站, , regexFalse) ) # 检查同一站点在不同线路下的名称是否一致 name_check df.groupby(station_clean)[line_name].nunique() conflict name_check[name_check 1] print(f存在换乘但名称不一致的站点数{len(conflict)})这段代码的逻辑很直接先做基础清洗再用分组统计找出「同一个标准化名称对应多条线路」的站点这些就是换乘站。参数上encoding要根据实际文件调整国内数据常见utf-8和gbk两种str.replace里的regexFalse是为了避免站点名里恰好有正则特殊字符导致报错。如果conflict数量异常大说明名称标准化规则不够需要补充别名映射表。2.2 经纬度缺失与坐标系对齐不是所有数据集都带经纬度。如果只有站点名称常见做法是调用公开的地理编码接口批量补全但要注意接口的调用频率限制和返回坐标系。国内常见的有 WGS84、GCJ02、BD09 三种ECharts 地图组件通常用 GCJ02 或 BD09而很多开放数据给的是 WGS84。如果不做转换站点会整体偏移几百米在大屏上看起来就是「飘」的。我一般会先确认数据源标注的坐标系然后用现成的转换函数统一到可视化层需要的坐标系。这一步没有捷径必须做否则后面所有地理相关的图都是错的。转换完之后还要检查经纬度是否落在目标城市的合理范围内比如武汉的经度大约在 113.7 到 115.1 之间纬度在 29.9 到 31.4 之间超出这个范围的直接标记为异常。# 假设已有 WGS84 经纬度转换为 GCJ02 import math def wgs84_to_gcj02(lng, lat): WGS84 转 GCJ02适用于国内大部分地图可视化 a 6378245.0 ee 0.00669342162296594323 dlat transform_lat(lng - 105.0, lat - 35.0) dlng transform_lng(lng - 105.0, lat - 35.0) radlat lat / 180.0 * math.pi magic math.sin(radlat) magic 1 - ee * magic * magic sqrtmagic math.sqrt(magic) dlat (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * math.pi) dlng (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * math.pi) return lng dlng, lat dlat # 对缺失经纬度的站点先用地理编码补全再统一转换 df[lng_gcj], df[lat_gcj] zip(*df.apply( lambda row: wgs84_to_gcj02(row[lng], row[lat]), axis1 ))这里只贴了核心转换逻辑transform_lat和transform_lng是标准的偏移量计算函数网上有成熟实现。参数上要注意a和ee是 CGCS2000 椭球参数不要随意改。转换后建议抽样几个已知站点和地图上实际位置比对确认没有整体偏移。如果发现偏移方向一致但距离不对大概率是坐标系判断错了换一种转换方向再试。3. 用 Python 做指标聚合客运量、换乘系数与线路热度怎么算3.1 按线路和站点聚合客流拿到清洗后的数据下一步是算指标。轨道交通可视化里最常出现的三个指标是线路日客运量、站点进出站量、换乘系数。线路客运量一般是该线路所有站点进出站量之和注意不要重复计算换乘站站点进出站量直接按站点分组求和换乘系数则是换乘站客流与总客流的比值。# 按线路聚合日客运量 line_flow df.groupby(line_name)[daily_passenger].sum().reset_index() line_flow line_flow.sort_values(daily_passenger, ascendingFalse) # 按站点聚合区分进站和出站 station_flow df.groupby(station_clean).agg( total_in(inflow, sum), total_out(outflow, sum) ).reset_index() station_flow[total] station_flow[total_in] station_flow[total_out] # 计算换乘系数换乘站客流 / 全网客流 transfer_stations conflict.index.tolist() transfer_flow station_flow[station_flow[station_clean].isin(transfer_stations)][total].sum() total_flow station_flow[total].sum() transfer_ratio transfer_flow / total_flow print(f换乘系数{transfer_ratio:.3f})聚合逻辑本身不复杂坑在于「换乘站不要重复计算」。如果原始数据里同一个换乘站在每条线路下都有一行记录直接groupby(line_name)求和会把换乘站算多次。正确做法是线路客运量要么只统计该线路独立站点要么在数据层就把换乘站标记出来聚合时做去重。参数上daily_passenger如果是字符串类型要先astype(float)否则sum()会变成字符串拼接。3.2 时间维度聚合与高峰识别如果数据带小时粒度可以进一步算早晚高峰。常见做法是把一天分成 24 个时段按小时聚合全网客流然后取客流最高的两个连续时段作为早高峰和晚高峰。这里要注意不同城市的早晚高峰时间不一样不能硬编码「7-9 点」和「17-19 点」应该让数据自己说话。# 按小时聚合全网客流 hourly df.groupby(hour)[passenger].sum().reset_index() # 用滑动窗口找连续两小时客流最大的区间 hourly[rolling_2h] hourly[passenger].rolling(2).sum() peak_start hourly.loc[hourly[rolling_2h].idxmax(), hour] - 1 print(f高峰起始时段{peak_start}:00 - {peak_start 2}:00)这段代码用rolling(2).sum()做两小时滑动求和idxmax()找到最大值的位置再回推起始小时。参数上窗口大小可以根据业务定义调整有的城市高峰持续三小时就把2改成3。注意hour字段必须是数值型且排序正确否则滑动窗口会算错。如果数据里没有hour字段需要先从时间戳里提取。4. 可视化选型与落地ECharts 大屏和 Matplotlib 静态图怎么选4.1 ECharts 做交互式大屏的接入方式如果目标是做「数据可视化大屏」ECharts 是绕不开的选择。Python 这边常见做法有两种一是用pyecharts生成 HTML 文件二是后端用 Flask/FastAPI 提供数据接口前端直接写 ECharts。前者适合快速出原型后者适合需要动态刷新的场景。from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType # 用站点经纬度和客流量画地理散点图 geo ( Geo() .add_schema(maptype武汉) # 地图类型按城市选 .add( 客流量, [list(z) for z in zip(station_flow[station_clean], station_flow[total])], type_ChartType.EFFECT_SCATTER, ) .set_series_opts(label_optsopts.LabelOpts(is_showFalse)) .set_global_opts( visualmap_optsopts.VisualMapOpts(max_50000), title_optsopts.TitleOpts(title站点客流量分布), ) ) geo.render(station_flow.html)这段代码生成一个带视觉映射的散点图点的大小和颜色随客流量变化。参数上maptype必须和你的地图包匹配pyecharts默认只带部分城市地图其他城市需要额外安装地图包或使用 GeoJSON。max_要根据实际客流上限调整设太小会导致所有点颜色一样设太大则区分度不够。如果站点显示位置偏移回到第 2 章检查坐标系。4.2 Matplotlib 做静态分析图的参数调优如果只是做分析报告或论文插图Matplotlib 更合适。它的优势是可控性强每一根线、每一个标注都能精确调整。常见图包括线路客运量柱状图、站点客流热力图、换乘系数饼图。import matplotlib.pyplot as plt import matplotlib # 解决中文显示问题 matplotlib.rcParams[font.sans-serif] [SimHei] matplotlib.rcParams[axes.unicode_minus] False fig, ax plt.subplots(figsize(12, 6)) ax.barh(line_flow[line_name], line_flow[daily_passenger], color#4C72B0) ax.set_xlabel(日客运量人次) ax.set_title(各线路日客运量对比) ax.invert_yaxis() # 让客运量最高的线路显示在最上面 plt.tight_layout() plt.savefig(line_flow.png, dpi150)参数上font.sans-serif设成SimHei是为了正常显示中文Linux 环境下如果没有这个字体需要换成系统里已有的中文字体名。dpi150是输出分辨率用于印刷或高清展示可以调到 300。invert_yaxis()是横向柱状图的常用技巧让排名第一的线路出现在顶部符合阅读习惯。如果柱状图颜色太单一可以按客运量分档给不同颜色但不要超过五种否则视觉上会乱。5. 避坑与排查源码跑不通、地图不显示、数据对不上怎么办5.1 现象pyecharts生成的 HTML 打开后地图空白原因通常是地图包缺失或maptype名称不对。pyecharts默认只内置了少数城市地图其他城市需要单独安装echarts-countries-pypkg、echarts-china-provinces-pypkg、echarts-china-cities-pypkg等包。如果maptype写的是「武汉」但包里没有武汉地图就会渲染空白。解决先确认已安装对应城市的地图包或者改用 GeoJSON 方式手动注册地图。另一个常见原因是浏览器拦截了本地 HTML 里的脚本换用 Chrome 并允许本地文件访问即可。5.2 现象站点在地图上整体偏移原因几乎都是坐标系不统一。数据源可能是 WGS84而 ECharts 用的底图是 GCJ02 或 BD09。如果不做转换偏移量在城市尺度下可能达到几百米视觉上非常明显。解决回到第 2 章确认数据源坐标系统一转换到可视化层需要的坐标系。转换后抽样比对几个已知站点确认偏移消除。如果偏移方向随机那可能是经纬度字段本身写反了经度和纬度对调检查列名和数值范围即可判断。5.3 现象换乘站客流被重复计算线路排名失真原因是在按线路聚合时没有对换乘站做去重。原始数据里一个换乘站可能出现在多条线路下直接groupby(line_name).sum()会把它算进每条线路。解决在数据层增加一个「是否换乘站」标记聚合线路客运量时排除换乘站或者单独维护一张「线路-独立站点」映射表。换乘站的客流单独统计用于计算换乘系数不参与线路排名。5.4 现象中文标签显示为方框原因是 Matplotlib 默认字体不支持中文。Windows 下通常有SimHeiLinux 或 macOS 下可能没有。解决先查系统可用中文字体matplotlib.font_manager可以列出所有字体。找到支持中文的字体名后设置rcParams[font.sans-serif]。如果系统确实没有中文字体下载一个开源中文字体放到 Matplotlib 的字体目录再清除字体缓存即可。5.5 现象数据量大了之后聚合脚本跑得特别慢原因是groupby和apply在百万行级别会明显变慢尤其是apply逐行操作。解决优先用向量化操作替代apply比如经纬度转换可以用 NumPy 批量计算。如果数据量确实大考虑用polars或duckdb替代 pandas 做聚合速度能提升一个数量级。另外聚合前先过滤掉不需要的列减少内存占用。6. 进阶技巧把静态源码改造成可复用的分析模板6.1 用配置文件驱动多城市切换一份源码如果只能跑一个城市的数据复用价值就很低。我一般会把城市相关的参数抽到配置文件里包括城市名称、地图类型、经纬度范围、坐标系类型、高峰时段定义等。这样换一个城市只需要改配置不用动代码。import yaml # config.yaml 示例内容 # city: 武汉 # maptype: 武汉 # lng_range: [113.7, 115.1] # lat_range: [29.9, 31.4] # coord_system: GCJ02 with open(config.yaml, r, encodingutf-8) as f: config yaml.safe_load(f) # 用配置校验数据范围 df df[ (df[lng_gcj].between(*config[lng_range])) (df[lat_gcj].between(*config[lat_range])) ]参数上lng_range和lat_range用列表存两个边界值between会自动做闭区间判断。coord_system用于决定是否需要转换。这样改造之后同一套代码可以跑多个城市只需要准备对应的配置文件和地图包。6.2 用 Jupyter Notebook 做探索性分析用脚本做批量产出我的习惯是探索阶段用 Jupyter Notebook边看数据边调参数快速验证可视化效果确定下来之后把核心逻辑抽成.py脚本用命令行参数控制输入输出方便批量跑多个城市或时间段。Notebook 里不要写太长的函数保持每个 cell 只做一件事方便反复运行。6.3 验证可视化结果是否可信的三个检查点第一总量校验所有线路客运量之和应该等于全网总客运量扣除换乘重复计算后。如果对不上说明聚合逻辑有问题。第二空间校验随机抽 5 个站点在地图上确认位置和实际一致。第三时间校验如果数据带时间维度高峰时段的客流应该明显高于平峰如果曲线是平的说明时间字段解析错了。这三个检查点花不了十分钟但能挡住大部分「图看起来对、实际数据错」的情况。我早期做这类项目时曾经因为没做总量校验把换乘站重复计算了整整一周才发现血泪经验就是先对总数再看分布。希望帮到你。本文还有配套的精品资源点击获取