### ### 区县热力图绘制流程 要使用 Python 根据区县数据绘制热力图，可以借助 `pyecharts` 或 `geopandas` 等库实现。其中，`pyecharts` 提供了较为直观的接口，适用于快速生成交互式地图图表；而 `geopandas` 则更适合进行地理空间数据分析与可视化。 在使用 `pyecharts` 绘制区县热力图时，需要确保地理数据已正确加载。通常需要将区县名称与对应的数值进行配对，并通过 `Map` 类型指定地图区域为 `"china"`，同时确保数据中包含有效的行政区划名称，例如“北京市海淀区”、“广东省深圳市南山区”等[^2]。 以下是一个使用 `pyecharts` 绘制区县热力图的示例代码： ```python from pyecharts.charts import Map from pyecharts import options as opts # 示例数据：区县名称与对应数值 data = [("北京市海淀区", 120), ("北京市朝阳区", 90), ("上海市浦东新区", 150), ("广州市天河区", 80), ("深圳市南山区", 130)] # 创建地图图表 map_chart = ( Map() .add("数据", data, maptype="china") .set_global_opts( title_opts=opts.TitleOpts(title="区县热力图示例"), visualmap_opts=opts.VisualMapOpts(min_=50, max_=150), ) ) # 在 Jupyter Notebook 中显示图表 map_chart.render_notebook() ``` 此外，若需更精细的地理边界控制，可使用 `geopandas` 结合 `matplotlib` 或 `plotly` 进行可视化。该方法通常需要准备 GeoJSON 文件作为地理边界数据，并将其与数据表进行合并后绘制热力图。 以下为使用 `geopandas` 的示例代码： ```python import geopandas as gpd import matplotlib.pyplot as plt # 加载 GeoJSON 地理边界数据（需替换为实际路径） gdf = gpd.read_file("district_boundaries.geojson") # 假设已有一个包含区县名称和数值的 DataFrame # 示例数据 data = {"district": ["北京市海淀区", "北京市朝阳区", "上海市浦东新区"], "value": [120, 90, 150]} df = pd.DataFrame(data) # 合并地理数据与数值数据 merged = gdf.merge(df, left_on="name", right_on="district", how="left") # 绘制热力图 fig, ax = plt.subplots(1, 1, figsize=(15, 10)) merged.plot(column="value", ax=ax, legend=True, cmap="OrRd", edgecolor="k") plt.title("区县热力图") plt.show() ``` 上述方法可实现基于区县数据的热力图绘制，具体选择哪种方式取决于对交互性、地图样式以及数据处理灵活性的需求[^1]。 ---