当前位置：首页 > news >正文

【数据可视化-78】2025年上半年广东省各市GDP排名深度解析与可视化：Python + Pyecharts 深度洞察（含完整数据、代码）

news 2025/8/2 4:54:34

🧑 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。

在这里插入图片描述

【数据可视化-78】2025年上半年广东省各市GDP排名深度解析与可视化：Python + Pyecharts 深度洞察（含完整数据、代码）

2025年上半年广东省各市GDP排名深度解析与可视化
- 一、引言
- 二、数据准备
- - 2.1 柱状图：2025年上半年GDP排名（3D效果）
  - 2.2 折线图：名义增长率对比（带动态效果）
  - 2.3 饼图：GDP占比（玫瑰图形式）
  - 2.4 地图：广东省各市GDP分布（3D效果）
  - 2.5 散点图：GDP规模与增长率关系
  - 2.6 雷达图：前五城市多维度对比
- 三、生成组合大屏
- 四、数据分析与可视化解读
- - 4.1 GDP总量排名分析
  - 4.2 经济增长率分析
  - 4.3 GDP地理分布特征
  - 4.4 规模与增长关系
  - 4.5 前五城市多维度对比
- 六、政策建议
- 七、结论

2025年上半年广东省各市GDP排名深度解析与可视化

一、引言

大家好！今天我将带大家深入分析2025年上半年广东省各市的GDP数据，并使用Python的pyecharts库进行炫酷的可视化展示。我们将从多个角度分析数据，并最终生成一个可移动的可视化大屏。

二、数据准备

使用Python和pyecharts创建一个炫酷的可视化大屏，全面分析2025年上半年广东省各市的GDP表现。

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Pie, Map, Grid, Page, Scatter, Radar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
import random# 数据准备
data = {"序号": list(range(1, 22)),"地区": ["深圳市", "广州市", "佛山市", "东莞市", "惠州市", "珠海市", "中山市", "江门市", "茂名市", "湛江市", "汕头市", "肇庆市", "揭阳市", "清远市", "韶关市", "阳江市", "汕尾市", "梅州市", "潮州市", "河源市", "云浮市"],"2025年上半年": [18322.26, 15080.99, 6366.87, 6067.84, 2910.06, 2243.65, 1974.65, 1942.62, 1902.66, 1811.26, 1500.81, 1358.01, 1219.89, 1068.55, 780.8, 768.02, 739.95, 720.59, 679.74, 668.71, 597.48],"2024年同期": [17302.22, 14297.66, 6122.89, 5686.8, 2645.3, 2174.26, 1885, 1876.4, 1843.76, 1725.61, 1493.27, 1246.89, 1210.8, 1016.98, 757.14, 771.15, 679.38, 657.84, 654, 628.55, 566.61],"增量": [1020.04, 783.33, 243.98, 381.04, 264.76, 69.39, 89.65, 66.22, 58.9, 85.65, 7.54, 111.12, 9.09, 51.57, 23.66, -3.13, 60.57, 62.75, 25.74, 40.16, 30.87],"名义增长率(%)": [5.9, 5.48, 3.98, 6.7, 10.01, 3.19, 4.76, 3.53, 3.19, 4.96, 0.5, 8.91, 0.75, 5.07, 3.12, -0.41, 8.92, 9.54, 3.94, 6.39, 5.45]
}df = pd.DataFrame(data)# 计算占比
total_gdp = df["2025年上半年"].sum()
df["占比"] = df["2025年上半年"].apply(lambda x: round(x / total_gdp * 100, 2))# 生成随机渐变颜色
def generate_gradient_colors(n, start_color, end_color):colors = []for i in range(n):r = start_color[0] + (end_color[0] - start_color[0]) * i // ng = start_color[1] + (end_color[1] - start_color[1]) * i // nb = start_color[2] + (end_color[2] - start_color[2]) * i // ncolors.append(f"#{r:02x}{g:02x}{b:02x}")return colors

2.1 柱状图：2025年上半年GDP排名（3D效果）

# 1. 柱状图：2025年上半年GDP排名（3D效果）
def bar_chart() -> Bar:# 排序数据df_sorted = df.sort_values(by="2025年上半年", ascending=False)# 生成渐变颜色colors = generate_gradient_colors(len(df_sorted), (30, 144, 255), (0, 191, 255))bar = (Bar(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK)).add_xaxis(df_sorted["地区"].tolist()).add_yaxis("2025年上半年GDP(亿元)", df_sorted["2025年上半年"].tolist(),itemstyle_opts=opts.ItemStyleOpts(color=JsCode("""function(params) {var colors = %s;return colors[params.dataIndex];}""" % colors)),category_gap="50%",bar_width=20# label_opts=opts.LabelOpts(#     position="top",#     formatter=JsCode(#         "function(params){return params.value[1] + '亿元';}"#     ),#     color="#fff",#     font_size=12# )).set_global_opts(title_opts=opts.TitleOpts(title="2025年上半年广东省各市GDP排名",title_textstyle_opts=opts.TextStyleOpts(color="#fff", font_size=18),subtitle="深圳和广州遥遥领先，其他城市差距明显",subtitle_textstyle_opts=opts.TextStyleOpts(color="#aaa", font_size=14),pos_left="center",pos_top="10"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff", rotate=45, font_size=10),splitline_opts=opts.SplitLineOpts(is_show=False)),yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff", font_size=10),name="GDP(亿元)",name_textstyle_opts=opts.TextStyleOpts(color="#fff"),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color="rgba(255,255,255,0.1)"))),datazoom_opts=[opts.DataZoomOpts(type_="inside")],toolbox_opts=opts.ToolboxOpts(is_show=True,feature={"saveAsImage": {"title": "保存图片", "pixel_ratio": 2},"restore": {"title": "重置视图"},"dataView": {"title": "数据视图", "readOnly": True},"magicType": {"type": ["line", "bar"], "title": {"line": "折线图", "bar": "柱状图"}}}),graphic_opts=[opts.GraphicGroup(graphic_item=opts.GraphicItem(rotation=JsCode("Math.PI / 4"),bounding="raw",right=100,bottom=110,z=100),children=[opts.GraphicRect(graphic_item=opts.GraphicItem(left="center",top="center"),graphic_shape_opts=opts.GraphicShapeOpts(width=400,height=50),graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(fill="rgba(0,0,0,0.3)")),opts.GraphicText(graphic_item=opts.GraphicItem(left="center",top="center",z=100),graphic_textstyle_opts=opts.GraphicTextStyleOpts(text="广东省GDP分析大屏",font="bold 26px Microsoft YaHei",graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(fill="#fff")))])]))return bar

2.2 折线图：名义增长率对比（带动态效果）

# 2. 折线图：名义增长率对比（带动态效果）
def line_chart() -> Line:# 排序数据df_sorted = df.sort_values(by="名义增长率(%)", ascending=False)# 生成气泡大小数据（基于GDP）size_data = [np.log(x) * 10 for x in df_sorted["2025年上半年"]]line = (Line(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK)).add_xaxis(df_sorted["地区"].tolist()).add_yaxis("名义增长率(%)",df_sorted["名义增长率(%)"].tolist(),symbol="roundRect",symbol_size=size_data,is_symbol_show=True,label_opts=opts.LabelOpts(is_show=True, color="#fff", formatter="{c}%"),linestyle_opts=opts.LineStyleOpts(width=3, color="#ff7f50", type_="solid"),itemstyle_opts=opts.ItemStyleOpts(color="#ff7f50", border_width=2, border_color="#fff"),markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最高增长率"),opts.MarkPointItem(type_="min", name="最低增长率"),opts.MarkPointItem(type_="average", name="平均增长率")],label_opts=opts.LabelOpts(color="#fff", position="inside")),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均增长率")],label_opts=opts.LabelOpts(color="#fff", position="middle"))).set_global_opts(title_opts=opts.TitleOpts(title="2025年上半年名义增长率对比",title_textstyle_opts=opts.TextStyleOpts(color="#fff", font_size=16),subtitle="气泡大小代表GDP规模",subtitle_textstyle_opts=opts.TextStyleOpts(color="#aaa", font_size=12),pos_left="center",pos_top="10"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff", rotate=45, font_size=10),splitline_opts=opts.SplitLineOpts(is_show=False)),yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff", font_size=10, formatter="{value}%"),name="增长率(%)",name_textstyle_opts=opts.TextStyleOpts(color="#fff"),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color="rgba(255,255,255,0.1)"))),tooltip_opts=opts.TooltipOpts(trigger="axis",formatter=JsCode("function(params){""var value = params[0].value;""var city = params[0].name;""var gdp = %s[city];""return city + '<br/>' + '增长率: ' + value + '%%<br/>' + 'GDP: ' + gdp + '亿元';""}" % {city: gdp for city, gdp in zip(df["地区"], df["2025年上半年"])}),border_color="#aaa",textstyle_opts=opts.TextStyleOpts(color="#fff")),datazoom_opts=[opts.DataZoomOpts(type_="inside")],visualmap_opts=opts.VisualMapOpts(type_="size",min_=min(size_data),max_=max(size_data),dimension=1,orient="horizontal",pos_left="center",pos_bottom="0",textstyle_opts=opts.TextStyleOpts(color="#fff"))))return line

2.3 饼图：GDP占比（玫瑰图形式）

# 3. 饼图：GDP占比（玫瑰图形式）
def pie_chart() -> Pie:# 只显示前8名，其余合并为"其他"top8 = df.nlargest(8, "2025年上半年")other_gdp = total_gdp - top8["2025年上半年"].sum()other_percent = round(other_gdp / total_gdp * 100, 2)pie_data = list(zip(top8["地区"], top8["占比"]))pie_data.append(("其他地区", other_percent))# 生成渐变颜色colors = generate_gradient_colors(len(pie_data), (255, 105, 180), (255, 20, 147))pie = (Pie(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK)).add("",pie_data,radius=["30%", "75%"],center=["50%", "50%"],rosetype="radius",label_opts=opts.LabelOpts(formatter=JsCode("function(params) {""return params.name + ': ' + params.percent + '%%';""}"),color="#fff"),itemstyle_opts=opts.ItemStyleOpts(border_width=1,border_color="#000")).set_colors(colors).set_global_opts(title_opts=opts.TitleOpts(title="2025年上半年GDP占比分布",title_textstyle_opts=opts.TextStyleOpts(color="#fff", font_size=16),subtitle="深圳和广州占比超过60%",subtitle_textstyle_opts=opts.TextStyleOpts(color="#aaa", font_size=12),pos_left="center",pos_top="10"),legend_opts=opts.LegendOpts(orient="vertical",pos_left="left",textstyle_opts=opts.TextStyleOpts(color="#fff")),tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}% ({d}%)",border_color="#aaa",textstyle_opts=opts.TextStyleOpts(color="#fff"))).set_series_opts(label_opts=opts.LabelOpts(position="outside",formatter="{b}: {c}%",color="#fff")))return pie

2.4 地图：广东省各市GDP分布（3D效果）

# 4. 地图：广东省各市GDP分布（3D效果）
def map_chart() -> Map:map_data = [[city, gdp] for city, gdp in zip(df["地区"], df["2025年上半年"])]map_ = (Map(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK)).add("GDP(亿元)", map_data, "广东",is_map_symbol_show=False,label_opts=opts.LabelOpts(is_show=True,# color="#fff",# formatter=JsCode(#     "function(params){"#     "return params.name + '\\n' + params.value[1] + '亿元';"#     "}"# )),itemstyle_opts=opts.ItemStyleOpts(border_color="#000",border_width=1)).set_global_opts(title_opts=opts.TitleOpts(title="广东省各市GDP地理分布",title_textstyle_opts=opts.TextStyleOpts(color="#fff", font_size=16),subtitle="珠三角地区经济实力突出",subtitle_textstyle_opts=opts.TextStyleOpts(color="#aaa", font_size=12),pos_left="center",pos_top="10"),visualmap_opts=opts.VisualMapOpts(min_=500,max_=18000,is_piecewise=True,pieces=[{"min": 15000, "label": "15000亿元以上", "color": "#8B0000"},{"min": 6000, "max": 14999, "label": "6000-14999亿元", "color": "#CD5C5C"},{"min": 2000, "max": 5999, "label": "2000-5999亿元", "color": "#F08080"},{"min": 1000, "max": 1999, "label": "1000-1999亿元", "color": "#FFA07A"},{"min": 0, "max": 999, "label": "1000亿元以下", "color": "#FFDAB9"}],textstyle_opts=opts.TextStyleOpts(color="#fff"),pos_left="10",pos_bottom="20")# tooltip_opts=opts.TooltipOpts(#     # formatter=JsCode(#     #     "function(params){"#     #     "return params.name + '<br/>GDP: ' + params.value[1] + '亿元';"#     #     "}"#     # ),#     border_color="#aaa",#     textstyle_opts=opts.TextStyleOpts(color="#fff")# )))return map_

2.5 散点图：GDP规模与增长率关系

# 5. 散点图：GDP规模与增长率关系
def scatter_chart() -> Scatter:scatter = (Scatter(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK)).add_xaxis(df["2025年上半年"].tolist()).add_yaxis("增长率",df["名义增长率(%)"].tolist(),symbol_size=[np.log(gdp) * 5 for gdp in df["2025年上半年"]],label_opts=opts.LabelOpts(formatter=JsCode("function(params){""return %s[params.dataIndex];""}" % df["地区"].tolist()),position="top",color="#fff"),itemstyle_opts=opts.ItemStyleOpts(color=JsCode("function(params) {""return params.value[1] > 8 ? '#FF4500' : (params.value[1] > 5 ? '#32CD32' : '#1E90FF');""}"))).set_global_opts(title_opts=opts.TitleOpts(title="GDP规模与增长率关系",title_textstyle_opts=opts.TextStyleOpts(color="#fff", font_size=16),subtitle="气泡大小代表GDP规模",subtitle_textstyle_opts=opts.TextStyleOpts(color="#aaa", font_size=12),pos_left="center",pos_top="10"),xaxis_opts=opts.AxisOpts(type_="value",name="GDP(亿元)",name_textstyle_opts=opts.TextStyleOpts(color="#fff"),axislabel_opts=opts.LabelOpts(color="#fff"),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color="rgba(255,255,255,0.1)"))),yaxis_opts=opts.AxisOpts(type_="value",name="增长率(%)",name_textstyle_opts=opts.TextStyleOpts(color="#fff"),axislabel_opts=opts.LabelOpts(color="#fff", formatter="{value}%"),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color="rgba(255,255,255,0.1)"))),tooltip_opts=opts.TooltipOpts(formatter=JsCode("function(params){""var city = %s[params.dataIndex];""var gdp = params.value[0];""var growth = params.value[1];""return city + '<br/>GDP: ' + gdp + '亿元<br/>增长率: ' + growth + '%%';""}" % df["地区"].tolist()),border_color="#aaa",textstyle_opts=opts.TextStyleOpts(color="#fff")),visualmap_opts=opts.VisualMapOpts(type_="size",min_=min(df["2025年上半年"]),max_=max(df["2025年上半年"]),dimension=0,orient="horizontal",pos_left="center",pos_bottom="0",textstyle_opts=opts.TextStyleOpts(color="#fff"))))return scatter

2.6 雷达图：前五城市多维度对比

# 6. 雷达图：前五城市多维度对比
def radar_chart() -> Radar:top5 = df.nlargest(5, "2025年上半年")indicators = [{"name": "GDP(亿元)", "max": 20000},{"name": "增量(亿元)", "max": 1200},{"name": "增长率(%)", "max": 12},{"name": "占比(%)", "max": 35}]# 归一化到 0-100 便于雷达图展示def normalize(series, max_val):return (series / max_val * 100).tolist()radar = (Radar(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK)).add_schema(schema=indicators, textstyle_opts=opts.TextStyleOpts(color="#fff")))for _, row in top5.iterrows():radar.add(row["地区"],[[row["2025年上半年"], row["增量"], row["名义增长率(%)"], row["占比"]]],areastyle_opts=opts.AreaStyleOpts(opacity=0.3))return radar

三、生成组合大屏

page = Page(page_title="2025上半年广东 GDP 大屏")
page.add(bar_chart(), line_chart(), pie_chart(), map_chart(), scatter_chart(), radar_chart())
page.render("guangdong_gdp_dashboard.html")
print("✅ 可视化大屏已生成：guangdong_gdp_dashboard.html")