【数据可视化-99】2025 年各地区夏粮产量可视化分析：Python + pyecharts打造炫酷暗黑主题大屏

🧑 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。

---

一、引言

  夏粮产量是衡量一个地区农业发展水平的重要指标，对于了解各地区的农业生产和粮食安全具有重要意义。本文将通过 Python 和 Pyecharts 对 2025 年各地区夏粮产量数据进行可视化分析，从多个维度展示各地区的夏粮产量情况，并生成炫酷的可视化大屏。分析维度包括：总产量排名、单位面积产量、总产量占比、总产量分布，以及新增的词云图——总产量的省份词云图。

二、数据准备

  本次分析的数据集包含以下字段：省份、总产量（万吨）、播种面积（千公顷）、单位面积产量（公斤/公顷），数据来源于《国家统计局》。以下是部分数据：

省份	总产量(万吨)	播种面积(千公顷)	单位面积产量(公斤/公顷)
北京	17.9	31.4	5706.7
天津	82.9	131	6326.6
河北	1530.9	2286.4	6695.9
…	…	…	…

三、环境搭建

  在开始之前，确保已经安装了以下 Python 包：

pip install pandas pyecharts openpyxl

四、代码实现

  以下是完整的 Python 代码，用于读取数据、进行可视化分析，并生成炫酷的可视化大屏。

import pandas as pd
from pyecharts.charts import Bar, Line, Pie, Map, WordCloud, Grid
from pyecharts import options as opts
from pyecharts.globals import ThemeType# 读取数据
df = pd.read_excel("2025年各地区夏粮产量情况.xlsx")# 数据准备
provinces = df["省份"].tolist()
total_output = df["总产量(万吨)"].tolist()
sowing_area = df["播种面积(千公顷)"].tolist()
yield_per_area = df["单位面积产量(公斤/公顷)"].tolist()

4.1 柱状图：总产量排名

bar = (Bar().add_xaxis(provinces).add_yaxis("总产量(万吨)", total_output, category_gap="50%")
)

4.2 折线图：单位面积产量

line = (Line().add_xaxis(provinces).add_yaxis("单位面积产量(公斤/公顷)", yield_per_area)
)

4.3 饼图：总产量占比

pie = (Pie().add("", [list(z) for z in zip(provinces, total_output)])
)

4.4 地图：总产量分布

map_ = (Map().add("总产量(万吨)", [list(z) for z in zip(provinces, total_output)], "china")
)

4.5 词云图：总产量的省份词云图

wordcloud = (WordCloud().add("", [list(z) for z in zip(provinces, total_output)], word_size_range=[20, 100])
)

五、组合到大屏

page = Page(page_title="2025年各地区夏粮产量情况分析大屏",layout=Page.DraggablePageLayout
)page.add(bar, line, pie, map_, wordcloud)
page.render("2025年各地区夏粮产量情况分析大屏.html")

六、可视化结果

运行上述代码后，会生成一个名为 2025年各地区夏粮产量可视化大屏.html 的文件。打开该文件，可以看到以下内容：

6.1 柱状图：总产量排名

  柱状图展示了 2025 年各地区夏粮总产量的排名情况。从图中可以看出，河南和山东的总产量最高，分别达到了 3750 万吨和 2736.8 万吨。而海南和宁夏的总产量相对较低。

6.2 折线图：单位面积产量

  折线图展示了 2025 年各地区夏粮单位面积产量的情况。从图中可以看出，上海的单位面积产量最高，达到了 6731 公斤/公顷，而广西的单位面积产量相对较低，仅为 2314.7 公斤/公顷。

6.3 饼图：总产量占比

  饼图展示了 2025 年各地区夏粮总产量的占比情况。从图中可以看出，河南和山东的总产量占比最高，分别占到了 15.2% 和 15.0%。而海南和宁夏的总产量占比相对较低。

6.4 地图：总产量分布

  地图展示了 2025 年各地区夏粮总产量的分布情况。从图中可以看出，河南和山东的总产量较高，颜色较深；而海南和宁夏的总产量相对较低，颜色较浅。

6.5 词云图：总产量的省份词云图

  词云图展示了 2025 年各地区夏粮总产量的省份词云图。从图中可以看出，总产量较高的省份（如河南、山东）的词云较大，而总产量较低的省份（如海南、宁夏）的词云较小。这种可视化方式可以帮助我们直观地看到各地区的总产量差异。

七、分析总结

  通过对 2025 年各地区夏粮产量数据的可视化分析，我们可以得出以下结论：

1. 区域差异明显：河南和山东的夏粮总产量最高，而海南和宁夏的总产量相对较低。这表明不同地区的农业发展水平存在差异。
2. 单位面积产量差异：上海的单位面积产量最高，而广西的单位面积产量相对较低。这表明不同地区的农业生产效率存在差异。
3. 总产量分布：河南和山东的总产量占比较高，而海南和宁夏的总产量占比较低。这表明不同地区的粮食生产贡献存在差异。
4. 总产量的省份词云图：通过词云图，我们可以直观地看到各地区的总产量差异，总产量较高的省份词云较大，而总产量较低的省份词云较小。

  总之，通过对夏粮产量数据的可视化分析，我们可以更好地了解各地区的农业生产和粮食安全情况，为制定相关政策提供参考依据。

---