中国城镇污水处理厂数据可视化

换个角度来了解下专业知识呗？

请注意，本文编写于 1182 天前，最后修改于 265 天前，其中某些信息可能已经过时。

食用指南

Warning / 注意
本页不能兼容全部移动端设备！请尽量使用桌面版或或者大屏设备访问！
GitHub链接：Data-Visualization-of-WWTPs-in-China，个人博客访问地址：亚灿网志。

数据介绍：中国各地区在1961~2014期间建立的污水处理厂的信息，具体信息包括：污水处理厂名称、地理位置、设计规模，现运行规模、处理工艺，以及建厂日期。

数据来源：某政府网站公开数据。

数据前期处理

PDF转Excel

采用Abode Acrobat即可将PDF转换为Excel文件。

Excel转JSON

利用Python的openpyxl和json模块完成数据的读取、转化、保存。

代码：

# -*- coding:utf-8 -*-
# Author: Man Yacan
# Email: myxc@live.cn
# Website: https://www.manyacan.com
# Datetime: 2020/9/6 11:10
# Software: PyCharm

import json  # 导入json模块
from openpyxl import load_workbook  # 加载Excel处理模块

wb = load_workbook(filename='originalInfo/info.xlsx')  # 打开Excel文件

worksheet = wb['sheet_01']  # 选择工作表

table_header = worksheet['1']  # 得到json数据的keys

project_list = list(worksheet.rows)  # 得到所有行

del project_list[0]  # 去掉标题行（第一行）

json_file = open('Info.json', 'a', encoding='utf-8')  # 设置打开格式，防止保存后乱码

for project in project_list:  # 遍历所有行
    temp_dict = {}
    for index, cell in enumerate(project):
        key = table_header[index].value  # 得到json数据的key值
        temp_dict[key] = cell.value  # 得到json数据的value

    json_data = json.dumps(temp_dict, ensure_ascii=False) + ',\n'  # json格式化
    json_file.write(json_data)  # 写入json数据

json_file.close()  # 关闭json文件

转为json文件后的数据结构为：

[
  {
    "id": 1,
    "province": "北京",
    "city": "朝阳区",
    "name": "高碑店污水处理厂",
    "method": "活性污泥法",
    "startTime": "1993年12月",
    "capability": 100,
    "averageAbility": 93.02
  },
    ....
    ....
    ....
]

注意：污水处理厂的设计能力capability和平均运行能力averageAbility的单位都是万立方米/天。

数据可视化

全国树状图展示

时间变化

各省份现有污水处理厂对比

# -*- coding:utf-8 -*-
# Author: Man Yacan
# Email: myxc@live.cn
# Website: https://www.manyacan.com
# Datetime: 2020/9/6 11:46
# Software: PyCharm

from pyecharts import charts, options, globals  # 可视化处理模块
import json  # 处理json文件模块

with open("originalInfo/Info.json", "r", encoding="utf-8") as f:
    all_info_list = json.load(f)  # 将读取的json文件以list的形式传递进本程序

all_city = [item.get("province") for item in all_info_list]  # 获取所有城市名

# 创建一个数组，用于保存本次数据可视化的数据
# 格式为：[('天津‘， 200)， (’河南‘, 300), ('省份名称',污水处理厂数量) ...]
city_data = []
for city in set(all_city):
    city_data.append((city, all_city.count(city)))

# 计算全国省份污水处理厂的平均数量
# average_num = sum([item[1] for item in city_data]) / len(city_data)

bar = charts.Bar(init_opts=options.InitOpts(  # 创建条形统计图类
    width='100%',  # 设置图形宽度
    theme=globals.ThemeType.LIGHT,  # 设置图形主题
    animation_opts=options.AnimationOpts(  # 设置图形动画
        animation_delay=1000, animation_easing="elasticOut"
    )
))  # 创建一个柱形图对象并在创建时启用一个主题

bar.add_xaxis([item[0] for item in city_data])  # 给柱形图设置X列

bar.add_yaxis(
    "中国城镇污水处理厂",
    [item[1] for item in city_data],
    category_gap=2  # 设置图之间的分隔距离
)  # 给柱形图设置Y列

bar.set_global_opts(
    title_opts=options.TitleOpts(title="中国污水处理厂数据可视化", subtitle="各省份污水处理厂对比"),  # 设置图名
    yaxis_opts=options.AxisOpts(name="污水处理厂数量/座"),  # 设置Y轴名称
    xaxis_opts=options.AxisOpts(
        name="省份",  # 设置X轴名称
        axislabel_opts=options.LabelOpts(  # x轴标签的设置
            font_size=10,
            rotate=45,
            horizontal_align='center',
            margin=20
        )
    ),
    datazoom_opts=options.DataZoomOpts(orient="vertical"),  # 设置缩放
    toolbox_opts=options.ToolboxOpts()  # 设置工具条可见
)  # 给柱形图设置标题

bar.set_series_opts(  # 额外的一些设置
    label_opts=options.LabelOpts(is_show=False),  # 设置条状图上的数据不显示
    markline_opts=options.MarkLineOpts(  # 设置标记线
        data=[
            options.MarkLineItem(type_="min", name="最小值"),
            options.MarkLineItem(type_="max", name="最大值"),
            options.MarkLineItem(type_="average", name="平均值")
        ]
    ),
)

bar.render("bar-chart.html")  # 保存为html文件

地图分布

from pyecharts import options as opts
from pyecharts.charts import Geo

import json  # 处理json文件模块

with open("originalInfo/Info.json", "r", encoding="utf-8") as f:
    all_info_list = json.load(f)  # 将读取的json文件以list的形式传递进本程序

all_city = [item.get("city") for item in all_info_list]  # 获取所有城市名

# 创建一个数组，用于保存本次数据可视化的数据
# 格式为：[('天津‘， 200)， (’河南‘, 300), ('省份名称',污水处理厂数量) ...]
city_data = []
for city in set(all_city):
    city_data.append((city, all_city.count(city)))

undefined_name = ['兵团', '伊犁州', '黔东南州', '北部新区', '延边州', '农垦总局', '农十师', '农六师', '黔西南州', '农八师', '农十三师', '长白山管委会', '黔南州',
                  '克孜勒苏州', '农一师', '湘西州', '克孜勒苏州']  # 过滤删除不兼容的地名

for index, item in enumerate(city_data):
    if item[0] in undefined_name:
        del city_data[index]

c = (
    Geo()
        .add_schema(maptype="china")
        .add(
        "中国各省份污水处理厂分布",
        city_data,
        type_='effectScatter',
    )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="中国污水处理厂数据可视化")
    )
        .render("geo_china.html")
)

历年增长

随着我国经济实力（GDP）的增长，污水处理会越来越受到国家和人民的关注。

# -*- coding:utf-8 -*-
# Author: Man Yacan
# Email: myxc@live.cn
# Website: https://www.manyacan.com
# Datetime: 2020/9/6 14:52
# Software: PyCharm

from pyecharts import charts, options, globals  # 可视化处理模块
import json  # 处理json文件模块
import re  # 导入正则处理模块

with open("originalInfo/Info.json", "r", encoding="utf-8") as f:
    all_info_list = json.load(f)  # 将读取的json文件以list的形式传递进本程序

temp_year = [item.get("startTime") for item in all_info_list]  # 获取所有时间

for index, year in enumerate(temp_year):  # 处具体的时间中提取年份
    temp_year[index] = re.match('\d{4}', year).group()

gdp = [1232.34, 5373.35, 6020.92, 7278.5, 9098.95, 10376.15, 12174.59, 15180.39, 12174.59, 15180.39, 17179.74, 18872.87,
       22005.63, 27194.53, 35673.23, 48637.45, 61339.89, 71813.63, 79715.04, 85195.51, 90564.38, 100280.14, 110863.12,
       121717.42, 187318.9, 219438.47, 270092.32, 319244.61, 348517.74, 412119.26, 487940.18, 538579.95, 592963.23,
       641280.57]  # GDP数据

year_data = []
for year in set(temp_year):
    year_data.append((int(year), temp_year.count(year)))

year_data.sort()  # 对年份排序
# print(year_data)

colors = ["#1abc9c", "#3498db", "#d68910"]  # 定义一个颜色list

# 不知道为啥？折线图中的x轴数据只能为字符串类型，其他类型不显示
x_data = [str(item[0]) for item in year_data]
y_data = [item[1] for item in year_data]

bar = charts.Bar(init_opts=options.InitOpts(  # 创建条形统计图类
    width='100%',  # 设置图形宽度
    theme=globals.ThemeType.LIGHT,  # 设置图形主题
    animation_opts=options.AnimationOpts(  # 设置图形动画
        animation_delay=1000, animation_easing="elasticOut"
    )
))  # 创建一个柱形图对象并在创建时启用一个主题

bar.add_xaxis(xaxis_data=x_data)  # 添加X轴数据

bar.add_yaxis(
    series_name='污水处理厂数量/座',
    y_axis=y_data,
    color=colors[1],
    label_opts=options.LabelOpts(is_show=False),
)  # 给柱形图设置Y列

bar.extend_axis(  # 给统计图添加一个额外的列用来作为GDP的Y列
    yaxis=options.AxisOpts(
        name="GDP（亿元）",
        type_="value",
        # axislabel_opts=options.LabelOpts(formatter="{value}亿元"),
    )
)

bar.set_global_opts(
    title_opts=options.TitleOpts(title="中国污水处理厂数据可视化", subtitle="历年增长数据"),  # 设置图名
    yaxis_opts=options.AxisOpts(
        name="污水处理厂数量/座",
        type_="value",
        name_location='center',
        name_rotate=90,
        name_gap=40,
        axistick_opts=options.AxisTickOpts(is_show=True),
        splitline_opts=options.SplitLineOpts(is_show=True),
        # axislabel_opts=options.LabelOpts(formatter="{value} 座"),
    ),  # 设置Y轴名称
    xaxis_opts=options.AxisOpts(
        name="年份",  # 设置X轴名称
        type_="category",
        name_location='center',
        name_gap=40,
        axislabel_opts=options.LabelOpts(  # x轴标签的设置
            font_size=10,
            rotate=45,
            horizontal_align='center',
            margin=20
        ),
        axispointer_opts=options.AxisPointerOpts(is_show=True, type_="shadow")
    ),
    tooltip_opts=options.TooltipOpts(  # 提示工具
        is_show=True, trigger="axis", axis_pointer_type="cross"
    ),
    datazoom_opts=options.DataZoomOpts(pos_bottom='0px'),  # 设置缩放
    # toolbox_opts=options.ToolboxOpts()  # 设置工具条可见
)  # 给柱形图设置标题

bar.set_series_opts(  # 额外的一些设置
    markline_opts=options.MarkLineOpts(  # 设置标记线
        data=[options.MarkLineItem(type_="average", name="平均值")]
    ),
)


# 绘制GDP折线图
line = charts.Line()
line.add_xaxis(xaxis_data=x_data)
line.add_yaxis(
    series_name="历年GDP",
    yaxis_index=1,  # 使用坐标轴的哪个Y轴
    y_axis=gdp,
    label_opts=options.LabelOpts(is_show=False),
    is_smooth=True,
    linestyle_opts=options.LineStyleOpts(
        width=5,
        type_='dotted',
        color=colors[2]
    ),
)

bar.overlap(line).render("bar_02.html")

处理工艺

不难看出，氧化沟、SBR、A2/O是我国污水处理的主流工艺。

# -*- coding:utf-8 -*-
# Author: Man Yacan
# Email: myxc@live.cn
# Website: https://www.manyacan.com
# Datetime: 2020/9/6 18:07
# Software: PyCharm

import json

from pyecharts import options as opts
from pyecharts.charts import WordCloud

with open("originalInfo/Info.json", "r", encoding="utf-8") as f:
    all_info_list = json.load(f)  # 将读取的json文件以list的形式传递进本程序

all_method = []
for item in all_info_list:
    all_method.append(item['method'])

method_data = []
for item in set(all_method):
    method_data.append((item, all_method.count(item)))

# print(method_data)

wordcloud = WordCloud()
wordcloud.add(
    "",
    method_data,
    word_size_range=[20, 100],
    # shape='diamond',
    textstyle_opts=opts.TextStyleOpts(font_family="cursive"),
)
wordcloud.set_global_opts(
    title_opts=opts.TitleOpts(
        title="中国污水处理厂数据可视化",
        title_textstyle_opts=opts.TextStyleOpts(font_size=23),
        subtitle="处理工艺"),  # 设置图名
    tooltip_opts=opts.TooltipOpts(is_show=True)
)
wordcloud.render("wordcloud.html")