如何用Python的Plotly修改代码实现超市销售数据气泡地图？

核心修改思路 #

原示例是基于国家代码的全球地图，要适配城市级别的缅甸数据，需要做以下关键调整：

• 替换数据源为你的超市销售数据集
• 补充城市经纬度信息（原数据集未包含）
• 按城市聚合计算总销售数量，作为气泡大小的依据
• 使用经纬度定位城市，而非国家代码

完整实现代码 #

import plotly.express as px
import pandas as pd

# 读取超市销售数据集（使用原始文件链接）
df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/supermarket_sales.csv")

# 按城市分组，计算每个城市的总销售数量
city_total_sales = df.groupby("City")["Quantity"].sum().reset_index()

# 添加缅甸三个城市的经纬度坐标
city_location = {
    "Yangon": (16.8000, 96.1667),
    "Naypyitaw": (19.7500, 96.0833),
    "Mandalay": (21.9588, 96.0891)
}
city_total_sales["latitude"] = city_total_sales["City"].map(lambda x: city_location[x][0])
city_total_sales["longitude"] = city_total_sales["City"].map(lambda x: city_location[x][1])

# 创建气泡地图
fig = px.scatter_geo(
    city_total_sales,
    lat="latitude",
    lon="longitude",
    hover_name="City",
    size="Quantity",  # 气泡大小对应总销售数量
    color="City",     # 不同城市用不同颜色区分
    projection="natural earth",
    title="缅甸城市超市销售数量分布"
)

# 调整地图视角，聚焦缅甸区域
fig.update_geos(
    center=dict(lat=20, lon=96),
    zoom=5
)

fig.show()

代码说明 #

1. 数据读取：使用原始文件链接直接读取GitHub上的数据集，避免网页格式干扰
2. 数据聚合：通过groupby计算每个城市的总销量，确保气泡大小能反映整体销售规模
3. 地理坐标补充：手动添加三个城市的经纬度，这是绘制城市级地图的必要前提
4. 地图配置：通过update_geos调整地图中心和缩放级别，让缅甸区域在视图中更清晰突出

内容的提问来源于stack exchange，提问作者janinedk