關(guān)于Python可視化Dash工具—Choropleth_Mapbox地圖實(shí)現(xiàn)
本文轉(zhuǎn)載自微信公眾號「python與大數(shù)據(jù)分析」，作者一只小小鳥鳥。轉(zhuǎn)載本文請聯(lián)系python與大數(shù)據(jù)分析公眾號。
有兩周沒更新公眾號，一來是工作有點(diǎn)忙，二來是被地圖的事情攪和的不行了，事情沒搞清楚前寫文檔是對自己最大的不尊重，關(guān)于choropleth_mapbox地圖實(shí)現(xiàn)，有很多坑在里面。主要的因素是對geojson不夠了解，以及choropleth_mapbox對參數(shù)的解釋一直是言之不詳。
GeoJSON是一種對各種地理數(shù)據(jù)結(jié)構(gòu)進(jìn)行編碼的格式，GeoJSON是用json的語法表達(dá)和存儲地理數(shù)據(jù)，可以說是json的子集。GeoJSON對象可以表示幾何、特征或者特征集合。GeoJSON支持下面幾何類型：點(diǎn)、線、面、多點(diǎn)、多線、多面和幾何集合。GeoJSON里的特征包含一個(gè)幾何對象和其他屬性，特征集合表示一系列特征。
GeoJSON總是由一個(gè)單獨(dú)的對象組成。這個(gè)對象表示幾何、特征或者特征集合。
GeoJSON對象可能有任何數(shù)目成員。
GeoJSON對象必須有一個(gè)名字為"type"的成員。這個(gè)成員的值是由GeoJSON對象的類型所確定的字符串。
type成員的值必須是下面之一："Point", "MultiPoint", "LineString", "MultiLineString", "Polygon", "MultiPolygon", "GeometryCollection", "Feature", 或者 "FeatureCollection"。
以下是個(gè)geojosn的樣例
{
"type": "FeatureCollection",
"features": [
{"type":"Feature",
"properties":{},
"geometry":{
"type":"Point",
"coordinates":[105.380859375,31.57853542647338]
}
}
]
}關(guān)于全球地圖、中國地圖、省域地圖的geojson文件均可以下載到，但格式略有區(qū)別，比如全球地圖有id即國家簡寫，在properties下的name中也有全稱。
?
?
但中國地圖有adcode，name、級別、中心點(diǎn)等等屬性。
?
?
在實(shí)現(xiàn)choropleth_mapbox的過程中，地圖一直無法正常顯示，原因有二，其一plotly基于d3.js，geojson文件的加載比較耗時(shí)，而且要認(rèn)為點(diǎn)擊一下zoom out按鈕才能呈現(xiàn)地圖，其二參數(shù)不對，在下面的代碼注釋中已有介紹，在此不做詳述了。所有的數(shù)據(jù)均為隨機(jī)值，不代表任何含義。
import json
import pandas as pd
import plotly.express as px
def print_json(data):
print(json.dumps(data, sort_keys=True, indent=4, separators=(', ', ': '), ensure_ascii=False))
with open('countries.geo.json') as response:
counties = json.load(response)
df = pd.read_csv("datarand.csv",encoding="utf-8")
# 世界地圖，不指定鍵值，默認(rèn)采用geojson中的id值，即國家簡寫，數(shù)據(jù)表格中的列也要為國家簡寫，即country列
fig = px.choropleth_mapbox(df, geojson=counties,locations='country', color='key1',
color_continuous_scale=px.colors.diverging.RdYlGn[::-1],
range_color=(100, 10000),
mapbox_style="carto-positron",
zoom=1,
center={"lat": 37.4189, "lon": 116.4219},
opacity=0.5
)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()
??
# 世界地圖，指定properties.name國家名稱作為鍵值，數(shù)據(jù)表格中的列也要改為國家，即locations列
fig = px.choropleth_mapbox(df, geojson=counties, featureidkey="properties.name",locations='name', color='key1',
color_continuous_scale="Viridis",
range_color=(100, 10000),
mapbox_style="carto-positron",
zoom=1,
center={"lat": 37.4189, "lon": 116.4219},
opacity=0.5
)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()
??
# 世界地圖，指定id國家簡寫作為鍵值，數(shù)據(jù)表格中的列也要改為國家簡寫，即country列
fig = px.choropleth_mapbox(df, geojson=counties, featureidkey="id",locations='country', color='key1',
color_continuous_scale="Reds",
range_color=(100, 10000),
mapbox_style="carto-positron",
zoom=1,
center={"lat": 37.4189, "lon": 116.4219},
opacity=0.5
)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()
??
# 世界地圖，不指定鍵值，默認(rèn)采用geojson中的id值，即國家簡寫，數(shù)據(jù)表格中的列也要為國家簡寫，即country列，對color_continuous_scale進(jìn)行設(shè)置
fig = px.choropleth_mapbox(df, geojson=counties, locations='country', color='key1',
range_color=(100, 10000),
color_continuous_scale=[
[0, 'lightcoral'], # 這個(gè)必須要寫，否則會出錯(cuò)
[1. / 3000, 'indianred'],
[1. / 300, 'brown'],
[1. / 30, 'firebrick'],
[1 / 3, 'maroon'],
[1., 'darkred']],
zoom=1,
center={"lat": 37.4189, "lon": 116.4219},
mapbox_style='carto-positron')
fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.show()
??
# 中國地圖
with open('china_geo.json') as response:
counties = json.load(response)
df = pd.read_csv("data.csv",encoding="utf-8",
dtype={"areacode": str})
fig = px.choropleth_mapbox(df, geojson=counties, featureidkey="properties.adcode",locations='areacode', color='confirm',
#color_continuous_scale="Viridis",
range_color=(1, 80000),
color_continuous_scale=[
[0, 'lightcoral'], # 這個(gè)必須要寫，否則會出錯(cuò)
[1. / 3000, 'indianred'],
[1. / 300, 'brown'],
[1. / 30, 'firebrick'],
[1 / 3, 'maroon'],
[1., 'darkred']],
zoom=3, center={"lat": 37.4189, "lon": 116.4219},
mapbox_style='carto-positron')
fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.show()
??
# 海南地圖
with open('460000-hainan.json') as response:
counties = json.load(response)
df = pd.read_csv("hainandata.csv",encoding="utf-8",
dtype={"areacode": str})
fig = px.choropleth_mapbox(df, geojson=counties, featureidkey="properties.adcode",locations='areacode', color='confirm',
# color_continuous_scale="Geyser",
color_continuous_scale='Reds',
#color_continuous_scale=px.colors.diverging.RdYlGn[::-1],
range_color=(1, 1500),
zoom=6, center={"lat": 20.031971, "lon": 110.33119},
mapbox_style='carto-positron')
fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.show()
?
?
