关于Python可视化Dash工具—散点地图、热力地图、线形地图

好不容易实现了choropleth_mapbox地图，也顺道把散点地图、热力地图、线形地图处理掉吧，做到有始有终，再迈向新的领域；从微信公众号里拿到了按分省统计的用户数据，又拿到了各地市数据，通过这两种数据分别实现choropleth_mapbox、scatter_mapbox、density_mapbox，至于line_mapbox构造数据过于麻烦，直接拷贝了官网上的案例。

基于分省统计的用户数据，通过choropleth_mapbox进行行政区域的数据展示。

import json
import pandas as pd
import plotly.express as px
# 中国地图
with open('china_geo.json') as response:
    counties = json.load(response)

df = pd.read_csv("gongzhonghaopro.csv",encoding="utf-8",
                   dtype={"areacode": str})

fig = px.choropleth_mapbox(df, geojson=counties, featureidkey="properties.adcode",locations='areacode',  color='total',
                           #color_continuous_scale="Viridis",
                           range_color=(0, 320),
                           color_continuous_scale='Reds',
                           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()

基于分地市统计的用户数据，通过scatter_mapbox进行各城市的数据展示。这里面不同的地方是直接采用mapbox的地图，而且申请了一个tokenkey，此外数据的构成方面，需要附上各区域的经度、维度、展示数据等信息。

all_data = pd.read_csv("gongzhonghao.csv",encoding="utf-8")
token = 'pk.eyJ1Ijoiam9obndhbmcyMDIxIiwiYSI6ImNrbWNheTJ1NzA4cWQyb21uZHYycTgzMGQifQ.Tyk26CpuPLPi3bpw05yM_A'
fig = px.scatter_mapbox(all_data, lat="langitude", lon="latitude", hover_name="city", hover_data=["city", "total"],
                        color="total",
                        size="total",
                        #color_continuous_scale=px.colors.sequential.matter,
                        size_max=30,
                        color_continuous_scale="Reds",
                        zoom=5, height=1000)

fig.update_layout(mapbox = {'accesstoken': token, #需要到官网注册一个token
                            'center': {'lon': 106.573, 'lat': 30.66342},  #指定的地图中心
                            'zoom': 3,
                            'style': 'basic', #显示的地图类型，有遥感地图，街道地图等类型
                           },
                  margin = {'l': 0, 'r': 0, 't': 0, 'b': 0})
fig.show()

基于分地市统计的用户数据，通过density_mapbox进行各城市的数据展示。热力图相对来说呈现效果要好于scatter_mapbox，不过这里面关于range_color的设置一直没想明白该如何正确处理。

all_data = pd.read_csv("gongzhonghao.csv",encoding="utf-8")
print(all_data)
fig = px.density_mapbox(all_data, lat='langitude', lon='latitude', z='total', radius=20,
                        color_continuous_scale=px.colors.diverging.RdYlGn[::-1],
                        center={"lat": 37.4189, "lon": 116.4219}, zoom=3,
                        range_color =(0,15),
                        mapbox_style="stamen-terrain")
fig.show()

基于官方案例的line_geo地图展示。

df = px.data.gapminder().query("year == 2007")
fig = px.line_geo(df, locations="iso_alpha",
                  color="continent", # "continent" is one of the columns of gapminder
                  projection="orthographic")
fig.show()

下一步该探索一下dash_core_components 、dash_html_components 、idash_bootstrap_components组件了，最终的目标是实现可视化大屏，还有很长的路要走。

最后请多多关注，谢谢！

本文分享自微信公众号 - 追梦IT人（baoqiangwang2020）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。