关于Python可视化Dash工具—散点地图、热力地图、线形地图

时间:2022-10-05 23:51:33

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() 

关于Python可视化Dash工具—散点地图、热力地图、线形地图

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() 

关于Python可视化Dash工具—散点地图、热力地图、线形地图

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() 

关于Python可视化Dash工具—散点地图、热力地图、线形地图

基于官方案例的line_geo地图展示。

关于Python可视化Dash工具—散点地图、热力地图、线形地图

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。

原文地址:https://mp.weixin.qq.com/s/mN4Lb3lzZfoJDgKFXRazxQ