关于Python可视化Dash工具—散点地图、热力地图、线形地图

开发 前端
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.

[[388264]]

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。

 

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。

 

责任编辑:武晓燕 来源: python与大数据分析
相关推荐

2021-03-17 08:07:56

Python可视化工具

2020-03-11 14:39:26

数据可视化地图可视化地理信息

2021-02-21 08:11:46

PythonDash工具

2014-01-17 10:36:39

2022-03-01 10:29:44

Kubernetes容器

2017-09-05 08:35:09

Python可视化地图

2017-09-01 19:49:50

Python工具地图

2015-10-29 09:36:48

2014-06-20 15:00:57

数据可视化

2023-02-07 11:44:02

2016-12-09 13:34:59

Maptrix数据可视化

2020-04-15 10:34:05

数据Excel地图

2013-10-22 10:37:47

谷歌数据可视化

2020-12-29 08:04:16

可视化地图组件日历组件

2016-10-21 11:00:51

WOT技术

2021-06-15 14:33:00

高德百度腾讯

2013-05-16 14:31:49

GoogleGoogle Maps

2011-05-07 09:21:47

必应地图iOS谷歌地图

2020-02-21 16:51:58

前端可视化传染病

2020-07-06 14:50:36

地图可视化Java
点赞
收藏

51CTO技术栈公众号