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。

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。

本文转载自网络，原文链接：https://mp.weixin.qq.com/s/mN4Lb3lzZfoJDgKFXRazxQ
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！