Sau đây là một loạt các ví dụ minh họa cách sử dụng các phương pháp đối tượng Bản đồ cơ sở để vẽ dữ liệu của bạn trên bản đồ. Các ví dụ khác được bao gồm trong thư mục ví dụ của bản phân phối nguồn bản đồ cơ sở. Có một số phương pháp ví dụ Bản đồ cơ sở để vẽ dữ liệu
- vẽ đường đồng mức
- vẽ đường viền đầy
- vẽ một hình ảnh
- vẽ một biểu đồ giả màu
- vẽ một ô giả màu [phiên bản nhanh hơn cho các mắt lưới thông thường]
- vẽ đường và/hoặc đánh dấu
- vẽ điểm bằng bút đánh dấu
- vẽ vectơ
- vẽ tranh
- vẽ một vòng tròn lớn
Nhiều phương thức trong số các trường hợp này chỉ đơn giản chuyển tiếp sang phương thức đối tượng matplotlib Axes tương ứng, với một số xử lý bổ sung trước/sau và kiểm tra đối số. Bạn cũng có thể vẽ trực tiếp trên bản đồ bằng giao diện pyplot matplotlib hoặc api OO, sử dụng phiên bản Axes được liên kết với Bản đồ cơ sở
Để biết thêm chi tiết cụ thể về cách sử dụng các phương pháp đối tượng Bản đồ cơ sở, hãy xem
Dưới đây là các ví dụ [nhiều trong số đó sử dụng mô-đun netcdf4-python để truy xuất bộ dữ liệu qua http]
Sơ đồ địa lý được sử dụng cho các bản đồ thế giới và cả các quốc gia khác nhau của các quốc gia. Nó rất hữu ích khi dữ liệu dựa trên bản đồ phải được phân tích và rút ra những hiểu biết sâu sắc. Một lĩnh vực ứng dụng của nó là trực quan hóa dữ liệu xuất nhập khẩu hàng hóa
Những gì được sử dụng để tạo ra các bản đồ địa lý?Plotly sẽ được sử dụng để vẽ đồ thị. Lý do là nó tạo ra các ô tương tác
Làm thế nào để nhập các gói?Để biết chi tiết về Plotly, hãy xem bài viết của tôi tại đây
Gói plotly được nhập. Cùng với đó, một số mô-đun từ ngoại tuyến theo sơ đồ cũng được nhập vì chúng tôi đang sử dụng ở chế độ ngoại tuyến. Gói Pandas được nhập để xử lý các khung dữ liệu
>>> import pandas as pd
>>> import plotly as py
>>> from plotly.offline import download_plotlyjs,init_notebook_mode,plot,iplotSau đó, để đảm bảo rằng các ô được hiển thị bên trong sổ ghi chép, hãy viết đoạn mã dưới đây
>>> init_notebook_mode[connected=True] Bản đồ ChoroplethBản đồ Choropleth là bản đồ chứa các đa giác được tô màu. Nó giúp hình dung một biến thay đổi như thế nào trên một khu vực địa lý
Để tạo bản đồ choropleth, chúng ta cần tạo từ điển dữ liệu bằng phương thức dict[]. Từ điển này chứa loại, vị trí về cơ bản là các tiểu bang hoặc quốc gia được truyền dưới dạng một mảng và chế độ vị trí. Sau đó, thang màu được xác định. Các thang màu được xác định trước khác nhau là. 'cặp', 'Greys', 'Greens', 'Bluered','Hot','Picnic','Portland','Jet','RdBu','Blackbody','Earth', 'Electric','YIOrRd . Sau đó, các giá trị văn bản được đưa ra. Các giá trị này chỉ là tên xuất hiện khi được di chuột qua vị trí. Sau đó, một mảng được truyền làm đối số cho z. Các giá trị trong mảng là các số nên được liên kết tương ứng với các màu. Sau đó, đối số cuối cùng là thanh màu lấy từ điển làm giá trị. Đối với khóa 'tiêu đề', chúng tôi có thể đề cập đến tiêu đề của thanh màu phải là gì
Ở đây các quốc gia của lục địa châu Á sẽ được xem xét để vẽ
>>> data = dict[type = 'choropleth',
locations =['india','srilanka','nepal','Bangladesh','china','pakistan','bhutan','myanmar'],
locationmode = 'country names',
colorscale= 'Picnic',
text= ['IND','SLK','NEP','BAN','CHI','PAK','BHU', 'MYN'],
z=[1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0],
colorbar = {'title':'Country Colours'}]Bây giờ một đối tượng bố cục được tạo. Bố cục này là một từ điển lồng nhau. Phạm vi được đề cập ở đây
>>> layout = dict[geo={'scope':'asia'}]Bây giờ một đối tượng được tạo bằng go. Hàm figure[] để nó có thể được truyền vào phương thức iplot[]. Để thực hiện điều này, một lần nhập khác phải được thực hiện đối với các đối tượng biểu đồ từ sơ đồ. Sau khi nhập, trong quá trình di chuyển. Phương thức Figure[], dữ liệu và bố cục được truyền. Và nó được vẽ bằng phương thức iplot[]
>>> import plotly.graph_objs as go>>> chmap = go.Figure[data=[data],layout=layout]
>>> iplot[chmap]
Sử dụng dữ liệu thực cho âm mưu quốc gia
Dữ liệu bầu cử được sử dụng để hiểu cách tạo bản đồ choropleth cho dữ liệu thực. Dữ liệu được sử dụng là dữ liệu bầu cử của Hoa Kỳ
df = pd.read_csv['election_data.csv']
df.head[]Bây giờ chúng ta sẽ tạo từ điển dữ liệu. Ở đây thay vì viết tên trạng thái và giá trị văn bản, các cột khung dữ liệu sẽ được gọi trực tiếp. Vì vậy, đối với các vị trí, cột 'Sate Abv' sẽ được thông qua và chế độ vị trí sẽ là các tiểu bang của Hoa Kỳ do tập dữ liệu chỉ giao dịch với các tiểu bang của Hoa Kỳ. Tiếp theo, giá trị z sẽ lấy cột dân số trong độ tuổi bầu cử để hiển thị các chi tiết này theo các màu tương ứng. Các giá trị văn bản cũng sẽ nhận được cột 'trạng thái' của khung dữ liệu. Sau đó, tiêu đề thanh màu được đưa ra là Dân số trong độ tuổi bỏ phiếu vì đó là những gì nó đang mô tả
Một đối số bổ sung được thêm vào đó là điểm đánh dấu. Nó là một từ điển lồng nhau xác định cách đánh dấu sẽ. Màu sắc và chiều rộng được xác định. Điểm đánh dấu chỉ xác định cách đường viền sẽ được kết nối với các vị trí khác nhau
>>> data = dict[type='choropleth',
colorscale = 'Earth',
locations = df['State Abv'],
locationmode = 'USA-states',
z = df['Voting-Age Population [VAP]'],
text = df['State'],
marker = dict[line = dict[color = 'rgb[255,255,255]',width = 1]],
colorbar = {'title':"Voting Age Population [VAP]"}]Bây giờ từ điển bố cục đã được tạo. Tiêu đề của cốt truyện được thông qua cùng với phạm vi. Phạm vi là 'usa'. Ngoài ra, một đối số khác được đề cập là 'showlakes'. Nó hiển thị các hồ và màu hồ cũng được đề cập là màu xanh lam [được viết dưới dạng giá trị rgb]
>>> layout = dict[title = 'Election Voting Data',
geo = dict[scope='usa',
showlakes = True,
lakecolor = 'rgb[85,173,240]']
]>>> chmap = go.Figure[data = [data],layout = layout]
>>> iplot[chmap]
Sử dụng dữ liệu thực cho âm mưu thế giới
Giờ đây, một bộ dữ liệu thực được sử dụng về mức tiêu thụ năng lượng của thế giới để hiểu cách thức âm mưu xảy ra khi toàn bộ thế giới được xem xét
________số 8_______Như đã làm trước đây, từ điển dữ liệu và từ điển bố cục được tạo. Trong bố cục, một loại phép chiếu đối số bổ sung được đề cập. Nó quyết định các địa điểm sẽ trông như thế nào. Các tùy chọn khác nhau có thể được tìm thấy trong tài liệu chính thức. Liên kết được cung cấp ở cuối bài viết