Echarts 無論是制作省份地圖還是區縣域地圖,他們的步驟都是基本一樣的。
下面本人就 利用 Echarts 簡單繪制省份地圖 的步驟與經驗與各位分享一下。
<script type="text/javascript" src="/static/js/echarts.min.js"></script>
<script type="text/javascript" src="/static/js/jiangsu.js"></script>
<div>
{# 標記 #}
<a class="btn btn-success btn-sm" >江蘇省</a>
{# 地圖代碼開始 #}
<div class="x-body">
<!-- 為ECharts準備一個具備大小(寬高)的Dom -->
<div id="main" style="width: 949.75px;height:450px;"></div>
</div>
<script type="text/javascript">
echarts.registerMap('jiangsu', jiangsuJson);
// 基于準備好的dom,初始化echarts實例
var myChart = echarts.init(document.getElementById('main'));
// 使用剛指定的配置項和數據顯示圖表。
myChart.setOption({
series: [{
type: 'map',
map: 'jiangsu'
}]
});
</script>
</div>
其實只要按照本人上面的做法,就可以制作出來,本人繪不是很復雜,如果各位對省圖還需要其他顯示功能,大家不妨訪問 Echarts 的官網。
于轉載授授權
大數據文摘作品,歡迎個人轉發朋友圈,自媒體、媒體、機構轉載務必申請授權,后臺留言“機構名稱+文章標題+轉載”,申請過授權的不必再次申請,只要按約定轉載即可,但文末需放置大數據文摘二維碼。
編譯:佘彥遙程序注釋:席雄芬校對:丁雪
Folium是建立在Python生態系統的數據整理(Datawrangling)能力和Leaflet.js庫的映射能力之上的開源庫。用Python處理數據,然后用Folium將它在Leaflet地圖上進行可視化。
概念
Folium能夠將通過Python處理后的數據輕松地在交互式的Leaflet地圖上進行可視化展示。它不單單可以在地圖上展示數據的分布圖,還可以使用Vincent/Vega在地圖上加以標記。
這個開源庫中有許多來自OpenStreetMap、MapQuest Open、MapQuestOpen Aerial、Mapbox和Stamen的內建地圖元件,而且支持使用Mapbox或Cloudmade的API密鑰來定制個性化的地圖元件。Folium支持GeoJSON和TopoJSON兩種文件格式的疊加,也可以將數據連接到這兩種文件格式的疊加層,最后可使用color-brewer配色方案創建分布圖。
安裝
安裝folium包
開始創建地圖
創建底圖,傳入起始坐標到Folium地圖中:
importfolium
map_osm= folium.Map(location=[45.5236, -122.6750]) #輸入坐標
map_osm.create_map(path='osm.html')
Folium默認使用OpenStreetMap元件,但是Stamen Terrain, Stamen Toner, Mapbox Bright 和MapboxControl空間元件是內置的:
#輸入位置,tiles,縮放比例
stamen =folium.Map(location=[45.5236, -122.6750], tiles='Stamen Toner',zoom_start=13)
stamen.create_map(path='stamen_toner.html')#保存圖片
Folium也支持Cloudmade 和 Mapbox的個性化定制地圖元件,只需簡單地傳入API_key :
custom =folium.Map(location=[45.5236, -122.6750], tiles='Mapbox',
API_key='wrobstory.map-12345678')
最后,Folium支持傳入任何與Leaflet.js兼容的個性化地圖元件:
tileset= r'http://{s}.tiles.yourtiles.com/{z}/{x}/{y}.png'
map =folium.Map(location=[45.372, -121.6972], zoom_start=12,
tiles=tileset, attr='My DataAttribution')
地圖標記
Folium支持多種標記類型的繪制,下面從一個簡單的Leaflet類型的位置標記彈出文本開始:
map_1 =folium.Map(location=[45.372, -121.6972], zoom_start=12,
tiles='Stamen Terrain')
map_1.simple_marker([45.3288,-121.6625], popup='Mt. Hood Meadows')#文字標記
map_1.simple_marker([45.3311,-121.7113], popup='Timberline Lodge')
map_1.create_map(path='mthood.html')
Folium支持多種顏色和標記圖標類型:
map_1 =folium.Map(location=[45.372, -121.6972], zoom_start=12,tiles='Stamen Terrain')
map_1.simple_marker([45.3288,-121.6625], popup='Mt. Hood Meadows',marker_icon='cloud') #標記圖標類型為云
map_1.simple_marker([45.3311,-121.7113], popup='Timberline Lodge',marker_color='green') #標記顏色為綠色
map_1.simple_marker([45.3300,-121.6823], popup='Some OtherLocation',marker_color='red',marker_icon='info-sign')
#標記顏色為紅色,標記圖標為“info-sign”)
map_1.create_map(path='iconTest.html')
Folium也支持使用個性化的尺寸和顏色進行圓形標記:
map_2 =folium.Map(location=[45.5236, -122.6750], tiles='Stamen Toner',
zoom_start=13)
map_2.simple_marker(location=[45.5244,-122.6699], popup='The Waterfront')
簡單樹葉類型標記
map_2.circle_marker(location=[45.5215,-122.6261], radius=500,
popup='Laurelhurst Park',line_color='#3186cc',
fill_color='#3186cc')#圓形標記
map_2.create_map(path='portland.html')
Folium有一個簡便的功能可以使經/緯度懸浮于地圖上:
map_3 =folium.Map(location=[46.1991, -122.1889], tiles='Stamen Terrain',zoom_start=13)
map_3.lat_lng_popover()
map_3.create_map(path='sthelens.html')
Click-for-marker功能允許標記動態放置:
map_4 =folium.Map(location=[46.8527, -121.7649], tiles='Stamen Terrain',zoom_start=13)
map_4.simple_marker(location=[46.8354,-121.7325], popup='Camp Muir')
map_4.click_for_marker(popup='Waypoint')
map_4.create_map(path='mtrainier.html')
Folium也支持來自Leaflet-DVF的Polygon(多邊形)標記集:
map_5 =folium.Map(location=[45.5236, -122.6750], zoom_start=13)
map_5.polygon_marker(location=[45.5012,-122.6655], popup='Ross Island Bridge',fill_color='#132b5e', num_sides=3,radius=10)#三邊形標記
map_5.polygon_marker(location=[45.5132,-122.6708], popup='Hawthorne Bridge',fill_color='#45647d', num_sides=4,radius=10)#四邊形標記
map_5.polygon_marker(location=[45.5275,-122.6692], popup='Steel Bridge',fill_color='#769d96', num_sides=6, radius=10)#四邊形標記
map_5.polygon_marker(location=[45.5318,-122.6745], popup='Broadway Bridge',fill_color='#769d96', num_sides=8,radius=10) #八邊形標記
map_5.create_map(path='bridges.html')
Vincent/Vega標記
Folium能夠使用vincent 進行任何類型標記,并懸浮在地圖上。
buoy_map= folium.Map(location=[46.3014, -123.7390], zoom_start=7,
tiles='StamenTerrain')
buoy_map.polygon_marker(location=[47.3489,-124.708], fill_color='#43d9de',radius=12, popup=(vis1, 'vis1.json'))
buoy_map.polygon_marker(location=[44.639,-124.5339], fill_color='#43d9de',radius=12, popup=(vis2, 'vis2.json'))
buoy_map.polygon_marker(location=[46.216,-124.1280], fill_color='#43d9de',radius=12, popup=(vis3, 'vis3.json'))
GeoJSON/TopoJSON層疊加
GeoJSON 和TopoJSON層都可以導入到地圖,不同的層可以在同一張地圖上可視化出來:
geo_path= r'data/antarctic_ice_edge.json'
topo_path= r'data/antarctic_ice_shelf_topo.json'
ice_map= folium.Map(location=[-59.1759, -11.6016],tiles='Mapbox Bright', zoom_start=2)
ice_map.geo_json(geo_path=geo_path)#導入geoJson層
ice_map.geo_json(geo_path=topo_path,topojson='objects.antarctic_ice_shelf')#導入Toposon層
ice_map.create_map(path='ice_map.html')
分布圖
Folium允許PandasDataFrames/Series類型和Geo/TopoJSON類型之間數據轉換。Color Brewer 顏色方案也是內建在這個庫,可以直接導入快速可視化不同的組合:
importfolium
importpandas as pd
state_geo= r'data/us-states.json'#地理位置文件
state_unemployment= r'data/US_Unemployment_Oct2012.csv'#美國失業率文件
state_data= pd.read_csv(state_unemployment)
#LetFolium determine the scale
map =folium.Map(location=[48, -102], zoom_start=3)
map.geo_json(geo_path=state_geo,data=state_data,
columns=['State', 'Unemployment'],
key_on='feature.id',
fill_color='YlGn',fill_opacity=0.7, line_opacity=0.2,
legend_name='Unemployment Rate(%)')
map.create_map(path='us_states.html')
基于D3閾值尺度,Folium在右上方創建圖例,通過分位數創建最佳猜測值,導入設定的閾值很簡單:
map.geo_json(geo_path=state_geo,data=state_data,
columns=['State', 'Unemployment'],
threshold_scale=[5, 6, 7, 8, 9,10],
key_on='feature.id',
fill_color='BuPu',fill_opacity=0.7, line_opacity=0.5,
legend_name='Unemployment Rate(%)',
reset=True)
map.create_map(path='us_states.html')
通過Pandas DataFrame進行數據處理,可以快速可視化不同的數據集。下面的例子中,df DataFrame包含6列不同的經濟數據,我們將在下面可視化一部分數據:
2011年就業率分布圖
map_1 =folium.Map(location=[48, -102], zoom_start=3)
map_1.geo_json(geo_path=county_geo,data_out='data1.json', data=df,
columns=['GEO_ID','Employed_2011'],key_on='feature.id',
fill_color='YlOrRd',fill_opacity=0.7, line_opacity=0.3,
topojson='objects.us_counties_20m')#2011就業率分布圖
map_1.create_map(path='map_1.html')
2011年失業率分布圖
map_2 =folium.Map(location=[40, -99], zoom_start=4)
map_2.geo_json(geo_path=county_geo,data_out='data2.json', data=df,
columns=['GEO_ID','Unemployment_rate_2011'],
key_on='feature.id',
threshold_scale=[0, 5, 7, 9, 11,13],
fill_color='YlGnBu', line_opacity=0.3,
legend_name='Unemployment Rate2011 (%)',
topojson='objects.us_counties_20m')#2011失業率分布圖
map_2.create_map(path='map_2.html')
2011年中等家庭收入分布圖
map_3 =folium.Map(location=[40, -99], zoom_start=4)
map_3.geo_json(geo_path=county_geo,data_out='data3.json', data=df,
columns=['GEO_ID','Median_Household_Income_2011'],
key_on='feature.id',
fill_color='PuRd',line_opacity=0.3,
legend_name='Median Household Income2011 ($)',
topojson='objects.us_counties_20m')#2011中等家庭收入分布圖
map_3.create_map(path='map_3.html')
編譯者簡介
回復“志愿者”,了解我們及如何加入我們
大數據文摘精彩文章:
回復【金融】 看【金融與商業】專欄歷史期刊文章
回復【可視化】感受技術與藝術的完美結合
回復【安全】 關于泄密、黑客、攻防的新鮮案例
回復【算法】 既漲知識又有趣的人和事
回復【谷歌】 看其在大數據領域的舉措
回復【院士】 看眾多院士如何講大數據
回復【隱私】 看看在大數據時代還有多少隱私
回復【醫療】 查看醫療領域文章6篇
回復【征信】 大數據征信專題四篇
回復【大國】 “大數據國家檔案”之美國等12國
回復【體育】 大數據在網球、NBA等應用案例
回復【志愿者】了解如何加入大數據文摘
專注大數據,每日有分享
數據分析和可視化領域,Seaborn庫憑借其優雅的設計理念和高效的繪圖能力備受青睞。今天,我們將聚焦于Seaborn的一個重要組件——distplot,它是用于描繪單變量分布的強大工具,能夠幫助我們更深入地洞察數據特征。本文將詳細介紹如何在Python Web開發環境中使用Seaborn的distplot功能,并通過實際案例展現其在揭示數據分布特性上的價值。
Seaborn是一個基于matplotlib的數據可視化庫,專門針對統計圖形進行了優化,提供了高層次的接口,使復雜的數據可視化變得簡單易行。distplot則是Seaborn中的一個重要函數,它可以繪制單變量的概率密度分布圖,包括直方圖、核密度估計曲線(KDE)、正態分布擬合線以及分位數點等元素。
首先,我們引入必要的庫,并通過一個簡單的隨機數據集來演示distplot的基本用法:
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
# 創建一個隨機數據集
data = np.random.normal(size=1000)
# 使用distplot繪制分布圖
sns.distplot(data, bins=30, kde=True, rug=True)
plt.title("Distplot Example with KDE and Rug Plot")
plt.xlabel("Value")
plt.ylabel("Density")
plt.show()
除了上述基本用法外,distplot還允許我們在同一圖表中疊加多種分布情況,例如比較兩組或多組數據:
data1 = np.random.normal(0, 1, size=500)
data2 = np.random.normal(2, 0.5, size=500)
sns.distplot(data1, hist_kws={"alpha": 0.5}, label="Data Set 1")
sns.distplot(data2, hist_kws={"alpha": 0.5}, label="Data Set 2")
plt.legend()
plt.title("Comparing Two Distributions using Distplot")
plt.show()
對于含有多個變量的DataFrame,distplot可以便捷地繪制多變量分布:
df = pd.DataFrame({
'Column_A': np.random.randn(1000),
'Column_B': np.random.gamma(2, size=1000),
'Column_C': np.random.exponential(1, size=1000)
})
for column in df.columns:
sns.distplot(df[column], hist=False, kde_kws={"shade": True}, label=column)
plt.legend(title="Columns in DataFrame")
plt.title("Distribution of Columns in a DataFrame")
plt.show()
在Web應用程序中,distplot可以被嵌入到網頁中以動態展示數據分布。借助Flask框架和Jinja2模板,你可以創建一個REST API,從數據庫獲取數據并在前端頁面上實時繪制分布圖。這里僅給出大致流程:
from flask import Flask, render_template, jsonify
import seaborn as sns
import numpy as np
import pandas as pd
app = Flask(__name__)
# 假設有一個從數據庫獲取數據的方法
def fetch_data():
# 返回模擬的數據集
...
@app.route('/api/data')
def data_api():
data = fetch_data()
return jsonify(data.tolist())
@app.route('/')
def index():
return render_template('index.html')
if __name__ == '__main__':
app.run(debug=True)
# 在index.html文件中,通過JavaScript庫(如Bokeh或Plotly.js)接收JSON數據并使用前端可視化庫繪制distplot風格的分布圖
distplot作為Seaborn的核心組件,以其強大的功能和靈活的配置,為我們深入剖析單變量數據分布提供了有力支持。在實際的Python Web開發項目中,結合后端數據處理能力和前端交互式可視化技術,distplot及其他Seaborn圖表可以有效地提升用戶體驗,使復雜的統計信息更為直觀、易于理解。
*請認真填寫需求信息,我們會在24小時內與您取得聯系。