关于Python可视化Dash工具—choropleth_mapbox地图实现

有两周没更新公众号，一来是工作有点忙，二来是被地图的事情搅和的不行了，事情没搞清楚前写文档是对自己最大的不尊重，关于choropleth_mapbox地图实现，有很多坑在里面。主要的因素是对geojson不够了解，以及choropleth_mapbox对参数的解释一直是言之不详。

GeoJSON是一种对各种地理数据结构进行编码的格式，GeoJSON是用json的语法表达和存储地理数据，可以说是json的子集。GeoJSON对象可以表示几何、特征或者特征集合。GeoJSON支持下面几何类型：点、线、面、多点、多线、多面和几何集合。GeoJSON里的特征包含一个几何对象和其他属性，特征集合表示一系列特征。

GeoJSON总是由一个单独的对象组成。这个对象表示几何、特征或者特征集合。

GeoJSON对象可能有任何数目成员。

GeoJSON对象必须有一个名字为"type"的成员。这个成员的值是由GeoJSON对象的类型所确定的字符串。

type成员的值必须是下面之一："Point", "MultiPoint", "LineString", "MultiLineString", "Polygon", "MultiPolygon", "GeometryCollection", "Feature", 或者 "FeatureCollection"。

以下是个geojosn的样例

{
"type": "FeatureCollection",
"features": [
{"type":"Feature",
"properties":{},
"geometry":{
"type":"Point",
"coordinates":[105.380859375,31.57853542647338]
}
}
]
}

关于全球地图、中国地图、省域地图的geojson文件均可以下载到，但格式略有区别，比如全球地图有id即国家简写，在properties下的name中也有全称。

但中国地图有adcode，name、级别、中心点等等属性。

在实现choropleth_mapbox的过程中，地图一直无法正常显示，原因有二，其一plotly基于d3.js，geojson文件的加载比较耗时，而且要认为点击一下zoom out按钮才能呈现地图，其二参数不对，在下面的代码注释中已有介绍，在此不做详述了。所有的数据均为随机值，不代表任何含义。

import json
import pandas as pd
import plotly.express as px
def print_json(data):
print(json.dumps(data, sort_keys=True, indent=4, separators=(', ', ': '), ensure_ascii=False))

with open('countries.geo.json') as response:
    counties = json.load(response)
df = pd.read_csv("datarand.csv",encoding="utf-8")

# 世界地图，不指定键值，默认采用geojson中的id值，即国家简写，数据表格中的列也要为国家简写，即country列fig = px.choropleth_mapbox(df, geojsnotallow=counties,locatinotallow='country', color='key1',                           color_continuous_scale=px.colors.diverging.RdYlGn[::-1],                           range_color=(100, 10000),                           mapbox_style="carto-positron",                           zoom=1,                           center={"lat": 37.4189, "lon": 116.4219},                           opacity=0.5                          )
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()

# 世界地图，指定properties.name国家名称作为键值，数据表格中的列也要改为国家，即locations列fig = px.choropleth_mapbox(df, geojsnotallow=counties, featureidkey="properties.name",locatinotallow='name', color='key1',                           color_continuous_scale="Viridis",                           range_color=(100, 10000),                           mapbox_style="carto-positron",                           zoom=1,                           center={"lat": 37.4189, "lon": 116.4219},                           opacity=0.5                          )
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()

# 世界地图，指定id国家简写作为键值，数据表格中的列也要改为国家简写，即country列fig = px.choropleth_mapbox(df, geojsnotallow=counties, featureidkey="id",locatinotallow='country', color='key1',                           color_continuous_scale="Reds",                           range_color=(100, 10000),                           mapbox_style="carto-positron",                           zoom=1,                           center={"lat": 37.4189, "lon": 116.4219},                           opacity=0.5                          )
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()

# 世界地图，不指定键值，默认采用geojson中的id值，即国家简写，数据表格中的列也要为国家简写，即country列，对color_continuous_scale进行设置fig = px.choropleth_mapbox(df, geojsnotallow=counties, locatinotallow='country',  color='key1',                           range_color=(100, 10000),                           color_continuous_scale=[
                               [0, 'lightcoral'],  # 这个必须要写，否则会出错                               [1. / 3000, 'indianred'],                               [1. / 300, 'brown'],                               [1. / 30, 'firebrick'],                               [1 / 3, 'maroon'],                               [1., 'darkred']],                           zoom=1,                           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()

# 中国地图with open('china_geo.json') as response:
    counties = json.load(response)

df = pd.read_csv("data.csv",encoding="utf-8",                   dtype={"areacode": str})

fig = px.choropleth_mapbox(df, geojsnotallow=counties, featureidkey="properties.adcode",locatinotallow='areacode',  color='confirm',                           #color_continuous_scale="Viridis",                           range_color=(1, 80000),                           color_continuous_scale=[
                               [0, 'lightcoral'],  # 这个必须要写，否则会出错                               [1. / 3000, 'indianred'],                               [1. / 300, 'brown'],                               [1. / 30, 'firebrick'],                               [1 / 3, 'maroon'],                               [1., 'darkred']],                           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()

# 海南地图with open('460000-hainan.json') as response:
    counties = json.load(response)

df = pd.read_csv("hainandata.csv",encoding="utf-8",                   dtype={"areacode": str})


fig = px.choropleth_mapbox(df, geojsnotallow=counties, featureidkey="properties.adcode",locatinotallow='areacode',  color='confirm',                           # color_continuous_scale="Geyser",                           color_continuous_scale='Reds',                           #color_continuous_scale=px.colors.diverging.RdYlGn[::-1],                           range_color=(1, 1500),                           zoom=6, center={"lat": 20.031971, "lon": 110.33119},                           mapbox_style='carto-positron')

fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.show()