python可交互的图表 python交互地图

！！！mapbox做可视化不要钱，还挺好看

需要调用几个包：
json主要是从绘图的角度，给可视化的点线面确定位置坐标。对于区域来说，也是由json文件给出坐标点，然后定义这些点为边界，用线将点连接起来，形成区域。可以在mapbox中，手动打点，然后导出json文件，这样做的好处是，在数据量没有特别大的时候，所画即所见，不会出现坐标误差在可视化阶段还需要偏移和微调的情况。
plotly主要负责代码层面的效果渲染和交互，包括颜色、粗细、形状等多个参数可进行调整，实现最好的可视化效果。

import json
import plotly as py
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
pyplt = py.offline.plot

数据导入

格式如图

#point = pd.read_excel(r'zhangjiagang point data.xlsx')
point = pd.read_excel(r'zhangjiagang point data -xiaoshi zhanshi.xlsx')

下面就开始画图啦：

print(point.head())

token='pk.eyJ1Ijoic2hhbGx5ZWxsIiwiYSI6ImNsMzhjazB4cjAwOGQzaW11NnN5b20wOHcifQ.43PFHMZJZYaxPfY09jszA'

fig=px.scatter_mapbox(point,
                                 lon='经度',
                                 lat='纬度',
                                 size='流量',
                                  color='流量',
                                 hover_name='名称',
                                 hover_data=['数据来源'],
                                 size_max=25,
                                 #color_discrete_sequence=px.colors.colorbrewer.Set1
                                 #color_continuous_scale=px.colors.sequential.Viridis

                                #color_continuous_scale=px.colors.sequential.Rainbow
                                color_continuous_scale = px.colors.sequential.Reds

                                 )


fig.update_layout(mapbox={'accesstoken':token,'center':{'lon':120.541768,'lat':31.868239},'zoom':10.3,'style':'outdoors'},
                 title={'text':'张家港拥堵识别','xref':'paper','x':0.5,},
                 margin={'l':10,'r':0,'t':50,'b':10})

pyplt(fig, filename='zhangjiagang point.html')

还有这些可选的配色方案，具体可在plotly的官网上研究，讲道理，好看的不多

#'Blackbody'、'Bluered'、'Blues'、'Cividis'、'Earth'、'Electric'、'Greens'、'Greys'、'Hot'、'Jet'、'Picnic'、'Portland'、'Rainbow'、'RdBu'、'Reds'、'Viridis'、'YlGnBu'、'YlOrRd'

点的大小与流量数据大小正相关，可以设置上限，避免交叉重叠
就是size_max那儿设置

效果图

交通小区图同理，需要json文件提供边界 ，excel提供数据

python包还是那些
自己到前面去import去吧

#颜色跟着吸引流量数据走，可调整
china_ncp=pd.read_excel('ncp_map.xlsx')
print(china_ncp.head())

 with open(r'zhangjiagang62 smallqv.json',encoding='utf-8')as f:
     china_geo=json.load(f)

 token = 'pk.eyJ1Ijoic2hhbGx5ZWxsIiwiYSI6ImNsMzhjazB4cjAwOGQzaW11NnN5b20wOHcifQ.43PFHMZJZYaxPfY09jszA'
fig = go.Figure(
     go.Choroplethmapbox(geojson=china_geo, locations=china_ncp['FIPS'], z=china_ncp['xiyinliuliang'],
                         name='张家港',
                        hovertext=china_ncp['Provinces'], hoverinfo='text+z', zmax=2000, zmin=0,
                         text=china_ncp['qvneichuxing'],
                         colorscale='YlOrRd', marker_line_width=0.5, marker_line_color='rgb(169,164,159)'))
 fig.update_layout(mapbox={'accesstoken': token, 'center': {'lon': 120.541768, 'lat': 31.868239}, 'zoom': 9.6},
                   title={'text': '张家港交通小区图', 'xref': 'paper', 'x': 0.5},
                    margin={'l': 10, 'r': 0, 't': 50, 'b': 10})
 fig.data[0].hovertemplate = '<b>小区编号</b>: <b>%{hovertext}</b>' + \
                             '<br> <b>吸引流量 </b>: %{z}<br>' + \
                             '<br> <b>区内出行 </b>: %{text}<br>'

 pyplt(fig, filename='map.html')

效果图

颜色越深，说明流量越大

zoom用来调整开局地图缩放比例，

你要是一开始想看见全貌，就缩小，

你要是一开始想看见详细的某一条道路，就放大

重要提醒：

编号意识很重要，json文件和交通小区的编号，需要一一对应

mapbox的token 需要自行准备，注册账号，即可获得，本文token仅做示意，为无效token，请谅解

更新-20220607-功能解释

scatter_mapbox(data_frame, lat=None, lon=None, color=None, text=None, 
               hover_name=None, hover_data=None, size=None, 
               animation_frame=None, animation_group=None, 
               category_orders={}, labels={}, color_discrete_sequence=None, 
               color_discrete_map={}, color_continuous_scale=None, 
               range_color=None, color_continuous_midpoint=None, 
               opacity=None, size_max=None, zoom=8, title=None, 
               template=None, width=None, height=None)

data_frame    A 'tidy' pandas.DataFrame

lon           DataFrame中的列名字符串, 数据点的经度

lat           DataFrame中的列名字符串, 数据点的纬度

size          DataFrame中的列名字符串, 把该列的值与数据点的大小相关联

color         DataFrame中的列名字符串, 把该列的值与颜色相关联

title         图表标题

text          DataFrame中的列名字符串, 该列的值在图中显示为文本标签(text labels)
             （静态文本标签）
              
hover_name    DataFrame中的列名字符串, 该列的值在悬停提示框的顶部以粗体显示

hover_data    DataFrame中的列名字符串的列表, 这些列的值在悬停提示框中作为额外的
              数据显示

size_max     使用'size'关键字时数据点的最大尺寸, 整数, 默认为20

zoom         地图缩放的级别, 0-20之间的整数, 默认为8

animation_frame           DataFrame中的列名字符串,  此列中的值用于将标记分配给动画帧

color_continuous_scale    有效的CSS颜色字符串列表, 当color指代的列包含数值型数据时,
                          此列表用于构建连续的color scale, 可以从
                          plotly_express.colors.sequential, 
                          plotly_express.colors.diverging 和
                          plotly_express.colors.cyclical中选择