Python案例 |地图绘制及分级着色

1、分级着色地图

分级着色地图常用于可视化地理数据,比如人口密度、经济数据、气候变化等。其原理是使用颜色或阴影的渐变来表示不同区域(如国家、省份、城市等)中的数据差异。例如,地图上的每个区域根据其代表的数值被着色,通常数值越大,颜色越深。

2、案例1

复制代码
import plotly.express as px
import pandas as pd

# 将数据转化为pandas DataFrame
data = {
    'Country': ['Australia', 'United States', 'Brazil', 'Russia', 'India', 'South Africa', ],
    'Value': [100, 90, 80, 70, 85, 95]
}

df = pd.DataFrame(data)

# 创建Choropleth地图
fig = px.choropleth(
    df,
    locations='Country',
    locationmode='country names',
    color='Value', color_continuous_scale='Blues',
    title='分级着色地图'
)
# 显示地图
fig.show()

运行结果:

2、案例2

复制代码
import pandas as pd
import plotly.express as px
import numpy as np
import json

with open("china_province.geojson", encoding='utf8') as f:
    provinces_map = json.load(f)

df = pd.read_csv('data.csv')

df.确诊 = df.确诊.map(np.log)   # 由于各省确诊数据差距较大,数据尺度大,将所有数据采用对数形式
print(df.确诊)
fig = px.choropleth_mapbox(
    df,
    geojson=provinces_map,
    color='确诊',
    locations="地区",
    featureidkey="properties.NL_NAME_1",
    mapbox_style="carto-darkmatter",
    color_continuous_scale='viridis',
    center={"lat": 37.110573, "lon": 106.493924},
    zoom=3,
    hover_name="地区",
    hover_data=["确诊", "疑似", "治愈", "死亡"],
)
# fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.show()

运行结果:

参考资料

https://blog.csdn.net/u010099080/article/details/104543491

https://github.com/secsilm/plotly-choropleth-mapbox-demo

相关推荐
一晌小贪欢2 分钟前
Python爬虫第7课:多线程与异步爬虫技术
开发语言·爬虫·python·网络爬虫·python爬虫·python3
ftpeak11 分钟前
《Cargo 参考手册》第二十二章:发布命令
开发语言·rust
luckyPian25 分钟前
学习go语言
开发语言·学习·golang
祁同伟.1 小时前
【C++】多态
开发语言·c++
朱嘉鼎2 小时前
C语言之可变参函数
c语言·开发语言
yanxing.D2 小时前
OpenCV轻松入门_面向python(第六章 阈值处理)
人工智能·python·opencv·计算机视觉
JJJJ_iii3 小时前
【机器学习01】监督学习、无监督学习、线性回归、代价函数
人工智能·笔记·python·学习·机器学习·jupyter·线性回归
北冥湖畔的燕雀5 小时前
C++泛型编程(函数模板以及类模板)
开发语言·c++
Python图像识别6 小时前
71_基于深度学习的布料瑕疵检测识别系统(yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集)
python·深度学习·yolo
QX_hao7 小时前
【Go】--map和struct数据类型
开发语言·后端·golang