您的位置：首页 > 运维架构

使用 plotly 绘制 Choropleth 地图

2020-03-12 18:39 901 查看

本文将通过绘制中国省级 Choropleth 地图来解释如何使用 plotly 绘制 Choropleth 地图，主要有两种方法：底层 API

plotly.graph_objects.Choroplethmapbox

和高层 API

plotly.express.choropleth_mapbox

，数据是 COVID-19 在某一天的疫情数据。

什么是 Choropleth 地图

Choropleth map 即分级统计图。在整个制图区域的若干个小的区划单元内（行政区划或者其他区划单位），根据各分区资料的数量（相对）指标进行分级，并用相应色级或不同疏密的晕线，反映各区现象的集中程度或发展水平的分布差别。—— Choropleth_百度百科

简单来说，具体到本文，就是在地图上为每个省上色，根据什么来确定上哪个颜色呢？在本文中就是该省的确诊人数，人数越多，颜色越亮。这样得到的地图就是 Choropleth 地图。

依赖

主要依赖为：

均可以通过

pip

安装，然后导入：

import json
import pandas as pd
import plotly.express as px
import plotly.graph_objs as go

数据准备

```
data.csv
```
：某日 COVID-19 全国省级疫情数据，用于地图上色
```
china_province.geojson
```
：中国省级地图 geojson 文件，用于绘制地图轮廓

然后导入数据：

with open("china_province.geojson") as f:
provinces_map = json.load(f)
df = pd.read_csv('data.csv')

plotly 的绘图逻辑

使用 plotly 绘图，其实就是两点：data 和 layout，即数据和布局。其实所有绘图都是这样，只不过在 plotly 里体现得尤为明显，尤其是底层 API。

data 决定绘图所使用的数据，比如绘制股票折线图用的股票历史数据，绘制疫情地图用的疫情数据。layout 决定图的布局，比如一幅折线图的宽高，一幅地图的风格和中心点。plotly 里一幅图是一个

Figure

对象，这个对象就有

data

和

layout

两个参数。

方法 1：底层 API

plotly.graph_objects.Choroplethmapbox

plotly.graph_objects.Choroplethmapbox

（以下简称

go.Choroplethmapbox

）是 plotly 的底层 API，其全部参数可参考其官方文档。不过这参数实在是太多了，下面我通过例子来介绍一下几个常用的。

先来看代码：

fig = go.Figure(
go.Choroplethmapbox(
geojson=provinces_map,
featureidkey="properties.NL_NAME_1",
locations=df.地区,
z=df.确诊,
zauto=True,
colorscale='viridis',
marker_opacity=0.8,
marker_line_width=0.8,
showscale=True,
)
)
fig.update_layout(
mapbox_style="carto-darkmatter",
mapbox_zoom=3,
mapbox_center={"lat": 37.110573, "lon": 106.493924},
)

先看下

go.Choroplethmapbox

的参数：

```
geojson
```
：
```
dict
```
类型，这个就是刚才说的用于绘制地图轮廓的数据，一般从相应的 geojson 文件中用
```
json.load
```
加载进来。
```
featureidkey
```
：
```
str
```
类型，默认为
```
id
```
。函数会使用这个参数和
```
locations
```
匹配地图单元（比如省份）的名称，以此决定绘制哪些地图单元的轮廓。通常的形式为
```
properties.name
```
，其中的
```
name
```
需要你自己根据 geojson 文件去指定，比如这里是
```
properties.NL_NAME_1
```
，意思就是
```
NL_NAME_1
```
这一列是省份名称。这个很重要，设置不正确会导致地图轮廓显示不出来，一定要保证和
locations
中的所有名称保持一致。
```
locations
```
: 可以是以下类型：
```
list，numpy array，数字、字符串或者 datetime 构成的 Pandas series
```
。指定地图单元名称，决定绘制哪些地图单元的轮廓。同样需要注意和
featureidkey
保持一致。
```
z
```
：可以是以下类型：
```
list，numpy array，数字、字符串或者 datetime 构成的 Pandas series
```
。指定地图单元对应的数值，函数会将此值映射到 colorscale 中的某一颜色，然后将此颜色涂到相应的地图单元内。通常来说是一个 pandas dataframe 中的某一列，即一个 series。需要注意此参数中值的顺序需要和
```
locations
```
保持一致，一一对应，如河南在
```
locations
```
中的索引是 9，那么河南的确诊人数在
```
z
```
中的索引也必须是 9。
```
zauto
```
：
```
bool
```
类型，默认为
```
True
```
。是否让颜色自动适应
```
z
```
，即自动计算
```
zmin
```
和
```
zmax
```
，然后据此来映射 colorscale。
```
colorscale
```
：通常来说是
```
str
```
类型，也可以是
```
list
```
类型
。指定所使用的 colorscale，可使用的值参见此处。
```
marker_opacity
```
：
```
float
```
类型，颜色透明度。
```
marker_line_width
```
：
```
float
```
类型，地图轮廓宽度。
```
showscale
```
：
```
bool
```
类型。是否显示 colorbar，就是地图旁边的颜色条。

fig.update_layout

的参数同样有很多，主要用来定义布局：

```
mapbox_style
```
：
```
str
```
类型，指定 mapbox 风格。可用的 mapbox 风格列表可参见这里。需要注意的是当你使用以下风格之一时，你就需要指定
```
mapbox_token
```
（关于如何获取 token 详细可参见这里）：
```
["basic", "streets", "outdoors", "light", "dark", "satellite", "satellite-streets"]
```
```
mapbox_zoom
```
：
```
int
```
类型，指定地图的缩放级别。
```
mapbox_center
```
：
```
dict
```
类型，key 为
```
lat
```
（经度）和
```
lon
```
（纬度），指定初始时地图的中心点。

最终的效果如图：

方法 2：高层 API

plotly.express.choropleth_mapbox

plotly.express.choropleth_mapbox

（以下简称

px.choropleth_mapbox

）是 plotly 的高层 API，严格来说是

plotly_express

的接口，但是后来这个包被并入

plotly

，可以直接用

plotly.express

来引入了，这个包主要就是简化了 plotly 的绘图方法。

详细参数可参考其官方文档。其实大部分参数是异曲同工的，下面我同样使用相同的数据来绘制地图，解释下。

老规矩，先来看代码：

fig = px.choropleth_mapbox(
data_frame=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,
)

```
data_frame
```
：通常来说是
```
pd.DataFrame
```
格式。我们需要把绘图用到的数据都放到这个参数里面，后续很多参数都是基于此的，具体来说就是其中的列名。在 plot express 的各个绘图方法中，
```
DataFrame
```
其实是最为方便的格式，也是官方推荐的格式，官方的大部分示例都是使用的这个格式。
```
geojson
```
：和
```
go.Choroplethmapbox
```
的同名参数对应。
```
color
```
：通常为
```
str
```
类型，
```
data_frame
```
的列名。和
```
go.Choroplethmapbox
```
中的
```
z
```
对应。
```
locations
```
：通常为
```
str
```
类型，
```
data_frame
```
的列名。和
```
go.Choroplethmapbox
```
中的同名参数对应。
```
featureidkey
```
：和
```
go.Choroplethmapbox
```
的同名参数对应。
```
mapbox_style
```
：和
```
update_layout
```
的同名参数对应。

color_continuous_scale

：和

go.Choroplethmapbox

中的

colorscale

对应。

```
center
```
：和
```
update_layout
```
中的
```
mapbox_center
```
对应。
```
zoom
```
：和
```
update_layout
```
中的
```
mapbox_zoom
```
对应。

最终的效果如图：

完整代码

完整代码放在 GitHub 上。

一些没说到的

为了阅读体验，本文没有解释更多的参数，但我相信这已经能让你绘制一幅不错的 choropleth 地图了。有时间我会继续写一写如何在 dash 中融入这些地图，并实时更新。

其实本文所讲的是地图是一种 tile map，和这种地图对应的是一种轮廓地图，没有 mapbox 这种底图，只绘制 geojson 文件中定义的轮廓，如下面这幅图：

plotly 也可以绘制这种地图，只需要去掉本文所讲的函数中

mapbox

即可：

go.Choropleth

和

px.choropleth

，感兴趣可以参考这里的示例。

有任何问题欢迎在 GitHub 上提 issue 或者在评论区留言。

Reference

END

点赞 2
收藏
分享
文章举报

secsilm 博客专家发布了56 篇原创文章 · 获赞 467 · 访问量 108万+ 他的留言板关注

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航