整合營(yíng)銷服務(wù)商
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
Echarts 無(wú)論是制作省份地圖還是區(qū)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(jiǎn)單繪制省份地圖 的步驟與經(jīng)驗(yàn)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(biāo)記 #}
<a class="btn btn-success btn-sm" >江蘇省</a>
{# 地圖代碼開(kāi)始 #}
<div class="x-body">
<!-- 為ECharts準(zhǔn)備一個(gè)具備大?。▽捀撸┑腄om -->
<div id="main" style="width: 949.75px;height:450px;"></div>
</div>
<script type="text/javascript">
echarts.registerMap('jiangsu', jiangsuJson);
// 基于準(zhǔn)備好的dom，初始化echarts實(shí)例
var myChart = echarts.init(document.getElementById('main'));
// 使用剛指定的配置項(xiàng)和數(shù)據(jù)顯示圖表。
myChart.setOption({
series: [{
type: 'map',
map: 'jiangsu'
}]
});
</script>
</div>其實(shí)只要按照本人上面的做法，就可以制作出來(lái)，本人繪不是很復(fù)雜，如果各位對(duì)省圖還需要其他顯示功能，大家不妨訪問(wèn) Echarts 的官網(wǎng)。
于轉(zhuǎn)載授授權(quán)
大數(shù)據(jù)文摘作品，歡迎個(gè)人轉(zhuǎn)發(fā)朋友圈，自媒體、媒體、機(jī)構(gòu)轉(zhuǎn)載務(wù)必申請(qǐng)授權(quán)，后臺(tái)留言“機(jī)構(gòu)名稱+文章標(biāo)題+轉(zhuǎn)載”，申請(qǐng)過(guò)授權(quán)的不必再次申請(qǐng)，只要按約定轉(zhuǎn)載即可，但文末需放置大數(shù)據(jù)文摘二維碼。
編譯：佘彥遙程序注釋：席雄芬校對(duì)：丁雪
Folium是建立在Python生態(tài)系統(tǒng)的數(shù)據(jù)整理（Datawrangling）能力和Leaflet.js庫(kù)的映射能力之上的開(kāi)源庫(kù)。用Python處理數(shù)據(jù)，然后用Folium將它在Leaflet地圖上進(jìn)行可視化。
概念
Folium能夠?qū)⑼ㄟ^(guò)Python處理后的數(shù)據(jù)輕松地在交互式的Leaflet地圖上進(jìn)行可視化展示。它不單單可以在地圖上展示數(shù)據(jù)的分布圖，還可以使用Vincent/Vega在地圖上加以標(biāo)記。
這個(gè)開(kāi)源庫(kù)中有許多來(lái)自O(shè)penStreetMap、MapQuest Open、MapQuestOpen Aerial、Mapbox和Stamen的內(nèi)建地圖元件，而且支持使用Mapbox或Cloudmade的API密鑰來(lái)定制個(gè)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(shù)據(jù)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(chuàng)建分布圖。
安裝
安裝folium包
開(kāi)始創(chuàng)建地圖
創(chuàng)建底圖，傳入起始坐標(biāo)到Folium地圖中：
importfolium
map_osm= folium.Map(location=[45.5236, -122.6750]) #輸入坐標(biāo)
map_osm.create_map(path='osm.html')
Folium默認(rèn)使用OpenStreetMap元件，但是Stamen Terrain, Stamen Toner, Mapbox Bright 和MapboxControl空間元件是內(nèi)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(gè)性化定制地圖元件，只需簡(jiǎn)單地傳入API_key ：
custom =folium.Map(location=[45.5236, -122.6750], tiles='Mapbox',
API_key='wrobstory.map-12345678')
最后，F(xiàn)olium支持傳入任何與Leaflet.js兼容的個(gè)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(biāo)記
Folium支持多種標(biāo)記類型的繪制，下面從一個(gè)簡(jiǎn)單的Leaflet類型的位置標(biāo)記彈出文本開(kāi)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(biāo)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(biāo)記圖標(biāo)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(biāo)記圖標(biāo)類型為云
map_1.simple_marker([45.3311,-121.7113], popup='Timberline Lodge',marker_color='green') #標(biāo)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(biāo)記顏色為紅色，標(biāo)記圖標(biāo)為“info-sign”)
map_1.create_map(path='iconTest.html')
Folium也支持使用個(gè)性化的尺寸和顏色進(jìn)行圓形標(biāo)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(jiǎn)單樹(shù)葉類型標(biāo)記
map_2.circle_marker(location=[45.5215,-122.6261], radius=500,
popup='Laurelhurst Park',line_color='#3186cc',
fill_color='#3186cc')#圓形標(biāo)記
map_2.create_map(path='portland.html')
Folium有一個(gè)簡(jiǎn)便的功能可以使經(jīng)/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(biāo)記動(dòng)態(tài)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(lái)自Leaflet-DVF的Polygon（多邊形）標(biāo)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(biāo)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(biāo)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(biāo)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(biāo)記
map_5.create_map(path='bridges.html')
Vincent/Vega標(biāo)記
Folium能夠使用vincent 進(jìn)行任何類型標(biāo)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(dǎo)入到地圖，不同的層可以在同一張地圖上可視化出來(lái)：
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(dǎo)入geoJson層
ice_map.geo_json(geo_path=topo_path,topojson='objects.antarctic_ice_shelf')#導(dǎo)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(shù)據(jù)轉(zhuǎn)換。Color Brewer 顏色方案也是內(nèi)建在這個(gè)庫(kù)，可以直接導(dǎo)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(guó)失業(yè)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，F(xiàn)olium在右上方創(chuàng)建圖例，通過(guò)分位數(shù)創(chuàng)建最佳猜測(cè)值，導(dǎo)入設(shè)定的閾值很簡(jiǎn)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(guò)Pandas DataFrame進(jìn)行數(shù)據(jù)處理，可以快速可視化不同的數(shù)據(jù)集。下面的例子中，df DataFrame包含6列不同的經(jīng)濟(jì)數(shù)據(jù)，我們將在下面可視化一部分?jǐn)?shù)據(jù)：
2011年就業(yè)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(yè)率分布圖
map_1.create_map(path='map_1.html')
2011年失業(yè)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(yè)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(jiǎn)介
回復(fù)“志愿者”，了解我們及如何加入我們
大數(shù)據(jù)文摘精彩文章：
回復(fù)【金融】 看【金融與商業(yè)】專欄歷史期刊文章
回復(fù)【可視化】感受技術(shù)與藝術(shù)的完美結(jié)合
回復(fù)【安全】 關(guān)于泄密、黑客、攻防的新鮮案例
回復(fù)【算法】 既漲知識(shí)又有趣的人和事
回復(fù)【谷歌】 看其在大數(shù)據(jù)領(lǐng)域的舉措
回復(fù)【院士】 看眾多院士如何講大數(shù)據(jù)
回復(fù)【隱私】 看看在大數(shù)據(jù)時(shí)代還有多少隱私
回復(fù)【醫(yī)療】 查看醫(yī)療領(lǐng)域文章6篇
回復(fù)【征信】 大數(shù)據(jù)征信專題四篇
回復(fù)【大國(guó)】 “大數(shù)據(jù)國(guó)家檔案”之美國(guó)等12國(guó)
回復(fù)【體育】 大數(shù)據(jù)在網(wǎng)球、NBA等應(yīng)用案例
回復(fù)【志愿者】了解如何加入大數(shù)據(jù)文摘
專注大數(shù)據(jù)，每日有分享
數(shù)據(jù)分析和可視化領(lǐng)域，Seaborn庫(kù)憑借其優(yōu)雅的設(shè)計(jì)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(gè)重要組件——distplot，它是用于描繪單變量分布的強(qiáng)大工具，能夠幫助我們更深入地洞察數(shù)據(jù)特征。本文將詳細(xì)介紹如何在Python Web開(kāi)發(fā)環(huán)境中使用Seaborn的distplot功能，并通過(guò)實(shí)際案例展現(xiàn)其在揭示數(shù)據(jù)分布特性上的價(jià)值。
Seaborn是一個(gè)基于matplotlib的數(shù)據(jù)可視化庫(kù)，專門針對(duì)統(tǒng)計(jì)圖形進(jìn)行了優(yōu)化，提供了高層次的接口，使復(fù)雜的數(shù)據(jù)可視化變得簡(jiǎn)單易行。distplot則是Seaborn中的一個(gè)重要函數(shù)，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(jì)曲線（KDE）、正態(tài)分布擬合線以及分位數(shù)點(diǎn)等元素。
首先，我們引入必要的庫(kù)，并通過(guò)一個(gè)簡(jiǎn)單的隨機(jī)數(shù)據(jù)集來(lái)演示distplot的基本用法：
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
# 創(chuàng)建一個(gè)隨機(jī)數(shù)據(jù)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?cè)谕粓D表中疊加多種分布情況，例如比較兩組或多組數(shù)據(jù)：
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(duì)于含有多個(gè)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(yīng)用程序中，distplot可以被嵌入到網(wǎng)頁(yè)中以動(dòng)態(tài)展示數(shù)據(jù)分布。借助Flask框架和Jinja2模板，你可以創(chuàng)建一個(gè)REST API，從數(shù)據(jù)庫(kù)獲取數(shù)據(jù)并在前端頁(yè)面上實(shí)時(shí)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(shè)有一個(gè)從數(shù)據(jù)庫(kù)獲取數(shù)據(jù)的方法
def fetch_data():
# 返回模擬的數(shù)據(jù)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(guò)JavaScript庫(kù)（如Bokeh或Plotly.js）接收J(rèn)SON數(shù)據(jù)并使用前端可視化庫(kù)繪制distplot風(fēng)格的分布圖
distplot作為Seaborn的核心組件，以其強(qiáng)大的功能和靈活的配置，為我們深入剖析單變量數(shù)據(jù)分布提供了有力支持。在實(shí)際的Python Web開(kāi)發(fā)項(xiàng)目中，結(jié)合后端數(shù)據(jù)處理能力和前端交互式可視化技術(shù)，distplot及其他Seaborn圖表可以有效地提升用戶體驗(yàn)，使復(fù)雜的統(tǒng)計(jì)信息更為直觀、易于理解。
*請(qǐng)認(rèn)真填寫需求信息，我們會(huì)在24小時(shí)內(nèi)與您取得聯(lián)系。
