如何使用Python中的叶子在地理图上绘制数据？

使用PIP安装叶和熊猫并导入它们。 2。通过指定中心坐标和缩放级别创建一个用forium.map创建地图。 3。使用熊猫加载数据，并通过forium。带有弹出窗口和工具提示的标记以进行交互。 4。使用folium.circlemarker以尺度半径和颜色可视化数据值。 5。使用folium.plugins.Plugins.heatmap与坐标 - 值对生成热图，以进行密度表示。 6.使用叶子构建一个合唱图。与geojson的金属块和基于值的颜色区域的数据，为交互性添加了传奇和图层控制。始终确保清洁纬度的格式格式，并使用自定义瓷砖进行增强的视觉效果，从而在Python中以最小的代码在Python中进行交互式分层地图。

使用Python中的叶子在地理图上绘制数据是直接而有力的，尤其是用于用标记，热图和唱片层创建交互式图。这是您可以逐步进行的方法。

1。安装和导入所需库

首先，请确保安装了folium 。您可以通过PIP安装它：

 PIP安装叶熊猫

然后导入必要的库：

进口叶
导入大熊猫作为pd

2。创建基本地图

首先，使用纬度和经度在特定位置创建以特定位置为中心的地图。

 ＃创建以特定位置为中心的地图（例如，纽约市）
m = forium.map（位置= [40.7128，-74.0060]，zoom_start = 10）

＃显示地图
M.Save（“ Map.html”）＃保存到HTML文件

您也可以直接在Jupyter笔记本中使用m进行内联显示。

3。添加数据中的标记

如果您有数据（例如，具有纬度，经度和标签的CSV文件），则可以为每个点绘制标记。

假设您的数据看起来像这样：

城市，纬度，长，描述
纽约，40.7128，-74.0060，“大苹果”
洛杉矶，34.0522，-118.2437，“天使之城”
芝加哥，41.8781，-87.6298，“风城”

负载和情节：

 ＃加载数据
data = pd.read_csv（“ locations.csv”）

＃将标记添加到地图
对于_，在data.iterrows（）中划入：
    forium.marker（
        位置= [row ['lat']，row ['long']]，
        弹出=行['description']，
        工具提示=行['City']
    ）.add_to（m）

M.Save（“ map_with_markers.html”）

• popup ：单击时显示信息。
• tooltip ：显示悬停的文本。

4。使用圆形标记进行数据可视化

代表值（例如种群，温度），使用具有不同尺寸/颜色的CircleMarker 。

 ＃带有“值”列的示例
对于_，在data.iterrows（）中划入：
    forium.circlemarker（
        位置= [row ['lat']，row ['long']]，
        半径=行['value'] / 10000，＃比例半径
        颜色=“深红色”，
        填充= true，
        fill_color =“ Crimson”，
        popup = f“ {row ['city']}：{row ['value']}”
    ）.add_to（m）

5。创建热图（可选）

安装和使用folium.plugins.HeatMap进行密度可视化。

从forium.plugins进口热图

＃带有坐标和权重的示例数据
heat_data = [[row ['lat']，row ['long']，row ['value'] for _，data.iterrows中的行（）]

＃创建热图层
热图（heat_data）.add_to（m）

M.Save（“ Heatmap.html”）

注意：非常适合显示集中度（例如，犯罪事件，交通）。

6。唱片地图（主题映射）

将Geojson文件和数据用于彩色区域（例如各州，国家）。

 ＃假设您有一个适用于美国州的Geojson文件和一个具有州级数据的CSV
choropleth_data = pd.read_csv（“ state_data.csv”）＃列：状态，失业

m = forium.map（位置= [37，-102]，zoom_start = 5）

forium.Choropleth（
    geo_data =“ us-states.json”，＃geojson文件
    name =“ choropleth”，
    data = choropleth_data，
    列= [“状态”，“失业”]，
    key_on =“ feature.id”，
    fill_color =“ ylgn”，
    fill_opacity = 0.7，
    line_opacity = 0.2，
    legend_name =“失业率（％）”
）.add_to（m）

folium.layerControl（）。add_to（m）＃添加图层控件

M.Save（“ Choropleth_map.html”）

更好地图的提示

• 使用tiles='Stamen Terrain'或'CartoDB positron'作为不同的地图样式。
• 在切换功能中添加带有LayerControl()的多层层。
• 保持协调数据清洁 - Folium期望[lat, lon]格式。

基本上，Folium使用最小的代码将您的数据转化为交互式Web地图。无论您是绘制点，热量还是区域，它都可以与Python的数据生态系统平滑集成。

以上是如何使用Python中的叶子在地理图上绘制数据？的详细内容。更多信息请关注PHP中文网其他相关文章！