Exemples de visualisation de données en Python : visualisation de cartes

Avec le développement continu de la science des données, la visualisation des données est devenue un domaine de recherche de plus en plus important. En tant que langage de programmation gratuit et riche en fonctionnalités, Python est également largement utilisé dans la visualisation de données. Dans cet article, nous expliquerons comment utiliser Python pour la visualisation cartographique afin de montrer la distribution spatiale des données.

En Python, il existe une variété de bibliothèques qui peuvent être utilisées pour implémenter des fonctions de visualisation de cartes, parmi lesquelles les plus couramment utilisées incluent geopandas, folium, plotly, etc. Ci-dessous, nous présenterons respectivement l’utilisation de base de ces trois packages.

1. geopandas

geopandas est une bibliothèque de traitement de données géospatiales basée sur les pandas qui peut lire des données d'informations géographiques dans différents formats et fournit diverses méthodes de visualisation de données basées sur des cartes. Voici les étapes de base pour utiliser les géopandas pour dessiner des cartes :

(1) Installez les géopandas et les bibliothèques dépendantes associées :

!pip install geopandas
!pip install descartes

(2) Importez les bibliothèques requises :

import geopandas as gpd
import matplotlib.pyplot as plt

(3) Lisez le fichier de données d'informations géographiques, ici Par exemple, lisez le fichier de données de frontière pandas.DataFrame des États américains :

us_states = gpd.read_file('states.shp')

(4) Dessinez la carte :

us_states.plot(figsize=(10, 10))
plt.show()

2. folium

folium est une bibliothèque gratuite en Python qui permet de créer des cartes interactives sur le Internet. Si nous souhaitons afficher les données sous diverses formes, folium peut nous aider à y parvenir, comme des blocs de couleurs, des boîtes contextuelles, des cartes thermiques, etc. Voici les étapes de base pour dessiner une carte à l'aide de folium :

(1) Installez folium :

!pip install folium

(2) Importez les bibliothèques requises :

import folium

(3) Créez un objet cartographique et spécifiez l'emplacement central de la carte. :

m = folium.Map(location=[45.523, -122.675], zoom_start=13)

( 4) Ajouter des marqueurs sur la carte :

folium.Marker(
    location=[45.523, -122.675],
    popup='Portland, OR',
    icon=folium.Icon(icon='cloud')
).add_to(m)

(5) Dessiner la carte :

m

3. plotly

plotly est une bibliothèque de visualisation de données Python basée sur la bibliothèque JavaScript open source qui peut être utilisée pour créez des tableaux, des graphiques et d'autres applications de visualisation interactifs. Voici les étapes de base pour dessiner une carte à l'aide de plotly :

(1) Installez plotly :

!pip install plotly

(2) Importez les bibliothèques requises :

import plotly.express as px

(3) Lisez les données et dessinez la carte :

df = px.data.gapminder().query("year == 2007")
fig = px.scatter_geo(df, locations="iso_alpha", color="continent",
                     hover_name="country", size="pop",
                     projection="natural earth")
fig.show()

Résumé

dans Dans cet article, nous avons présenté trois packages Python pour la visualisation de cartes. geopandas est une bibliothèque de traitement de données géospatiales basée sur les pandas, adaptée pour dessiner des couleurs et des motifs de cartes dans différentes zones. folium est une bibliothèque Python permettant de créer des cartes interactives sur le Web. Plotly est une bibliothèque de visualisation de données Python pour les bibliothèques JavaScript qui peuvent créer des graphiques de visualisation de cartes personnalisés et hautement interactifs.

Bien sûr, ces bibliothèques ne sont que quelques-uns des outils de visualisation de cartes disponibles en Python. Avec l'avancement continu de la technologie, d'autres outils de programmation plus avancés avec certains avantages apparaîtront, nous devons donc choisir en fonction de nos besoins dans les applications réelles. .

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!