Jupyter Notebook 里玩转地理数据可视化

Jupyter Notebook 是一个基于网页的交互式计算环境，可以用于数据清理和转换、统计建模、数据可视化、机器学习等。对于数据分析的用户来说，适合进行数据可视化，可以通过调整代码和参数来实时更新图表和可视化效果，进行交互式的数据分析和可视化操作，可以帮助我们更好的进行数据分析和探索。

Jupyter Notebook 里有很多的地理数据可视化库，对于小白来说，需要理解库的 API 以及编写较多的代码。pyl7vp 是基于地理数据可视分析工具 L7VP 封装的 Python 环境可视化工具，只需要导入数据的代码，自动根据数据生成可视化效果，只需在工具上简单的可视化操作，完成交互式的数据分析。

简单使用

安装 pyl7vp 包

使用环境：python >= 3

bash
复制代码
$ pip install pyl7vp

创建 L7VP 地图

python
复制代码
from pyl7vp import L7VP

# 地图高度设置为 600
l7vp_map = L7VP(height = 600)

l7vp_map.show()

添加数据

四条数据

python
复制代码
import pandas as pd

# 四条数据（经度，纬度，地震等级）
df = pd.DataFrame(
  {'longitude': [105.005, 104.602, 103.665, 105.275],
   'latitude': [32.349, 32.067, 31.29, 32.416],
   'mag': [5.2, 3.0, 6.0, 2.0]
  })

添加数据到地图上

python
复制代码
# Add dataset to map
l7vp_map.add_dataset({"id": "my_dataset", "type": 'local', "data": df})

# Display map
l7vp_map.show()

自定义我的地图

数据添加到地图上后，可以在工具上自定义配置可视化效果，以及自定义底图和过滤筛选数据等。

自定义可视化图层

添加数据集后可自定义配置多个可视化「图层」。在地图上，图层是可以多个叠加在一起的，来完成数据可视化，在工具上怎么添加可视化图层，可以看教程《添加可视化图层》

工具支持热力聚集，空间分布，客流聚合等 12+ 种可视化效果。

自定义底图样式

可以配置高德和海外的 mapbox 地图，配置不同的底图样式等。

支持什么数据格式

工具支持数据源和数据类型有不同的格式，例如 DataFrame、CSV、JSON、Excel、GeoJSON、数据库等，用户可以直接导入并处理各种类型的数据，不需要进行繁琐的转换和预处理操作。比如常见的读取 CSV 文件如下

CSV 文件内容

less
复制代码
id,point_latitude,point_longitude,value,time
a,31.2384,108.30948,5,2019-08-01 12:00:00
b,31.2311,108.30231,11,2019-08-01 12:05:00
c,31.2334,108.30238,9,2020-08-01 11:55:00

将 CSV 文件添加到地图上

python
复制代码
import pandas as pd

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

# Add dataset to map
l7vp_map.add_dataset({"id": "my_dataset", "type": 'local', "data": df})

在各种的文件格式中，也可以嵌入地理数据类型，比如数据里嵌入 WKT (Well-Known Text) 格式：

python
复制代码
df = pd.DataFrame({
  'id': ['item-1', 'item-2'], 
  'time': ['2020-02-10', '2020-02-15'], 
  'value': [10, 14], 
  'wkt': ['POLYGON ((30 10, 40 40, 20 40, 10 20, 30 10))', 'POLYGON ((35 10, 45 45, 15 40, 10 20, 35 10),(20 30, 35 35, 30 20, 20 30))']
})

# Add dataset to map
l7vp_map.add_dataset({"id": "my_dataset", "type": 'local', "data": df})

以及数据里嵌入 H3 空间索引数据格式：

python
复制代码
df = pd.DataFrame({
  'id': ['item-1', 'item-2'], 
  'time': ['2020-02-10', '2020-02-15'], 
  'value': [10, 14], 
  'h3': ['8940e31acd7ffff', '8940e3c4d2bffff']
})

# Add dataset to map
l7vp_map.add_dataset({"id": "my_dataset", "type": 'local', "data": df})

更多文件格式可以阅读数据格式教程。

保存导出结果

可以执行命令将结果保存为 HTML 文件，保存在自己电脑上，也可以把文件分享给其他人，只需要打开文件就可以预览可视化结果了。

python
复制代码
# save to html file
l7vp_map.save_to_html("map.html")

​最后

为了帮助大家更好的学习网络安全，小编给大家准备了一份网络安全入门/进阶学习资料，里面的内容都是适合零基础小白的笔记和资料，不懂编程也能听懂、看懂，所有资料共282G，朋友们如果有需要全套网络安全入门+进阶学习资源包，可以点击免费领取（如遇扫码问题，可以在评论区留言领取哦）~

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉CSDN大礼包🎁：全网最全《网络安全入门&进阶学习资源包》免费分享（安全链接，放心点击）👈

​

1️⃣零基础入门

① 学习路线

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

② 路线对应学习视频

同时每个成长路线对应的板块都有配套的视频提供：

因篇幅有限，仅展示部分资料

2️⃣视频配套资料&国内外网安书籍、文档

① 文档和书籍资料

② 黑客技术

因篇幅有限，仅展示部分资料

👉CSDN大礼包🎁：全网最全《网络安全入门&进阶学习资源包》免费分享（安全链接，放心点击）👈

​

3️⃣网络安全源码合集+工具包

4️⃣网络安全面试题

5️⃣汇总

所有资料 ⚡️ ，朋友们如果有需要全套 《网络安全入门+进阶学习资源包》，扫码获取~

👉CSDN大礼包🎁：全网最全《网络安全入门&进阶学习资源包》免费分享（安全链接，放心点击）👈

​