【自学】python初学 LESSON 9＜数据可视化——下载数据2＞

已于 2022-08-17 15:34:58 修改
阅读量335 收藏 2
点赞数 3
分类专栏： python 知识小点 文章标签： python pandas 数据分析
于 2022-08-17 15:32:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mzy20010420/article/details/126382961
版权

前言

今天学习制作全球地震散点图：JSON格式

往期绘图文章：

https://blog.csdn.net/mzy20010420/article/details/12​​​​​​6193137?spm=1001.2014.3001.5501icon-default.png?t=M666https://blog.csdn.net/mzy20010420/article/details/126193137?spm=1001.2014.3001.5501

一、查看JSON数据

如果直接点开数据文件，则如下图所示

不便于读写，所有的信息都在一行，同时信息python无法处理。

现进行转化：

示例代码：

import json

filename = 'C:\\Users\\Administrator\\Desktop\\eq_data_1_day_m1.json'
with open(filename) as f:
    all_eq_data = json.load(f)
    
readable_file = 'C:\\Users\\Administrator\\Desktop\\readable_eq_data.json'
with open(readable_file, 'w') as f:
    json.dump(all_eq_data, f, indent = 4)

结果：

 注意：

（1） 现导入数据，并将其存储在all_eq_data中，json.load（）将数据转换成python能处理的格式。

（2）然后创建一个readable_file文件，将数据以易于读写的方式存入其中。

（3）json.dump()接受一个python数据对象和一个文件对象，并将数据写入文件中；参数indent=4让dump()使用与数据结构匹配的缩进量来设置数据格式。

现导入需要的地震级、经纬度、名称数据：

代码：

import json

filename = 'C:\\Users\\Administrator\\Desktop\\eq_data_1_day_m1.json'
with open(filename) as f:
    all_eq_data = json.load(f)
    
all_eq_dicts = all_eq_data['features'] #创建all_eq_dicts列表，包含地震的各种信息

#提取地震级‘mag’
mags = []
for eq_dict in all_eq_dicts:
    mag = eq_dict['properties']['mag'] #读取相应字典的‘prosperties’部分的‘mag’键
    mags.append(mag)
print(mags[:5])

#提取经纬度
longitudes, latitudes = [], []
for all_eq_dict in all_eq_dicts:
    longitude = all_eq_dict['geometry']['coordinates'][0]
    latitude = all_eq_dict['geometry']['coordinates'][1]
    longitudes.append(longitude)
    latitudes.append(latitude)
print(longitudes[:5])
print(latitudes[:5])

#提取名称
names = []
for data in all_eq_dicts:
    name = data['properties']['title']
    names.append(name)
print(names[:5])

结果：

[0.96, 1.2, 4.3, 3.6, 2.1]
[-116.7941667, -148.9865, -74.2343, -161.6801, -118.5316667]
[33.4863333, 64.6673, -12.1025, 54.2232, 35.3098333]
['M 1.0 - 8km NE of Aguanga, CA', 'M 1.2 - 11km NNE of North Nenana, Alaska', 'M 4.3 - 69km NNW of Ayna, Peru', 'M 3.6 - 126km SSE of Cold Bay, Alaska', 'M 2.1 - 21km NNW of Tehachapi, CA']

二、绘制地震级散点图

1.初始图

代码：

import json
import plotly.express as px

filename = 'C:\\Users\\Administrator\\Desktop\\eq_data_1_day_m1.json'
with open(filename) as f:
    all_eq_data = json.load(f)
    
all_eq_dicts = all_eq_data['features'] #创建all_eq_dicts列表，包含地震的各种信息

#提取地震级‘mag’
mags = []
for eq_dict in all_eq_dicts:
    mag = eq_dict['properties']['mag'] #读取相应字典的‘prosperties’部分的‘mag’键
    mags.append(mag)
print(mags[:5])

#提取经纬度
longitudes, latitudes = [], []
for all_eq_dict in all_eq_dicts:
    longitude = all_eq_dict['geometry']['coordinates'][0]
    latitude = all_eq_dict['geometry']['coordinates'][1]
    longitudes.append(longitude)
    latitudes.append(latitude)
print(longitudes[:5])
print(latitudes[:5])

#提取名称
names = []
for data in all_eq_dicts:
    name = data['properties']['title']
    names.append(name)
print(names[:5])

#绘图
fig = px.scatter(x = longitudes, y = latitudes, labels = {'x': '经度', 'y' : '维度'}, range_x = [-200, 200], range_y = [-90, 90], width = 800, height = 800, title = '全球地震散点图')
fig.write_html('global_earthquakes.html')
fig.show()

结果：

注意：

（1）width = 800, height = 800表示宽度和高度的像素。当换为1000时：

 似乎没有发现什么太大的区别。

（2）局部效果图：

2.另一种指定图表数据的方式

#绘图
fig = px.scatter(x = longitudes, y = latitudes, labels = {'x': '经度', 'y' : '维度'}, range_x = [-200, 200], range_y = [-90, 90], width = 1000, height = 1000, title = '全球地震散点图')
fig.write_html('global_earthquakes.html')
fig.show()

原来的经纬度是手动设置的。x = longitudes, y = latitudes, labels = {'x': '经度', 'y' : '维度'}。

下面使用pandas数据分析工具：

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

filename = 'C:\\Users\\Administrator\\Desktop\\eq_data_1_day_m1.json'
with open(filename) as f:
    all_eq_data = json.load(f)
    
all_eq_dicts = all_eq_data['features'] #创建all_eq_dicts列表，包含地震的各种信息

#提取地震级‘mag’
mags = []
for eq_dict in all_eq_dicts:
    mag = eq_dict['properties']['mag'] #读取相应字典的‘prosperties’部分的‘mag’键
    mags.append(mag)


#提取经纬度
longitudes, latitudes = [], []
for all_eq_dict in all_eq_dicts:
    longitude = all_eq_dict['geometry']['coordinates'][0]
    latitude = all_eq_dict['geometry']['coordinates'][1]
    longitudes.append(longitude)
    latitudes.append(latitude)


#提取名称
names = []
for data in all_eq_dicts:
    name = data['properties']['title']
    names.append(name)


#绘图
data = pd.DataFrame(data = zip(longitudes, latitudes, names, mags), columns = ['经度', '位置', '位置', '震级'])
data.head()
fig = px.scatter(data, x = '经度', y = '维度', range_x = [-200, 200], range_y = [-90, 90], width = 1000, height = 1000, title = '全球地震散点图')
fig.write_html('global_earthquakes.html')
fig.show()

3.定制标记的尺寸

代码：

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

filename = 'C:\\Users\\Administrator\\Desktop\\eq_data_1_day_m1.json'
with open(filename) as f:
    all_eq_data = json.load(f)
    
all_eq_dicts = all_eq_data['features'] #创建all_eq_dicts列表，包含地震的各种信息

#提取地震级‘mag’
mags = []
for eq_dict in all_eq_dicts:
    mag = eq_dict['properties']['mag'] #读取相应字典的‘prosperties’部分的‘mag’键
    mags.append(mag)
print(mags[:5])

#提取经纬度
longitudes, latitudes = [], []
for all_eq_dict in all_eq_dicts:
    longitude = all_eq_dict['geometry']['coordinates'][0]
    latitude = all_eq_dict['geometry']['coordinates'][1]
    longitudes.append(longitude)
    latitudes.append(latitude)
print(longitudes[:5])
print(latitudes[:5])

#提取名称
names = []
for data in all_eq_dicts:
    name = data['properties']['title']
    names.append(name)
print(names[:5])

#绘图
data = pd.DataFrame(
    data = zip(longitudes, latitudes, names, mags), columns = ['经度', '纬度', '位置', '震级']
)
data.head()

fig = px.scatter(
    data,
    x = '经度', 
    y = '纬度', 
    range_x = [-200, 200], 
    range_y = [-90, 90], 
    width = 800, 
    height = 800, 
    title = '全球地震散点图',
    size = '震级',
    size_max = 10
)
fig.write_html('global_earthquakes.html')
fig.show()

结果：

4.定制标记的颜色

代码：

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

filename = 'C:\\Users\\Administrator\\Desktop\\eq_data_30_day_m1.json'
with open(filename) as f:
    all_eq_data = json.load(f)
    
all_eq_dicts = all_eq_data['features'] #创建all_eq_dicts列表，包含地震的各种信息

#提取地震级‘mag’
mags = []
for eq_dict in all_eq_dicts:
    mag = eq_dict['properties']['mag'] #读取相应字典的‘prosperties’部分的‘mag’键
    mags.append(mag)
print(mags[:5])

#提取经纬度
longitudes, latitudes = [], []
for all_eq_dict in all_eq_dicts:
    longitude = all_eq_dict['geometry']['coordinates'][0]
    latitude = all_eq_dict['geometry']['coordinates'][1]
    longitudes.append(longitude)
    latitudes.append(latitude)
print(longitudes[:5])
print(latitudes[:5])

#提取名称
names = []
for data in all_eq_dicts:
    name = data['properties']['title']
    names.append(name)
print(names[:5])

#绘图
data = pd.DataFrame(
    data = zip(longitudes, latitudes, names, mags), columns = ['经度', '纬度', '位置', '震级']
)
data.head()

fig = px.scatter(
    data,
    x = '经度', 
    y = '纬度', 
    range_x = [-200, 200], 
    range_y = [-90, 90], 
    width = 800, 
    height = 800, 
    title = '全球地震散点图',
    size = '震级',
    size_max = 10,
    color = '震级',
)
fig.write_html('global_earthquakes.html')
fig.show()

结果：

 

5.其他渐变 

没有成功！

6.添加鼠标指向时显示的文本

代码：

# -*- coding: utf-8 -*-
"""
Created on Wed Aug 17 11:36:15 2022

@author: Administrator
"""

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

filename = 'C:\\Users\\Administrator\\Desktop\\eq_data_30_day_m1.json'
with open(filename) as f:
    all_eq_data = json.load(f)
    
all_eq_dicts = all_eq_data['features'] #创建all_eq_dicts列表，包含地震的各种信息

#提取地震级‘mag’
mags = []
for eq_dict in all_eq_dicts:
    mag = eq_dict['properties']['mag'] #读取相应字典的‘prosperties’部分的‘mag’键
    mags.append(mag)
print(mags[:5])

#提取经纬度
longitudes, latitudes = [], []
for all_eq_dict in all_eq_dicts:
    longitude = all_eq_dict['geometry']['coordinates'][0]
    latitude = all_eq_dict['geometry']['coordinates'][1]
    longitudes.append(longitude)
    latitudes.append(latitude)
print(longitudes[:5])
print(latitudes[:5])

#提取名称
names = []
for data in all_eq_dicts:
    name = data['properties']['title']
    names.append(name)
print(names[:5])

    
#绘图
data = pd.DataFrame(
    data = zip(longitudes, latitudes, names, mags), columns = ['经度', '纬度', '位置', '震级']
)
data.head()

fig = px.scatter(
    data,
    x = '经度', 
    y = '纬度', 
    range_x = [-200, 200], 
    range_y = [-90, 90], 
    width = 800, 
    height = 800, 
    title = '全球地震散点图',
    size = '震级',
    size_max = 10,
    color = '震级',
    hover_name = '位置',
)
fig.write_html('global_earthquakes.html')
fig.show()

结果：

总结

plotly express的操作非常简单，太好用了。

Rachel MuZy
关注
  • 3
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python数据可视化-----制作全球地震散点图
m0_64365419的博客
08-05 2543
查看JSON数据的方法；参数indent的定义及使用方法；绘制一副优美的散点图的方法；
【Echarts第四篇】用自定义图标渲染数据
Wonder_Risk的博客
07-09 3792
前言： 项目中遇到一个需求，将Y轴数据源中的不同字段用对应的自定义图标展示，正好Echarts支持自定义系列图标，实现起来挺方便，所以我又自己做了一个小栗子，总结一下Echarts自定义系列的用法。 这是下文例子的成品demo，包含两个系列(series)的Echarts图，其中一个是普通的折线图，另一个则是根据数据自定义的系列。 一、Echarts自定义系列介绍 Echarts的自定义系列支持自定义系列中的图形元素，核心API如下: series: [ { type: custom, //指定系列类.
高度个性化定制的数据可视化图表工具-Apache ECharts 使用指南
图灵的猫的博客
01-21 1423
Apache ECharts 使用指南 ECharts，一个使用 JavaScript 实现的开源可视化库，可以流畅的运行在 PC 和移动设备上，兼容当前绝大部分浏览器（IE9/10/11，Chrome，Firefox，Safari等），底层依赖矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。 Apache ECharts 官网 柱状图 基本柱状图 ```echarts option = { xAxis: { data: ['A', 'B', 'C', 'D
第十六章 下载数据
ChaseTimLee的博客
02-10 1052
下载数据16.1 CSV文件格式16.1.1 分析CSV文件头16.1.2 打印文件头及其位置16.1.3 提取并读取数据16.1.4 绘制温度图表16.1.5 模块datetimedatetime中设置日期和实践的格式16.1.6 在图表中添加日期16.1.7 涵盖更长的时间16.1.8 再绘制一个数据系列16.1.9 给图标区域着色16.1.10 错误检查1 检查 death_valley_2018_simple.csv的文件头2 在death_valley.py中修改代码3 修改death_valle
eq_data_30_day_m1.json
03-16
30天全球地震数据集
Python制作全球地震散点图：JSON格式
Xx_Studying的博客
11-18 2444
数据文件百度云链接：链接：https://pan.baidu.com/s/1SAIgm6pwrA0nRaSjz7nLoA 提取码：4lw2 文件eq_data_1_day_m1.json 记录了24小时内全球发生的所有不低于1级的地震。用记事本打开后，如下所示： 一、查看数据 我们先将加载这些数据并将其以易于阅读的方式显示处理。具体做法是将数据写入另一个文件，再打开并轻松地在数据中导航： eq_explore_data.py import json # 探索数据的结构 filename..
Python应用实例（二）数据可视化（五）
小幽余生不加糖
07-16 1904
下载一个数据集，其中记录了一个月内全球发生的所有地震，再制作一幅散点图来展示这些地震的位置和震级。这些数据是以JSON格式存储的，因此要使用模块json来处理。Plotly提供了根据位置数据绘制地图的工具，适合初学者使用。你将使用它来进行可视化并指出全球的地震分布情况。
数据可视化中热力图使用数据（请先看文章，自学使用）
02-14
https://blog.csdn.net/weixin_45871797/article/details/122928930?spm=1001.2014.3001.5502
基于Python，数据可视化各年龄段得新冠病毒的人数
01-20
基于兴趣自学Python有5个月了，最近全球流行新冠病毒，想做一个用python写的数据可视化各年龄段的新冠病毒的人数（这其实是我们Data mining课大作业）。 由于初学python，代码显得十分青涩，本人想多多改进此代码。...
Python数据分析自学入门.pdf
03-15
python小白级入门教程
readable_eq_data.json
08-29
使用Python制作世界地震带Jason适合学习Python新手操作使用
Day01_课堂笔记.md
01-07
知识简单的java基础入门知识 ,里面包括如何写入门的第一句代码"helloworld",还有注释,关键字,常量,数据类型,变量,标识符,还有数据类型转换.
Teradata training material(day1_morning.zip)
01-12
Teradata training NCR
清华大学精品Python学习PPT课件-第12章 Python项目实战：数据可视化.pptx
05-16
【课程简介】 清华大学出品的Python课件，非常适合Python新手，也适合...清华大学精品Python学习PPT课件-第12章 Python项目实战：数据可视化.pptx 清华大学精品Python学习PPT课件-第13章 Python项目实战：数据分析.pptx
数据分析可视化.zip_数据分析及可视化
01-15
归档-大学课程可视化分析自学
数据可视化_处理JSON文件格式
hfding
11-30 2022
作者：雷蕾 模块json提供了各种探索和处理JSON数据的工具，此次学习使用模块json访问JSON格式存储的地震数据，并使用Plotly绘制一幅散点图，展示这些地震的位置和震级。 1.查看JSON数据 import json #探索数据的结构 filename="eq_data_1_day_ml.json" with open(filename) as f: all_eq_data=json.load(f) readable_file="readable_eq_data.json" with
python编程从入门到实践（第二版）随书源码及数据文件地址
赫双炎
07-29 2897
python相关下载内容指引
【Python】Plotly：最强的Python可视化包（超详细讲解+各类源代码案例）（一）
wzk4869的博客
03-30 8909
【Python】Plotly：最强的Python可视化包（超详细讲解+各类源代码案例）（一）
python数据可视化黑马
最新发布
09-12
如果您想学习Python数据可视化，可以考虑参加黑马的相关课程或者自学一些在线教程。通过学习这些内容，您将能够使用Python进行数据分析和可视化，并且能够更好地理解和呈现数据。 希望这个回答能对您有所帮助！如果...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Rachel MuZy

你的鼓励是我的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值