目录
0、任务说明
json文件中存放了关于地震的地理信息。
使用plotly模块绘制地理散点图。
在世界地图上:
1)标识地震位置;
2)用标识的大小表示地震烈度;
3)当鼠标悬停在标识上时,显示详细地震信息;
4)通过拖拽可以滚动查看地图信息;
5)可以放大缩小地图查看信息。
最终将绘制完成结果保存为html文件
1、解析json文件
使用json模块。
要打开的json文件放在执行程序所在目录中的data文件夹下。
使用json.dump(all_eq_data,f,indent=4)语句,改变json的格式,用记事本打开时如下所示,更易查看。
{
"type": "FeatureCollection",
"metadata": {
"generated": 1550361461000,
"url": "https://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/1.0_day.geojson",
"title": "USGS Magnitude 1.0+ Earthquakes, Past Day",
"status": 200,
"api": "1.7.0",
"count": 158
},
"features": [
{
"type": "Feature",
"properties": {
"mag": 0.96,
"place": "8km NE of Aguanga, CA",
"time": 1550360775470,
"updated": 1550360993593,
"tz": -480,
"url": "https://earthquake.usgs.gov/earthquakes/eventpage/ci37532978",
"detail": "https://earthquake.usgs.gov/earthquakes/feed/v1.0/detail/ci37532978.geojson",
"felt": null,
"cdi": null,
"mmi": null,
"alert": null,
"status": "automatic",
"tsunami": 0,
"sig": 14,
"net": "ci",
"code": "37532978",
"ids": ",ci37532978,",
"sources": ",ci,",
"types": ",geoserve,nearby-cities,origin,phase-data,",
"nst": 32,
"dmin": 0.02648,
"rms": 0.15,
"gap": 37,
"magType": "ml",
"type": "earthquake",
"title": "M 1.0 - 8km NE of Aguanga, CA"
},
"geometry": {
"type": "Point",
"coordinates": [
-116.7941667,
33.4863333,
3.22
]
},
"id": "ci37532978"
},
语句all_eq_dicts = all_eq_data['features'],将json文件中‘features’下的所有元素,放在all_eq_dicts中。
语句mags = [eq_dict['properties']['mag'] for eq_dict in all_eq_dicts],将每个元素中‘properties’下的‘mag’值存在列表mags中。这里使用了列表解析。
import json
filename = 'data/eq_data_1_day_m1.json'
with open(filename) as f:
all_eq_data = json.load(f)
readable_file = 'data/readable_eq_data.json'#重写json文件,使其便于阅读
with open(readable_file,'w') as f:
json.dump(all_eq_data,f,indent=4)
all_eq_dicts = all_eq_data['features']
mags = [eq_dict['properties']['mag'] for eq_dict in all_eq_dicts]
titles = [eq_dict['properties']['title'] for eq_dict in all_eq_dicts]
longitudes = [eq_dict['geometry']['coordinates'][0] for eq_dict in all_eq_dicts]
latitudes = [eq_dict['geometry']['coordinates'][1] for eq_dict in all_eq_dicts]
2、使用Plotly绘制地理散点图
2.1 函数scatter_geo介绍
Plotly Express 中的 scatter_geo
函数是用于创建地理散点图的函数。它允许用户轻松地在地图上绘制数据点,每个数据点表示一个地理位置,并且可以根据数据中的某些属性来自定义数据点的颜色、大小等。
该函数的基本语法如下:
px.scatter_geo(data_frame, lat=None, lon=None, locations=None, locationmode=None,
color=None, size=None, hover_name=None, hover_data=None,
projection=None, animation_frame=None, title=None, template=None,
width=None, height=None)
其中,主要参数包括(data_frame必须输入,其余根据需要选择使用):
data_frame
: 包含数据的 DataFrame 对象。lat
和lon
: 分别指定纬度和经度数据所在的列名。locations
: 指定用于标识地理位置的列名。color
和size
: 分别指定数据点的颜色和大小所对应的列名。hover_name
和hover_data
: 分别指定悬停时显示的标签和其他数据。projection
: 指定地图投影的类型,如 "equirectangular"、"mercator" 等。animation_frame
: 如果要创建动画效果,可以指定用于动画的时间序列数据所在的列名。title
: 图表的标题。template
: 图表的模板。width
和height
: 图表的宽度和高度。
2.2 官方示例
import plotly.express as px
'''
px.data.gapminder() 是 Plotly Express 提供的一个函数,
用于加载示例数据集 "gapminder"。
这个数据集包含了关于世界各国在不同年份的人口、GDP 等数据。
.query("year == 2007") 是 Pandas 数据框(DataFrame)对象的一个方法,
用于查询符合特定条件的数据。在这里,它筛选出年份为 2007 年的数据。
'''
df = px.data.gapminder().query("year == 2007")
'''
基于给定的数据集 df,创建一个地理散点图,
其中每个点表示一个国家,其位置由 ISO 3166-1 #alpha-3 代码指定,
点的大小表示该国的人口数量。
'''
fig = px.scatter_geo(df, locations="iso_alpha",
size="pop", # size of markers, "pop" is one of the columns of gapminder
)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()
运行结果:
3、根据json文件数据,准备绘制地理散点图的‘数据结构’
根据第一部分的说明,解析后的json数据是放在四个列表中的,此时这四个列表必须构成DataFrame对象,才能被scatter_geo
函数使用,具体方法如下:
import pandas as pd
mags = [eq_dict['properties']['mag'] for eq_dict in all_eq_dicts]
titles = [eq_dict['properties']['title'] for eq_dict in all_eq_dicts]
longitudes = [eq_dict['geometry']['coordinates'][0] for eq_dict in all_eq_dicts]
latitudes = [eq_dict['geometry']['coordinates'][1] for eq_dict in all_eq_dicts]
#根据以上数据创建‘字典’
data = {'mags':mags,
'titles':titles,
'longitudes':longitudes,
'latitudes':latitudes}
# 使用字典创建 DataFrame
df = pd.DataFrame(data)
以上数据中,
mags是地震烈度,决定地图上标志点大小;
titles是地震信息,鼠标悬停在标志点上时显示;
longitudes是经度,决定标志点在地图上的位置;
latitudes是纬度。
4、完整代码及运行效果
import json
import plotly.express as px
import pandas as pd
#准备数据
filename = 'data/eq_data_1_day_m1.json'
with open(filename) as f:
all_eq_data = json.load(f)
all_eq_dicts = all_eq_data['features']
mags = [eq_dict['properties']['mag'] for eq_dict in all_eq_dicts]
titles = [eq_dict['properties']['title'] for eq_dict in all_eq_dicts]
longitudes = [eq_dict['geometry']['coordinates'][0] for eq_dict in all_eq_dicts]
latitudes = [eq_dict['geometry']['coordinates'][1] for eq_dict in all_eq_dicts]
#根据以上数据创建‘字典’
data = {'mags':mags,
'titles':titles,
'longitudes':longitudes,
'latitudes':latitudes}
# 使用字典创建 DataFrame
df = pd.DataFrame(data)
fig = px.scatter_geo(df,lat='latitudes',lon='longitudes',size='mags',hover_name='titles')
fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.write_html('global_earthquakes.html')
fig.show()