好不容易实现了choropleth_mapbox地图，也顺道把散点地图、热力地图、线形地图处理掉吧，做到有始有终，再迈向新的领域；从微信公众号里拿到了按分省统计的用户数据，又拿到了各地市数据，通过这两种数据分别实现choropleth_mapbox、scatter_mapbox、density_mapbox，至于line_mapbox构造数据过于麻烦，直接拷贝了官网上的案例。
基于分省统计的用户数据，通过choropleth_mapbox进行行政区域的数据展示。
代码语言：javascript复制import json
import pandas as pd
import plotly.express as px
# 中国地图
with open('china_geo.json') as response:
counties = json.load(response)
df = pd.read_csv("gongzhonghaopro.csv",encoding="utf-8",
dtype={"areacode": str})
fig = px.choropleth_mapbox(df, geojson=counties, featureidkey="properties.adcode",locations='areacode', color='total',
#color_continuous_scale="Viridis",
range_color=(0, 320),
color_continuous_scale='Reds',
zoom=3, center={"lat": 37.4189, "lon": 116.4219},
mapbox_style='carto-positron')
fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
fig.show()
基于分地市统计的用户数据，通过scatter_mapbox进行各城市的数据展示。这里面不同的地方是直接采用mapbox的地图，而且申请了一个tokenkey，此外数据的构成方面，需要附上各区域的经度、维度、展示数据等信息。
代码语言：javascript复制all_data = pd.read_csv("gongzhonghao.csv",encoding="utf-8")
token = 'pk.eyJ1Ijoiam9obndhbmcyMDIxIiwiYSI6ImNrbWNheTJ1NzA4cWQyb21uZHYycTgzMGQifQ.Tyk26CpuPLPi3bpw05yM_A'
fig = px.scatter_mapbox(all_data, lat="langitude", lon="latitude", hover_name="city", hover_data=["city", "total"],
color="total",
size="total",
#color_continuous_scale=px.colors.sequential.matter,
size_max=30,
color_continuous_scale="Reds",
zoom=5, height=1000)
fig.update_layout(mapbox = {'accesstoken': token, #需要到官网注册一个token
'center': {'lon': 106.573, 'lat': 30.66342}, #指定的地图中心
'zoom': 3,
'style': 'basic', #显示的地图类型，有遥感地图，街道地图等类型
},
margin = {'l': 0, 'r': 0, 't': 0, 'b': 0})
fig.show()
基于分地市统计的用户数据，通过density_mapbox进行各城市的数据展示。热力图相对来说呈现效果要好于scatter_mapbox，不过这里面关于range_color的设置一直没想明白该如何正确处理。
代码语言：javascript复制all_data = pd.read_csv("gongzhonghao.csv",encoding="utf-8")
print(all_data)
fig = px.density_mapbox(all_data, lat='langitude', lon='latitude', z='total', radius=20,
color_continuous_scale=px.colors.diverging.RdYlGn[::-1],
center={"lat": 37.4189, "lon": 116.4219}, zoom=3,
range_color =(0,15),
mapbox_style="stamen-terrain")
fig.show()
基于官方案例的line_geo地图展示。
代码语言：javascript复制df = px.data.gapminder().query("year == 2007")
fig = px.line_geo(df, locations="iso_alpha",
color="continent", # "continent" is one of the columns of gapminder
projection="orthographic")
fig.show()
下一步该探索一下dash_core_components 、dash_html_components 、idash_bootstrap_components组件了，最终的目标是实现可视化大屏，还有很长的路要走。
