当您的数据蕴含地理信息时，丰盛的地图可视化能够为您了解数据和解释剖析后果的最终用户提供重要价值。
Plotly
Plotly 是一个驰名的库，用于在 Python 中创立交互式绘图和仪表板。
装置 Plotly
在命令提示符中运行这两个命令，以在咱们的本地计算机上安装 plotly 和 cufflinks 及其所有软件包。
_Choropleth_地图
Choropleth 地图是风行的主题地图，用于通过各种暗影图案或预约天文区域（即国家 / 地区）上的符号示意统计数据。它们善于利用数据轻松示意整个区域所需测量的可变性。
Choropleth 地图是如何工作的？
Choropleth Maps 显示与数据变量相干的黑白，暗影或图案化的划分的天文区域或区域。这提供了一种可视化天文区域内值的办法，该值能够显示所显示地位的变动或模式。
在 Python 中应用 Choropleth
在这里，咱们将应用 2014 年寰球不同国家 / 地区的电力耗费数据集。（https://github.com/ahmadbinsh…）
好的，让咱们开始吧。
导入库
在这里，init_notebook_mode（connected = True） 将 Javascript 连贯到咱们的笔记本。
创立 / 解释咱们的 DataFrame
在这里，咱们有 3 列，并且所有列都有 219 个非空条目。
将咱们的数据编译成字典
- _type =’choropleth’_：定义地图的类型，即这种状况下的 choropleth。
- colorscale =’Viridis’_：显示一个色彩图（f_或更多色彩比例，请参阅 _此处__）。_
- _location = df [‘Country’]_：增加所有国家_/ 地区_的列表。
- _locationmode =’ 国家名称 ’_：因为咱们在数据集中有国家名称，所以咱们将地位模式设置为 ’ 国家名称 ’。
- _z_：显示每个状态的功耗的整数值列表。
- _text = df [‘Country’]_：将鼠标悬停在地图上的每个状态元素时显示一个文本。在这种状况下，它是国家自身的名称。
- _colorbar = {‘title’：’Power KWH’}_：蕴含无关右侧栏信息的字典。在这里，色彩栏蕴含侧边栏的题目。
布局 _-_一个 Geo 对象，可用于管制 在其上绘制数据的根底 地图 的外观。
这是一本嵌套的字典，其中蕴含无关地图 / 绘图外观的所有相干信息。
生成图 / 图
生成了“2014 年世界电力耗费”的 choropleth 地图，从下面能够看到，当每个国家 / 地区悬停在地图上的每个元素上时，都会显示其名称和电力耗费（以 kWh 为单位）。数据在一个特定区域中越集中，地图上的色彩暗影越深。“中国”的耗电量最大，因而其色彩最深。
密度图
密度映射只是一种显示点或线可能集中在给定区域中的形式。
在 Python 中应用密度图
在这里，咱们将应用世界范畴 的地震及其震级数据集。
好的，让咱们开始吧。
导入库
创立 / 解释咱们的 DataFrame
在这里，咱们有 4 列，并且所有列都有 23412 个非空条目。
绘制数据
- _lat =’Latitude’_：获取数据框的_“纬度”_列。
- _lon =’Longitude’_：获取数据框的经度列。
- _z_：显示地震震级的整数列表。
- _radius = 10_：设置每个点的影响半径。
- _center = dict（lat = 0，lon = 180）_：设置字典中地图的中心点。
- _zoom = 0_：设置地图缩放级别。
- _mapbox_style =’stamen-terrain’_：设置根本地图款式。在这里，“雄蕊地形”是根本地图款式。
- _fig.show（）_：显示地图。
地图
咱们曾经绘制了“地震及其烈度”的密度图，从下面咱们能够看到，它笼罩了蒙受地震毁坏的所有领土，并且还显示了当咱们将 鼠标悬停 在上方时每个区域的地震烈度。
因为数据格式多种多样，有时应用 plotly 进行天文绘图可能会遇到一些挑战，因而请参考该 备忘单，理解所有类型的 plotly plot 语法。
看完别走还有惊喜！
我精心整顿了计算机 /Python/ 机器学习 / 深度学习相干的 2TB 视频课与书籍，价值 1W 元。关注微信公众号“计算机与 AI”，点击下方菜单即可获取网盘链接。