当您的数据包含地理信息时，丰富的地图可视化可以为您的最终用户理解数据和解释分析结果提供重要价值。PlotlyPlotly是一个著名的库，用于在Python中创建交互式图表和仪表板。安装Plotly在命令提示符下运行这两个命令，在我们的本地机器上安装plotly和cufflinks及其所有包。_Choropleth_地图Choropleth地图是流行的专题地图，用于通过预定地理区域（即国家）上的各种阴影模式或符号来表示统计数据。他们擅长利用数据轻松表示整个区域所需测量的可变性。Choropleth地图如何工作？等值线图显示彩色、阴影或图案划分的地理区域或与数据变量相关的区域。这提供了一种可视化地理区域内的值的方法，可以显示所显示位置的变化或模式。在Python中使用Choropleth这里我们将使用2014年全球不同国家的电力消耗数据集。(https://github.com/ahmadbinsh...)好的，让我们开始吧。导入库在这里，init_notebook_mode(connected=True)将Javascript连接到我们的笔记本。创建/解释我们的DataFrame这里我们有3列，所有列都有219个非空条目。将我们的数据编译成字典_type='choropleth'_：定义地图的类型，在本例中为choropleth。colorscale='Viridis'_：显示颜色图（f_或更多色标，参见_here__）。__location=df['Country']_：添加所有国家的列表。_locationmode='countryname'_：由于我们在数据集中有国家名称，我们将位置模式设置为'countryname'。_z_：显示每个状态功耗的整数值列表。_text=df['Country']_：将鼠标悬停在地图上的每个州元素上时显示文本。在这种情况下，它是国家本身的名称。_colorbar={'title':'PowerKWH'}_:包含有关右栏信息的字典。在这里，颜色栏包含侧边栏的标题。layout__AGeo对象，可用于控制在其上绘制数据的底图的外观。这是一个嵌套字典，包含有关地图/情节应该是什么样子的所有相关信息。生成图表/图形生成了“2014年世界电力消耗量”的等值线图，如上图所示，每个国家都显示了其名称和电力消耗量（以千瓦时为单位）。特定区域的数据越集中，地图上的颜色阴影就越深。“中国”耗电最多，所以颜色最深。密度图密度图只是一种显示点或线可能集中在给定区域的方式。在Python中使用密度图在这里，我们将使用全球范围内的地震及其震级数据集。好的，让我们开始吧。导入库创建/解释我们的DataFrame这里我们有4列，所有列都有23412个非空条目。plot_data_lat='Latitude'_：获取数据框的“纬度”列。_lon='经度'_：获取数据框的经度列。_z_：显示地震强度的整数列表。_radius=10_：设置每个点的影响半径。_center=dict(lat=0,lon=180)_：在字典中设置地图的中心点。_zoom=0_：设置地图缩放级别。_mapbox_style='stamen-terrain'_：设置底图样式。这里的“花蕊地形”是底图样式。_fig.show()_：显示地图。地图我们绘制了一张地震密度图及其强度，从上面我们可以看到它涵盖了所有被地震破坏的地区，当我们将鼠标悬停在强度上时，它还显示了每个地区的地震。由于数据格式的多样性，使用plotly进行地理绘图有时会有点挑战，因此请参阅此备忘单以了解所有类型的plotly绘图语法。看完别走，还有惊喜！精心整理了2TB的计算机/Python/机器学习/深度学习相关的视频课和书籍，价值1W元。关注微信公众号“计算机与AI”，点击下方菜单获取网盘链接。
