kaggle地理空間分析-interactive maps(互動地圖)

介紹

在本教程中，您將學習如何使用folium包創建交互式地圖。 在此過程中，您將運用新技能來可視化波士頓犯罪數據。

import pandas as pd
import geopandas as gpd
import math

import folium
from folium import Choropleth, Circle, Marker
from folium.plugins import HeatMap, MarkerCluster

你的第一張交互式地圖

我們首先使用folium.Map（）創建一個相對簡單的地圖。

# Create a map
m_1 = folium.Map(location=[42.32,-71.0589], tiles='openstreetmap', zoom_start=10)

# Display the map
m_1

有幾個參數可自定義地圖的外觀：

• location設置地圖的初始中心。我們使用波士頓市的緯度（42.32°N）和經度（-71.0589°E）。
• tiles會更改地圖的樣式;在這種情況下，我們選擇OpenStreetMap樣式。如果您好奇，可以在這里找到其他選項。
• zoom_start設置地圖的初始縮放級別，較高的值會放大到更接近地圖的位置。
  現在花點時間通過放大和縮小，或通過向不同方向拖動地圖來進行探索。

數據

現在，我們將一些犯罪數據添加到地圖中！

我們不會專注於數據加載步驟。相反，您可以想象您正處於pandas DataFramecrimes 中的一個點。數據的前五行如下所示。

# Load the data
crimes = pd.read_csv("../input/geospatial-learn-course-data/crimes-in-boston/crimes-in-boston/crime.csv", encoding='latin-1')

# Drop rows with missing locations
crimes.dropna(subset=['Lat', 'Long', 'DISTRICT'], inplace=True)

# Focus on major crimes in 2018
crimes = crimes[crimes.OFFENSE_CODE_GROUP.isin([
    'Larceny', 'Auto Theft', 'Robbery', 'Larceny From Motor Vehicle', 'Residential Burglary',
    'Simple Assault', 'Harassment', 'Ballistics', 'Aggravated Assault', 'Other Burglary', 
    'Arson', 'Commercial Burglary', 'HOME INVASION', 'Homicide', 'Criminal Harassment', 
    'Manslaughter'])]
crimes = crimes[crimes.YEAR>=2018]

# Print the first five rows of the table
crimes.head()

Plotting points(繪圖點)

為了減少我們需要在地圖上顯示的數據量，我們（暫時）將注意力集中在白天的搶劫案上。

daytime_robberies = crimes[((crimes.OFFENSE_CODE_GROUP == 'Robbery') & \
                    (crimes.HOUR.isin(range(9,18))))]

folium.Marker(葉標記)

我們使用folium.Marker（）將標記添加到地圖。 下面的每個標記對應於一個不同的搶劫。

# Create a map
m_2 = folium.Map(location=[42.32,-71.0589], tiles='cartodbpositron', zoom_start=13)

# Add points to the map
for idx, row in daytime_robberies.iterrows():
    Marker([row['Lat'], row['Long']]).add_to(m_2)

# Display the map
m_2

folium.plugins.MarkerCluster(葉插件標記群集)

如果我們要添加很多標記，則folium.plugins.MarkerCluster（）可以幫助整理地圖。 將每個標記添加到MarkerCluster對象。

# Create the map
m_3 = folium.Map(location=[42.32,-71.0589], tiles='cartodbpositron', zoom_start=13)

# Add points to the map
mc = MarkerCluster()
for idx, row in daytime_robberies.iterrows():
    if not math.isnan(row['Long']) and not math.isnan(row['Lat']):
        mc.add_child(Marker([row['Lat'], row['Long']]))
m_3.add_child(mc)

# Display the map
m_3

Bubble maps(氣泡圖)

氣泡圖使用圓圈而不是標記。 通過改變每個圓圈的大小和顏色，我們還可以顯示位置和其他兩個變量之間的關系。

我們使用folium.Circle（）創建一個氣泡圖來迭代添加圓。 在下面的代碼單元中，在9-12點發生的搶劫用綠色繪制，而在13-17點發生的搶劫用紅色繪制。

# Create a base map
m_4 = folium.Map(location=[42.32,-71.0589], tiles='cartodbpositron', zoom_start=13)

def color_producer(val):
    if val <= 12:
        return 'forestgreen'
    else:
        return 'darkred'

# Add a bubble map to the base map
for i in range(0,len(daytime_robberies)):
    Circle(
        location=[daytime_robberies.iloc[i]['Lat'], daytime_robberies.iloc[i]['Long']],
        radius=20,
        color=color_producer(daytime_robberies.iloc[i]['HOUR'])).add_to(m_4)

# Display the map
m_4# Create a base map
m_4 = folium.Map(location=[42.32,-71.0589], tiles='cartodbpositron', zoom_start=13)

def color_producer(val):
    if val <= 12:
        return 'forestgreen'
    else:
        return 'darkred'

# Add a bubble map to the base map
for i in range(0,len(daytime_robberies)):
    Circle(
        location=[daytime_robberies.iloc[i]['Lat'], daytime_robberies.iloc[i]['Long']],
        radius=20,
        color=color_producer(daytime_robberies.iloc[i]['HOUR'])).add_to(m_4)

# Display the map
m_4

請注意folium.Circle（）帶有幾個參數：

• location是一個列表，其中包含經度和緯度的圓心。
• radius設置圓的半徑。
  請注意，在傳統的氣泡圖中，每個圓的半徑都可以變化。我們可以通過定義類似於color_producer（）函數的函數來實現此目的，該函數用於更改每個圓圈的顏色。
• color設置每個圓圈的顏色。
  color_producer（）函數用於可視化小時對搶劫位置的影響。

Heatmaps(熱圖)

要創建熱圖，我們使用folium.plugins.HeatMap（）。 這顯示了城市不同區域的犯罪密度，其中紅色區域的犯罪事件相對較多。

正如我們對一個大城市的期望一樣，大多數犯罪都發生在市中心附近。

# Create a base map
m_5 = folium.Map(location=[42.32,-71.0589], tiles='cartodbpositron', zoom_start=12)

# Add a heatmap to the base map
HeatMap(data=crimes[['Lat', 'Long']], radius=10).add_to(m_5)

# Display the map
m_5

如您在上面的代碼單元中看到的，folium.plugins.HeatMap（）帶有幾個參數：

• data是一個DataFrame，其中包含我們要繪制的位置。
• radius(半徑)控制熱圖的平滑度。 較高的值可使熱圖看起來更平滑（即，間隙較小）。

Choropleth maps(分級統計圖)

為了了解不同警區的犯罪情況，我們將創建一個choropleth地圖。

第一步，我們創建一個GeoDataFrame，為每個地區分配一個不同的行，並且“ geometry”列包含地理邊界。

# GeoDataFrame with geographical boundaries of Boston police districts
districts_full = gpd.read_file('../input/geospatial-learn-course-data/Police_Districts/Police_Districts/Police_Districts.shp')
districts = districts_full[["DISTRICT", "geometry"]].set_index("DISTRICT")
districts.head()

我們還創建了一個名為plot_dict的熊貓系列，該系列顯示了每個地區的犯罪數量。

# Number of crimes in each police district
plot_dict = crimes.DISTRICT.value_counts()
plot_dict.head()

這是非常重要的，plot_dict與districts(地區)具有相同的索引-這就是代碼知道如何使用適當的顏色匹配地理邊界的方式。

使用folium.Choropleth（）類，我們可以創建一個Choropleth圖。 如果下面的地圖沒有為您呈現，請嘗試在其他Web瀏覽器中查看頁面。

# Create a base map
m_6 = folium.Map(location=[42.32,-71.0589], tiles='cartodbpositron', zoom_start=12)

# Add a choropleth map to the base map
Choropleth(geo_data=districts.__geo_interface__, 
           data=plot_dict, 
           key_on="feature.id", 
           fill_color='YlGnBu', 
           legend_name='Major criminal incidents (Jan-Aug 2018)'
          ).add_to(m_6)

# Display the map
m_6

out12

請注意folium.Choropleth（）帶有幾個參數：

• geo_data是一個GeoJSON FeatureCollection，其中包含每個地理區域的邊界。
  在上面的代碼中，我們使用__geo_interface__屬性將districtsGeoDataFrame轉換為GeoJSON FeatureCollection。
• data是一個Pandas Series，其中包含將用於對每個地理區域進行顏色編碼的值。
• key_on將始終設置為feature.id。
  這是指用於geo_data的GeoDataFrame和data中提供的Pandas Series具有相同的索引。 為了理解細節，我們必須更仔細地看一下GeoJSON Feature Collection的結構（其中與“ features”鍵相對應的值是一個列表，其中每個條目都是一個包含“ id”鍵的字典）。
• fill_color設置顏色比例。
• legend_name在地圖的右上角標記了圖例。

Your turn

設計自己的地圖，以確定日本的哪些地區需要額外的地震加固。