前言：

為了制作全球地震散點(diǎn)圖，我在網(wǎng)上下載了一個(gè)數(shù)據(jù)集，其中記錄了一個(gè)月內(nèi)全球發(fā)生的所有地震，但這些數(shù)據(jù)是以JSON格式存儲(chǔ)的，因此需要用json模塊來(lái)進(jìn)行處理。

查看JSON數(shù)據(jù)

首先我們先打開下載好的數(shù)據(jù)集瀏覽一下：

你會(huì)發(fā)現(xiàn)其中的數(shù)據(jù)密密麻麻，根本不是人讀的，因此，接下來(lái)我們將對(duì)數(shù)據(jù)進(jìn)行處理，讓它變得簡(jiǎn)單易讀。

import json#導(dǎo)入json模塊，以便于加載文件中的數(shù)據(jù)
filename='eq_data_1_day_m1.json'
with open(filename) as f:
    all_eq_data=json.load(f)#json.load(),將數(shù)據(jù)轉(zhuǎn)化為Python能夠處理的格式
readable_file='eq_data_1_day_m1.json'#創(chuàng)建一個(gè)文件，以便將這些數(shù)據(jù)以易于閱讀的方式寫入其中
with open(readable_file,'w') as f:
    json.dump(all_eq_data,f,indent=4)#json.dump()將數(shù)據(jù)讀入其中
    #參數(shù)indent讓dump()使用與數(shù)據(jù)結(jié)構(gòu)匹配的縮進(jìn)量來(lái)設(shè)置數(shù)據(jù)的格式

經(jīng)過(guò)處理之后，我們?cè)俅蜷_這個(gè)文件會(huì)發(fā)現(xiàn)里面的數(shù)據(jù)變得清晰了許多。

從中我們能夠快速獲取數(shù)據(jù)的很多信息，比如地震的次數(shù)，類型等等，不僅如此，我們還能夠知道有關(guān)這些數(shù)據(jù)的一些信息，比如，它的生成時(shí)間，他在網(wǎng)頁(yè)上怎么獲取等等。

參數(shù)indent

如果indent是非負(fù)整數(shù)或字符串，則JSON數(shù)組元素和對(duì)象成員將使用該縮進(jìn)級(jí)別進(jìn)行打印。如果indent為0，負(fù)數(shù)或“”只會(huì)插入換行符。
None（默認(rèn)）則選擇最緊湊的表示形式。，使用正整數(shù)縮進(jìn)會(huì)使每個(gè)級(jí)別縮進(jìn)多個(gè)空格。，如果縮進(jìn)是字符串（例如“
t”），則該字符串用于縮進(jìn)每個(gè)級(jí)別。

當(dāng)我們將縮進(jìn)量修改為0時(shí)，文件的排版也會(huì)發(fā)生變化：

json.dump(all_eq_data,f,indent=0)

創(chuàng)建地震列表

import json
filename='eq_data_1_day_m1.json'
with open(filename) as f:
    all_eq_data=json.load(f)#對(duì)文件進(jìn)行處理
all_eq_dicts=all_eq_data['features']
print(len(all_eq_dicts))#提取出這個(gè)文件記錄的所有地震

輸出結(jié)果如下：

158

是的，從文件的開頭，我們就可以確定地震的次數(shù)為158次，因此輸出結(jié)果正確：

提取震級(jí)

方法即是新建立一個(gè)列表用來(lái)存放震源的有關(guān)數(shù)據(jù)，再提取字典features的properties部分的mag.

代碼如下：

import json
filename='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=[]
for eq_dict in all_eq_dicts:
    mag=eq_dict['properties']['mag']
    mags.append(mag)
print(mags[:10])#打印前十次的震級(jí)數(shù)據(jù)

[0.96, 1.2, 4.3, 3.6, 2.1, 4, 1.06, 2.3, 4.9, 1.8]

提取位置數(shù)據(jù)

首先，我們需要在文件中找到關(guān)于經(jīng)度和維度的部分，如下所示，我們?cè)谖募胁檎业?，它是存在于geometry字典下，coordinates鍵中的。

---snip---
all_eq_dicts=all_eq_data['features']
mags,titles,lons,lats=[],[],[],[]
for eq_dict in all_eq_dicts:
    mag=eq_dict['properties']['mag']
    title=eq_dict['properties']['title']
    lon=eq_dict['geometry']['coordinates'][0]#提取coordinates鍵中索引值為0的數(shù)據(jù)
    lat=eq_dict['geometry']['coordinates'][1]
    mags.append(mag)
    titles.append(title)
    lons.append(lon)
    lats.append(lat)
print(mags[:10])
print(titles[:2])
print(lons[:5])#輸出前五個(gè)經(jīng)度
print(lats[:5])#輸出前五個(gè)維度

輸出結(jié)果如下：

[0.96, 1.2, 4.3, 3.6, 2.1, 4, 1.06, 2.3, 4.9, 1.8]
['M 1.0 - 8km NE of Aguanga, CA', 'M 1.2 - 11km NNE of North Nenana, Alaska']
[-116.7941667, -148.9865, -74.2343, -161.6801, -118.5316667]
[33.4863333, 64.6673, -12.1025, 54.2232, 35.3098333]

繪制震級(jí)散點(diǎn)圖

通過(guò)我們前面提取的有關(guān)震源的數(shù)據(jù)，下面我們可對(duì)提取的數(shù)據(jù)進(jìn)行可視化作圖：

import plotly.express as px#Plotly Express是Plotly的高級(jí)接口，相當(dāng)于Matplotlib是一個(gè)工具
fig=px.scatter(
    x=lons,
    y=lats,
    labels={'x':'經(jīng)度','y':'維度'},
    range_x=[-200,200],
    range_y=[-90,90],
    #width和height代表圖表的高度和寬度均為800像素
    width=800,
    height=800,
    title="全球地震散點(diǎn)圖",
)
fig.write_html('global_earthquakes.html')#將可視化圖保存為html文件
fig.show()

散點(diǎn)圖配置完成后，下面我們?cè)诔绦蚰夸浵聦ふ椅覀儽４娴目梢暬瘓D（global_earthquakes.html），再使用瀏覽器打開該html文件
如下所示，即為散點(diǎn)圖：

指定圖表數(shù)據(jù)的方式

上面我們繪制地震散點(diǎn)圖是通過(guò)手動(dòng)配置經(jīng)緯度，通過(guò)將x,y和經(jīng)度，緯度建立聯(lián)系：

x=lons,
y=lats,
labels={'x':'經(jīng)度','y':'維度'},

但這在數(shù)據(jù)處理過(guò)程中并不是最簡(jiǎn)單的方式，下面我們介紹另一種圖表指定數(shù)據(jù)的方式，需要結(jié)合我們上面所提到的pandas數(shù)據(jù)分析工具。

import pandas as pd#導(dǎo)入pandas模塊x
data=pd.DataFrame(data=zip(lons,lats,titles,mags),colums=['經(jīng)度','緯度','位置','震級(jí)'])#使用DataFrame將需要處理的數(shù)據(jù)封裝，注意：DataFrame后面的兩個(gè)參數(shù)是可選的，如果這兩個(gè)參數(shù)存在的話，這兩個(gè)參數(shù)的長(zhǎng)度要和DataFrame的長(zhǎng)度匹配
#zip()函數(shù)的作用：將可迭代的對(duì)象中的對(duì)應(yīng)元素打包為多個(gè)元祖，再返回由這些元祖組成的列表
data.head()

DataFrame()函數(shù)

它是Python中pandas庫(kù)中的一種數(shù)據(jù)結(jié)構(gòu)，和excel比較相似，它不僅可以設(shè)置列名columns和行名index，而且它的單元格可以存放數(shù)值，字符串等。

data.head():返回?cái)?shù)據(jù)的前幾行數(shù)據(jù)，默認(rèn)是前五行，如果需要指定則寫data.head(‘指定的行數(shù)’)

data.tail():返回data的后幾行數(shù)據(jù)，默認(rèn)為后五行，如果需要指定則寫data.tail(‘指定的行數(shù)’)

數(shù)據(jù)封裝好之后，參數(shù)的配置方式可修改為：

data,
x='經(jīng)度',
y='緯度',

現(xiàn)在我們通過(guò)這種參數(shù)配置方式進(jìn)行地震散點(diǎn)圖的繪制：

#創(chuàng)建地震列表，提取數(shù)據(jù)
import json
filename='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,titles,lons,lats=[],[],[],[]
for eq_dict in all_eq_dicts:
    mag=eq_dict['properties']['mag']
    title=eq_dict['properties']['title']
    lon=eq_dict['geometry']['coordinates'][0]#提取coordinates鍵中索引值為0的數(shù)據(jù)
    lat=eq_dict['geometry']['coordinates'][1]
    mags.append(mag)
    titles.append(title)
    lons.append(lon)
    lats.append(lat)
 #參數(shù)配置設(shè)置
import pandas as pd   
data=pd.DataFrame(
    data=zip(lons,lats,titles,mags),columns=['經(jīng)度','緯度','位置','震級(jí)']
)
data.head()
#繪制散點(diǎn)圖
import plotly.express as px
fig = px.scatter(
    data,
    x='經(jīng)度',
    y='緯度',
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title="全球地震散點(diǎn)圖",
)
fig.write_html('global_earthquake.html')
fig.show()

配置完成后，下面我們?cè)诔绦蚰夸浵聦ふ椅覀儽４娴目梢暬瘓D（global_earthquakes.html），再使用瀏覽器打開該html文件如下圖所示：

通過(guò)輸出結(jié)果，我們可得出，無(wú)論使用那種參數(shù)配置方式，其輸出結(jié)果都是相同的，但第二種這種以鍵值對(duì)的方式，更加清晰。

設(shè)計(jì)標(biāo)記點(diǎn)的尺寸

和我們上篇文章提到的與溫度有關(guān)的散點(diǎn)圖相類似，我們希望知道最高溫度和最低溫度等這些特殊且重要的信息，那么震源散點(diǎn)圖也是如此，上圖我們所設(shè)計(jì)的震源散點(diǎn)圖只是將緯度和經(jīng)度在圖上呈現(xiàn)出來(lái)了，但震源并沒有體現(xiàn)。

下面，我們將震級(jí)也呈現(xiàn)在散點(diǎn)圖上：

方法：使用size參數(shù)設(shè)計(jì)散點(diǎn)圖中每個(gè)尺寸的大小：

size='震級(jí)',
size_max=10,

對(duì)比上面的兩幅圖，我們會(huì)發(fā)現(xiàn)散點(diǎn)圖中關(guān)于地震的信息還增加了震級(jí)，不僅如此，散點(diǎn)的尺寸大小也與震級(jí)的大小有關(guān)，震級(jí)越大，散點(diǎn)的尺寸越大，這樣一來(lái)，我們很容易觀察到不同地方的地震強(qiáng)度，但這還不夠直觀，為了能夠更加直白的呈現(xiàn)地震的情況，我們還設(shè)計(jì)散點(diǎn)的顏色以便更加清晰的顯示。

設(shè)計(jì)標(biāo)記的顏色

方法：

color='震級(jí)',   #默認(rèn)漸變色的范圍是從藍(lán)到紅再到黃，數(shù)值越小標(biāo)記越藍(lán)，而數(shù)值越大則標(biāo)記越黃。

把在網(wǎng)上下載好的近30天的數(shù)據(jù)文件復(fù)制到該程序目錄下，將參數(shù)color添加其中，再繪制散點(diǎn)圖。，注意修改文件名。

如下圖所示：

美化后的散點(diǎn)圖，不僅在顏色上漂亮了許多，漸變的顏色也更加清晰的反映了地震的嚴(yán)重程度。

獲取Plotly Express中所有的漸變色：

不僅如此，Plotly Express還為我們提供了許多的漸變色，而這些漸變色是在px.colors.named_colorscales()中定義的，下面來(lái)獲取這些漸變色：

import plotly.express as px
for key in px.colors.named_colorscales():
    print(key,end='/')

輸出結(jié)果如下：

aggrnyl/agsunset/blackbody/bluered/blues/blugrn/bluyl/brwnyl/bugn/bupu/burg/burgyl/cividis
/darkmint/electric/emrld/gnbu/greens/greys/hot/inferno/jet/magenta/magma/mint/orrd/oranges
/oryel/peach/pinkyl/plasma/plotly3/pubu/pubugn/purd/purp/purples/purpor/rainbow/rdbu/rdpu
/redor/reds/sunset/sunsetdark/teal/tealgrn/turbo/viridis/ylgn/ylgnbu/ylorbr/ylorrd/algae
/amp/deep/dense/gray/haline/ice/matter/solar/speed/tempo/thermal/turbid/armyrose/brbg/earth
/fall/geyser/prgn/piyg/picnic/portland/puor/rdgy/rdylbu/rdylgn/spectral/tealrose/temps/tropic
/balance/curl/delta/oxy/edge/hsv/icefire/phase/twilight/mrybm/mygbm/

此外，我們還可將對(duì)應(yīng)配色列表進(jìn)行反轉(zhuǎn)：

方法：

px.colors.diverging.RdYlGn[::-1]

此外，Plotly除了有px.colors.diverging表示連續(xù)的配色方案，還有px.colors.sequential和px.colors.qualitative表示離散變量。每個(gè)漸變色都有起始色和終止色，有些漸變色還定義了一個(gè)或多個(gè)中間色。

添加鼠標(biāo)指向時(shí)顯示的文本：

方法，使用參數(shù)hover_name,參數(shù)配置為data的‘位置’

hover_name='位置',

修改后，散點(diǎn)圖的輸出如下所示：

我們發(fā)現(xiàn)，對(duì)比于前面的圖表，此時(shí)又增加了位置信息，此時(shí)，我們就完整的繪制了一副關(guān)于地震信息的散點(diǎn)圖。

到此這篇關(guān)于Python數(shù)據(jù)可視化制作全球地震散點(diǎn)圖的文章就介紹到這了,更多相關(guān)Python地震散點(diǎn)圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論