使用 plotly 绘制 Choropleth 地图
使用 plotly 绘制 Choropleth 地图
本文将通过绘制中国省级 Choropleth 地图来解释如何使用 plotly 绘制 Choropleth 地图，主要有两种方法：底层 API plotly.graph_objects.Choroplethmapbox 和高层 API plotly.express.choropleth_mapbox，数据是 COVID-19 在某一天的疫情数据。
什么是 Choropleth 地图
Choropleth map 即分级统计图。在整个制图区域的若干个小的区划单元内（行政区划或者其他区划单位），根据各分区资料的数量（相对）指标进行分级，并用相应色级或不同疏密的晕线，反映各区现象的集中程度或发展水平的分布差别。—— Choropleth_百度百科
简单来说，具体到本文，就是在地图上为每个省上色，根据什么来确定上哪个颜色呢？在本文中就是该省的确诊人数，人数越多，颜色越亮。这样得到的地图就是 Choropleth 地图。
依赖
主要依赖为：
均可以通过 pip 安装，然后导入：
import json
import pandas as pd
import plotly.express as px
import plotly.graph_objs as go数据准备
data.csv：某日 COVID-19 全国省级疫情数据，用于地图上色china_province.geojson：中国省级地图 geojson 文件，用于绘制地图轮廓
然后导入数据：
with open("china_province.geojson") as f:
provinces_map = json.load(f)
df = pd.read_csv('data.csv')plotly 的绘图逻辑
使用 plotly 绘图，其实就是两点：data 和 layout，即数据和布局。其实所有绘图都是这样，只不过在 plotly 里体现得尤为明显，尤其是底层 API。
data 决定绘图所使用的数据，比如绘制股票折线图用的股票历史数据，绘制疫情地图用的疫情数据。layout 决定图的布局，比如一幅折线图的宽高，一幅地图的风格和中心点。plotly 里一幅图是一个 Figure 对象，这个对象就有 data 和 layout 两个参数。
方法 1：底层 API plotly.graph_objects.Choroplethmapbox
plotly.graph_objects.Choroplethmapbox（以下简称 go.Choroplethmapbox）是 plotly 的底层 API，其全部参数可参考其官方文档。不过这参数实在是太多了，下面我通过例子来介绍一下几个常用的。
先来看代码：
fig = go.Figure(
go.Choroplethmapbox(
geojson=provinces_map,
featureidkey="properties.NL_NAME_1",
locations=df.地区,
z=df.确诊,
zauto=True,
colorscale='viridis',
marker_opacity=0.8,
marker_line_width=0.8,
showscale=True,
)
)
fig.update_layout(
mapbox_style="carto-darkmatter",
mapbox_zoom=3,
mapbox_center={"lat": 37.110573, "lon": 106.493924},
)先看下 go.Choroplethmapbox 的参数：
geojson：dict类型，这个就是刚才说的用于绘制地图轮廓的数据，一般从相应的 geojson 文件中用json.load加载进来。featureidkey：str类型，默认 为id。函数会使用这个参数和locations匹配地图单元（比如省份）的名称，以此决定绘制哪些地图单元的轮廓。通常的形式为properties.name，其中的name需要你自己根据 geojson 文件去指定，比如这里是properties.NL_NAME_1，意思就是NL_NAME_1这一列是省份名称。这个很重要，设置不正确会导致地图轮廓显示不出来，一定要保证和locations中的所有名称保持一致。locations: 可以是以下类型：list，numpy array，数字、字符串或者 datetime 构成的 Pandas series。指定地图单元名称，决定绘制哪些地图单元的轮廓。同样需要注意和featureidkey保持一致。z：可以是以下类型：list，numpy array，数字、字符串或者 datetime 构成的 Pandas series。指定地图单元对应的数值，函数会将此值映射到 colorscale 中的某一颜色，然后将此颜色涂到相应的地图单元内。通常来说是一个 pandas dataframe 中的某一列，即一个 series。需要注意此参数中值的顺序需要和locations保持一致，一一对应，如河南在locations中的索引是 9，那么河南的确诊人数在z中的索引也必须是 9。zauto：bool类型，默认为True。是否让颜色自动适应z，即自动计算zmin和zmax，然后据此来映射 colorscale。colorscale：通常来说是str类型，也可以是list类型。指定所使用的 colorscale，可使用的值参见此处。marker_opacity：float类型，颜色透明度。marker_line_width：float类型，地图轮廓宽度。showscale：bool类型。是否显示 colorbar，就是地图旁边的颜色条。
fig.update_layout 的参数同样有很多，主要用来定义布局：
-
mapbox_style：str类型，指定 mapbox 风格。可用的 mapbox 风格列表可参见这里。需要注意的是当你使用以下风格之一时，你就需要指定mapbox_token（关于如何获取 token 详细可参见这里）： ["basic", "streets", "outdoors", "light", "dark", "satellite", "satellite-streets"] -
mapbox_zoom：int类型，指定地图的缩放级别。 -
mapbox_center：dict类型，key 为lat（经度）和lon（纬度），指定初始时地图的中心点。
最终的效果如图：
方法 2：高层 API plotly.express.choropleth_mapbox
plotly.express.choropleth_mapbox（以下简称 px.choropleth_mapbox） 是 plotly 的高层 API，严格来说是 plotly_express 的接口，但是后来这个包被并入 plotly，可以直接用 plotly.express 来引入了，这个包主要就是简化了 plotly 的绘图方法。
详细参数可参考其官方文档。其实大部分参数是异曲同工的，下面我同样使用相同的数据来绘制地图，解释下。
老规矩，先来看代码：
fig = px.choropleth_mapbox(
data_frame=df,
geojson=provinces_map,
color='确诊',
locations="地区",
featureidkey="properties.NL_NAME_1",
mapbox_style="carto-darkmatter",
color_continuous_scale='viridis',
center={"lat": 37.110573, "lon": 106.493924},
zoom=3,
)data_frame：通常来说是pd.DataFrame格式。我们需要把绘图用到的数据都放到这个参数里面，后续很多参数都是基于此的，具体来说就是其中的列名。在 plot express 的各个绘图方法中，DataFrame其实是最为方便的格式，也是官方推荐的格式，官方的大部分示例都是使用的这个格式。geojson：和go.Choroplethmapbox的同名参数对应。color：通常为str类型，data_frame的列名。和go.Choroplethmapbox中的z对应。locations：通常为str类型，data_frame的列名。和go.Choroplethmapbox中的同名参数对应。featureidkey：和go.Choroplethmapbox的同名参数对应。mapbox_style：和update_layout的同名参数对应。color_continuous_scale：和go.Choroplethmapbox中的colorscale对应。center：和update_layout中的mapbox_center对应。zoom：和update_layout中的mapbox_zoom对应。
最终的效果如图：
完整代码
完整代码放在 GitHub 上。
一些没说到的
为了阅读体验，本文没有解释更多的参数，但我相信这已经能让你绘制一幅不错的 choropleth 地图了。有时间我会继续写一写如何在 dash 中融入这些地图，并实时更新。
其实本文所讲的是地图是一种 tile map，和这种地图对应的是一种轮廓地图，没有 mapbox 这种底图，只绘制 geojson 文件中定义的轮廓，如下面这幅图：
plotly 也可以绘制这种地图，只需要去掉本文所讲的函数中 mapbox 即可：go.Choropleth 和 px.choropleth，感兴趣可以参考这里的示例。
有任何问题欢迎在 GitHub 上提 issue 或者在评论区留言。