使用kepler.gl可视化地理空间数据
使用kepler.gl可视化地理空间数据
磐创AI分享
作者 | ABHISHEK SHARMA
编译 | VK
来源 | Analytics Vidhya
概述
- 地理空间数据现在是一座金矿，我们使用kepler.gl这个python库可视化地理空间数据
- 学习如何使用kpler.gl可视化地理空间数据，并进行实际案例研究
介绍
请查看这张完全用Python创建的美观的纽约三维地理空间地图：
一个精美的图片！我特别喜欢城市周围的线条，它们交织在一起，呈现出一幅非常精确的城市地图的实际面貌。这个可视化地理空间数据是我最喜欢的项目之一。
使用地理空间数据有很多应用程序——位置跟踪、基于位置的营销和广告，将你与最近的骑手或送货员联系起来，以及其他用例。事实上，这一领域已经开始在业界崭露头角，所以现在是了解这一领域的最佳时机。
在这里，我们将学习如何使用名为kepler.gl的python库。我们很快就会看到，它是处理地理空间数据的强大工具。我们会在一个数据集上应用kepler.gl，让你了解如何实现它。
目录
- 什么是kepler.gl
- 安装kepler.gl
- 可视化纽约市出租车出行
- 可视化纽约市人口普查区域
- 保存地图
什么是kepler.gl
你以前听过kepler(开普勒)这个词吗？这可能听起来很熟悉，你可能会想到：
望远镜开普勒
或者他：
德国天文学家开普勒
你说得对，但是我们两个都不是。这是一个Python库，用于可视化地理空间数据。
❝kepler.gl是由Uber的可视化团队创建的一个基于web的高性能工具，用于大规模地理空间数据集的可视化探索。 ❞
它建在deck.gll上，这是Uber对大型数据集进行可视化探索性数据分析的另一个框架。最令人惊奇的是kepler.gl它也可以在我们的Jupyter中使用，这使得它成为数据科学界一个方便的工具。
这是我的地理空间数据可视化工具。是的，我们将创建我们在简介部分看到的可视化。
安装kepler.gl
kepler.gl默认情况下不会安装。因此，必须在计算机上手动安装。安装它类似于任何其他Python库-只需运行以下命令：
!pip install keplergl
现在已经准备好进入地理空间可视化的世界了。
可视化纽约市出租车出行
理解问题陈述
❝问题陈述：出租车是纽约市的重要组成部分。每天很多人都用它在城市里移动。因此，重要的是将这些移动可视化，以便进一步分析。 ❞
所以，我们必须可视化纽约的出租车出行。kepler.gl非常适合这个任务。
数据描述
我们知道我们的最终目标，但如果没有数据，我们就无法达到目标，所以让我们了解我们拥有的数据集。数据包括2015年1月15日的出租车记录。让我们导入我们的数据集并查看它：
import pandas as pd
df=pd.read_csv('kepler.gl-data/nyctrips/data.csv')
print('Shape=>',df.shape)
df.head()
数据集包含12列和97000多行。让我们看看数据集中的列：
df.columns
我们的数据集包括出租车接送时间、纬度、经度、行程距离、车费、小费、乘客人数和支付给司机的总金额等功能。现在，让我们检查一下数据集是否包含任何空值：
df.isnull().sum()
太好了！我们的数据集中没有任何空值。我们现在准备将这些数据可视化。
绘制底图并添加数据集
现在我们知道了数据集，所以让我们开始使用kepler.gl。我们首先必须使用「KeplerGl()」 类创建一个映射对象。这可以采用3个参数：height（可选）、data（可选）和config（可选）。height高度，data是要添加到映射的数据，config是kepler.gl的配置：
from keplergl import KeplerGl
map1=KeplerGl(height=500)
map1
视频：https://youtu.be/5CtxkzZ-3VY
太好了！是时候给它添加数据了。数据可以添加到kepler.gl使用map对象的add_data()方法映射。
这个方法有两个参数：data和name。它接受CSV、GeoJSON、Pandas和geopandas数据帧形式的数据。name参数用于在映射的配置中为数据集分配名称：
map1.add_data(data=df,name='New York City Taxi Trips')
视频：https://youtu.be/nSq3-Fes9ME
你可以看到向地图添加数据是多么容易。以及kepler.gl它自动识别数据集中的模式并为其创建绘图。如果你注意到了，地图左边有很多控件。我们将在下一节中逐一介绍。
自定义kepler.gl的地图
我们必须编写一些代码来创建地图并向其中添加数据，但现在我们不必编写一行代码来创建可视化效果和执行数据分析。这使得它成为最适合初学者的可视化工具。
自定义地图和执行数据分析总共需要了解四件事：
- 图层
- 过滤器
- 交互
- 底图
图层
让我们从了解图层部分开始。图层部分包含修改图层的选项。现在，你可能想知道什么是图层？kepler.gl地图中的一层是可视化的一层，可以根据用例创建、修改和删除。下面我演示了如何修改图层。
视频：https://youtu.be/fZEz11w-Xyo
kepler.gl提供了许多类型的图层，你可以创建用于数据分析。你可以在这里读到更多关于他们的文档：https://docs.kepler.gl/docs/user-guides/c-types-of-layers。
你刚刚看到修改图层是多么容易。稍后你将看到使用kepler.gl. 现在你知道如何修改图层了，让我们了解一下过滤器。
过滤器
正如你可能已经猜到的，过滤器用于过滤数据，这正是该功能存在的原因。在数据分析过程中，我们经常需要过滤数据集。下面我根据旅行距离过滤了地点。
视频：https://youtu.be/sOugr6lsP3U
你可以看到上面，我已经创建了一个5英里的窗口，并根据它过滤了出租车取车点。有许多其他类型的过滤器，你可以使用基于选定列筛选数据。
交互
交互面板用于修改鼠标指针和地图之间的交互。你可以使用它修改工具提示，向地图添加地理编码器，添加画笔以选择地图的一部分，并获取鼠标指针在纬度和经度中的位置坐标。
视频：https://youtu.be/ujaGtilP8Iw
在上面的视频中，我修改了工具提示，还使用了交互面板的其他功能。当你希望在地图上显示光标移动的更多信息时，这些功能在场景中非常有用。现在让我们看看“底图”选项卡。
底图
“底图”选项卡具有修改底图的选项。但底图是什么？
底图是在kepler.gl所有图层的底图 还记得我们以前创建地图对象并将其可视化的时候吗？那是底图。底图在表示信息时非常有用，可以提供美观的效果：
视频：https://youtu.be/Md3WkrDJc1Q
你可以在上面看到底图的颜色是如何使我们的视觉效果与众不同的。你不仅可以更改底图，还可以修改底图的元素。我最喜欢的底图是深色和浅色，因为它们有助于设置对比度。
实际上，底图的选择完全取决于我们正在创建的可视化。
如果你在前面的视频中注意到，还有第五个标签。这是配置选项，包含kepler.gl地图的配置。
此配置用于复制kepler.gl地图。你需要记住的一件事是，添加的数据名称应该保持不变，在本例中是“New York City Taxi Trips”。既然你现在知道了kepler.gl，让我们跳到下一节，在其中我们将创建一些美丽的可视化效果并体验kepler.gl.
可视化出租车行程
在可视化方面，kepler.gl通过在数据中找到一些模式并为其创建可视化，我们的任务已经变得更容易了。你可以在下面的视频中看到这个。它已经在地图上标出了旅行的起降点。此外，它还使用弧和线的层来可视化行程：
视频：https://youtu.be/OSHlHkPK73g
我删除了线条层，因为它看起来不像弧形。在上面的视频中，我们看到最初的弧线看起来并没有什么信息。但当我们在3D里看到它的时候，一切都颠倒了。这就是为什么我喜欢kepler.gl，它允许你在不编写任何代码的情况下创建三维可视化效果。
❝另外，如果你注意到的话，有一条弧线离纽约市很远。如果我们不使用kepler.的话，这是一个异常值。因此，地理空间可视化是必不可少的。它们可以显示数据的某些方面，但是异常值如果通过表格是显示不出来的。 ❞
而且，弧线的源和目标颜色是分开的，这一特点不仅使我们的弧线更具解释性，而且画龙点睛。我们的可视化现在看起来非常漂亮。
还有一件事，互动画笔让我们可以看一看从纽约某个特定地区拍摄的旅行，这可以帮助我们确定该市最繁忙的地区。
但是等等！所有这些可视化都是由kepler.gl做的，我们还没有创造出什么东西，所以让我们纠正它。我能想到的一个很好的视觉效果是取货地点的热图，它将为我们提供人们取货地点的信息。
在kepler.gl创建热图我们需要遵循以下步骤：
- 添加新层
- 选择类型作为热图
- 选择包含取货位置纬度和经度的列
- 选择热图的调色板
- 选择数据点的半径大小
- 调整其他参数
视频：https://youtu.be/KnroJWaRyP4
我们已经成功地创建了热图。但这里有一个陷阱——由于数据是在一天中不同的时间点收集的，我们的热图显示了当天所有的取货地点。我们可以通过使用过滤器为我们的映射添加更多的粒度。
在这里，我使用过滤器并选择了包含用于筛选数据集的取货时间的列。现在，我们可以查看当天不同情况下的取货地点热图。这幅图像为我们提供了一天中不同时间纽约市最繁忙地区的信息。
在下一节中，我们将创建与你在简介中看到的相同的可视化效果。
可视化纽约市人口普查区域
理解问题
❝问题说明：人口普查区域是为进行人口普查而确定的地理区域。将它们可视化可以为我们提供有关整个纽约市人口分布的信息。 ❞
问题陈述非常简单。我们只需要创建一个可以显示整个纽约市人口分布的可视化模型。显示人口普查区域的三维地图非常适合这一目的。所以让我们创造一个。
数据描述
我们将使用一个包含2010年人口普查图的数据集，从这里获取的纽约市人口数据：https://github.com/uber-web/kepler.gl-data。
选择的数据集采用GeoJSON格式。GeoJSON是一种基于JavaScript对象表示法（JSON）的格式，用于编码各种几何特征。它使用各种几何类型，如点、线串、多边形、多点和其他。
因为这次我们的数据集的格式不同，所以我们将使用不同的库来处理这个数据集。我们会用geopandas做这个。
Geopandas是一个Python库，它使使用Python处理地理空间数据更加容易。Geopandas结合了各种顶级库，如numpy、shapely、fiona、geopy、descartes、matplotlib和Pandas。如果你知道如何使用Pandas，那么你在使用它时不会遇到任何问题。
因此，让我们导入库并查看我们的数据集：
from keplergl import KeplerGl
import geopandas as gpd
import matplotlib.pyplot as plt
import matplotlib
census=gpd.read_file('kepler.gl-data/nyc_census/data.json')
print('Shape=>',census.shape)
census.head()
我们的数据集包含纽约市2166个人口普查区的人口、邻里表区号（ntacode）、社区发展区补助资格（cdeligibil）、区号（boro_code）、人口普查区面积（shape_area）等信息。
如果你注意到上面，有一个名为geometry的列。它包含普查区域的几何信息，即普查区域的形状为多边形。你可以在此处阅读有关数据集其他功能的更多信息。
https://data.cityofnewyork.us/api/views/fxpq-c8ku/files/c1bc6807-5120-44ac-b0b2-138dc622a4a8?download=true&filename=nyct2010_metadata.pdf
现在，让我们不使用kepler.gl绘制数据集，看看它是否正确.
你可以使用geopandas的**plot()**函数查看GeoJSON：
census.plot(figsize=(12,10))
太好了！这看起来像纽约市。我们现在已经准备好了数据集，所以让我们跳到可视化部分。
可视化人口普查区域
你已经知道我们的第一步是什么–我们必须创建一个地图，然后将数据添加到其中：
map2=KeplerGl(height=500,data={'Census Data':census})
map2
视频：https://youtu.be/hkwWXmUObPQ
如果你注意到了，我没有在这里使用「add_data()「方法。我只是将数据传递给了」KeplerGl()」。这是向其中添加数据的另一种方式。kepler.gl已经检测到几何列并将其绘制出来，但它看起来不太吸引人，而且它也不在3D中。因此，让我们将其进行设置：
视频：https://youtu.be/VvkzEP2LREI
你可以在上面看到，我们不需要做太多的工作来绘制三维的人口普查图。最后，现在你已经创建了一个三维的人口普查图，它看起来和我之前展示给你的一模一样。你的3D地图看起来非常漂亮。
保存可视化
有两种方法可以保存可视化效果。首先，保存Jupyter，然后将map导出为HTML。所以让我们看看第一种方法：
只需单击SaveNotebook小部件状态按钮，就保存在Jupyter中。现在让我们看看第二种方法。此操作要求你运行一行代码：
map2.save_to_html(file_name='nyc_census.html',read_only=True)
注意：这只保存可见的图层，同时隐藏左侧面板。如果要自定义生成的地图并查看所有图层，则需要运行以下代码：
map2.save_to_html(file_name='nyc_census-customize.html')
结尾
最后，我们到达了本文的结尾。现在，我可以说你已经知道如何使用kepler.gl用于可视化地理位置数据集。
为了进行更深入的分析，我强烈建议阅读他们的文档，这些文档制作精美，易于阅读。
https://docs.kepler.gl/
原文链接：https://www.analyticsvidhya.com/blog/2020/06/learn-visualize-geospatial-data-jupyter-kepler/