Folium绘制Choropleth分级着色图

上一篇Folium的文章中，针对Choropleth的使用有过简单的介绍，但是对于如何调整分级样式图等，没有进一步的阐述。这篇文章结果自己的使用经验做些简单的总结。

生成Choropleth分级着色图的方法目前主要有两种，一种是使用folium.Choropleth()，另外一种是使用folium.GeoJson()。接下来详细讲解两种方式的不同。

folium.Choropleth()

这个类可以将GeoJSON的图形覆盖到地图上。如果不绑定数据则显示单色的地图，如果绑定数据则通过值得大小显示不同颜色。具体使用方法：

class folium.features.Choropleth(geo_data, data=None, columns=None, key_on=None, bins=6, fill_color=None, nan_fill_color='black', fill_opacity=0.6, nan_fill_opacity=None, line_color='black', line_weight=1, line_opacity=1, name=None, legend_name='', overlay=True, control=True, show=True, topojson=None, smooth_factor=None, highlight=None, **kwargs)

参数说明：

geo_data：指定GeoJSON，可以是JsonURL、file path或其他类型 (json、dict、geopandas等)的GeoJSON几何数据
data：需要绑定的GeoJSON的数据，默认为空。传入的数据可以是Pandas DataFrame或Series，具体Series没有使用过,拆测如果传Series需要将index设置为匹配项。
columns：当数据传入的时Pandas DataFrame设定想要的值，第一列需要与GeoJSON匹配的列，第二列为具体的值
key_on：GeoJSON中需要绑定的列，默认为空。格式中需要以feature对象开头，如id或 feature.properties.statename
bins：设定对值要划分的数量，默认为6，如果传入的是数值，则传入数字时，会使用data中的最大值和最小值进行平均划分。如果传入的是一个序列，则会按序列定义边界。同时也可以传入字符串，可传入的字符串可以从histogram的文档中找到。
fill_color：区域需要填充的颜色，默认为blue，可以传入16进制的颜色代码或颜色名称，如果绑定了数据，则可以传入“颜色地图”，比如：‘BuGn’, ‘BuPu’, ‘GnBu’, ‘OrRd’, ‘PuBu’, ‘PuBuGn’, ‘PuRd’, ‘RdPu’, ‘YlGn’, ‘YlGnBu’, ‘YlOrBr’, and ‘YlOrRd’.
nan_fill_color：NaN区域填充的颜色，默认为’black’，即GeoJSON中没有匹配到的图形填充的颜色。
fill_opacity ：填充颜色的透明度，默认为6，可选值为0-1
nan_fill_opacity：NaN区域填充颜色透明度，默认取fill_opacity的值。
line_color：区域边框颜色，默认为’black’
line_weight：区域边框款对，默认为1
line_opacity：区域边框透明度，默认为1
legend_name：图例标识名称
topojson：除了GeoJson外，同时也支持TopoJSON格式的的边界数据。 (string, default None) – If using a TopoJSON, passing “objects.yourfeature” to the topojson keyword argument will enable conversion to GeoJSON. TopoJSONs can be passed as “geo_data”, but the “topojson” keyword must also be passed with the reference to the topojson objects to convert. See the topojson.feature method in the TopoJSON API reference: https://github.com/topojson/topojson/wiki/API-Reference
smooth_factor：平滑因子，主要为了简化每个缩放级别的折线。数值越大表示越平滑，同时性能也更好，数值越小说明越精确，Leaflet中的默认值为0
highlight：当鼠标悬停在区域上时是否要突出显示，默认为False
name：层的名字，可选。如果设置了可以在LayerControls中出现。
overlay：添加层的设置，默认为True（覆盖层），如果传False则为基础层。
control：是否将图层包含到LayerControls中，默认为True
show：是否在地图打开时就显示层，默认为True

示例代码：

import folium
import pandas as pd

geo_json_data = "data/china_city.json"
df = pd.read_excel("data/orders.xlsx")

m = folium.Map(location=[32, 120], zoom_start=5)
folium.Choropleth(
    geo_data=geo_json_data,
    data=df,
    columns=["cityname", "order_count"],
    key_on="feature.properties.name",
    fill_color="BuPu",
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name="Order Count",
).add_to(m)

中间折腾的过程（个人实践）：

1、生成城市级别的GeoJSON文件

国内的GeoJSON数据时我从阿里的DataV.GeoAtlas上抓取下来的，国家文件内包含了省份，省份文件下包含了城市。如果要在国家下直接包含城市，则需要自己处理数据：

import json
import glob

file_path = r'geojson_city\*.json'
file_list = glob.glob(file_path)
features = []
for file_name in file_list:
    with open(file_name, 'r') as f:
        data = json.load(f)
        for feature in data['features']:
            features.append(feature)
china = {'type': 'FeatureCollection', 'features': features}

with open('china_city.json', 'w') as fp:
    json.dump(china, fp)

2、城市名称的匹配

在使用过程中遇到的第二个问题是，公司数据库中的城市名称与GeoJSON中的城市名是不匹配的，有些带“市”，有些“不带”。另外还包含县级市即直辖市等问题。解决方案是人工进行匹配。具体以GeoJSON中的城市名为准：

with open('china_city.json', 'r') as f:
    data = json.load(f)
    for feature in data['features']:
        print(feature['properties']['name'])

3、对GeoJSON中的区域边界数据进行简化

默认情况下，从阿里抓取过来的GeoJSON的精度非常的的细，实际使用过程中造成绘制图形时非常的慢，且实际使用时并不需要这么详细。解决方案：使用https://mapshaper.org/ 进行抽稀。如下图将18994个线段抽稀到5%（1318个线段）视觉上没有什么区别。

4、填充颜色的选择

文档说颜色是由color brewer(http://colorbrewer2.org/ )顺序调色板生成的。默认情况下，在值的最小值和最大值之间使用线性划分。

正确传达信息的一个关键点是为您的设计选择一个合适的配色方案。配色方案主要有三种类型: (1)顺序配色，(2)发散配色，(3)定性配色。

顺序的颜色方案按照从低到高的逻辑顺序排列，非常适合表示不包含临界中点或有序类别数据(低/中/高)的数值数据

发散的颜色方案突出显示高于或低于一个有趣的中点值(例如平均值)的值。发散格式用于可以有意义地用中点进行划分的数据

定性配色方案用于名义范畴数据(即数据没有固有的顺序)。类别之间的差异以不同的色调表现出来，明度和饱和度是相似的

ColorBrewer提供的Color Groups：

sequential
- multihue
  - YlGn
  - YlGnBu
  - GnBu
  - BuGn
  - PuBuGn
  - PuBu
  - BuPu
  - RdPu
  - PuRd
  - OrRd
  - YlOrRd
  - YlOrBr
- singlehue
  - Purples
  - Blues
  - Greens
  - Oranges
  - Reds
  - Greys
- diverging
  - PuOr
  - BrBG
  - PRGn
  - PiYG
  - RdBu
  - RdGy
  - RdYlBu
  - Spectral
  - RdYlGn
- qualitative
  - Pastel1
  - Pastel2
  - Dark2
  - Accent
  - Paired
  - Set1
  - Set2
  - Set3

具体颜色代表的如下：

folium.GeoJson()

folium.GeoJson()类相对来所较为底层，可以在定义更多的样式，但操作更麻烦些。

class folium.features.GeoJson(data, style_function=None, highlight_function=None, name=None, overlay=True, control=True, show=True, smooth_factor=None, tooltip=None, embed=True, popup=None)

参数说明：

data：GeoJSON数据
style_function：样式函数
highlight_function：高亮函数
name：层的名称
overlay：同上
control：同上
show：同上
smooth_factor：同上
tooltip：在地图上显示tooltip，更多详情可以看GeoJsonTooltip
embed：是否将数据嵌入到html文件中，默认为True

使用示例：

import json
import folium
import pandas as pd
from branca.colormap import linear

with open("china_city.json") as f:
    geo_json_data = json.load(f)
df = pd.read_excel("data/orders.xlsx")

colormap = linear.RdYlGn_09.scale(df["order_number"].min(), df["order_number"].max())
incr_dict = df.set_index("cityname")["order_number"]

m = folium.Map(location=[32, 120], zoom_start=5)
folium.GeoJson(
    geo_json_data,
    style_function=lambda feature: {
        "fillColor": colormap(incr_dict.get(feature["properties"]["name"], 0)),
        "color": colormap(incr_dict.get(feature["properties"]["name"], 0)),
        "weight": 2,
        "fill_opacity": 0.7,
        "line_opacity": 0.2,
    },
).add_to(m)

参考链接：

Folium绘制Choropleth分级着色图

folium.Choropleth()

folium.GeoJson()

使用Python开发企业微信群机器人

分布式OLAP数据库StarRocks

MySQL归档的常见方式

One Reply to “Folium绘制Choropleth分级着色图”

发表回复取消回复

Folium绘制Choropleth分级着色图

folium.Choropleth()

folium.GeoJson()

相关文章:

使用Python开发企业微信群机器人

分布式OLAP数据库StarRocks

MySQL归档的常见方式

One Reply to “Folium绘制Choropleth分级着色图”

发表回复 取消回复

发表回复取消回复