Chúng tôi đề cập đến 6 thư viện trực quan hóa dữ liệu không gian địa lý hàng đầu trong Python và các chức năng mà chúng cung cấp cùng với một số ví dụ
1. PyViz/HoloViz[Geoview, Datashader, HvPlot]
Các thư viện do Holoviz duy trì có tất cả các hình ảnh hóa dữ liệu mà bạn có thể cần, bao gồm bảng điều khiển và hình ảnh hóa tương tác. Geoviews, đặc biệt, với thư viện trực quan hóa dữ liệu Không gian địa lý chuyên dụng, cung cấp dữ liệu không gian địa lý dễ sử dụng và thuận tiện
Gis một thư viện Python giúp dễ dàng khám phá và trực quan hóa các bộ dữ liệu địa lý, khí tượng và hải dương học, chẳng hạn như các bộ dữ liệu được sử dụng trong nghiên cứu thời tiết, khí hậu và viễn thám
Geoviews API cung cấp giao diện trực quan và cú pháp quen thuộc. Vẽ biểu đồ dữ liệu không gian địa lý với Geoviews rất dễ dàng và cung cấp tính tương tác. Hãy để chúng tôi xem một ví dụ sử dụng bộ dữ liệu Geopandas
import geoviews as gv
imporg geopandas as gpdgv.Polygons[gpd.read_file[gpd.datasets.get_path['naturalearth_lowres']], vdims=['pop_est', ['name', 'Country']]].opts[
tools=['hover'], width=600, projection=crs.Robinson[]
]
Biểu đồ các quốc gia trên thế giới — Geoviews
Hướng dẫn dành cho người mới bắt đầu dành cho Geoviews có sẵn tại đây nếu bạn muốn bắt đầu
Trực quan hóa dữ liệu không gian địa lý tương tác với Geoviews trong Python
Hướng dẫn cho người mới bắt đầu về cách bắt đầu sử dụng Geoviews
hướng tới khoa học dữ liệu. com
Bên cạnh đó, hệ sinh thái PyViz cung cấp các thư viện khác có thể xử lý dữ liệu không gian địa lý, bao gồm hvPlot, có thể đưa trực quan hóa dữ liệu của bạn lên một tầm cao mới
HvPlot cho phép người dùng làm việc với các loại dữ liệu khác nhau và có thể mở rộng việc sử dụng các thư viện Python khác bao gồm Pandas, Geopadnas, Dask và Rapids
Datashader cũng là một thư viện trực quan hóa dữ liệu bắt buộc khác dành cho các nhà khoa học dữ liệu không gian địa lý, những người xử lý dữ liệu lớn. Nó chia quá trình thành nhiều bước và chạy song song để tạo trực quan hóa cho các tập dữ liệu lớn một cách nhanh chóng
Cuối cùng, Panel, một ứng dụng cấp cao và giải pháp bảng điều khiển dành cho Python cung cấp giao diện dễ sử dụng để tạo các ứng dụng web và bảng điều khiển tương tác bằng sổ ghi chép Jupyter
2. tán lá
Folium được sử dụng rộng rãi trong trực quan hóa dữ liệu không gian địa lý. Nó được xây dựng trên đầu trang của Tờ rơi. js và có thể đáp ứng hầu hết các nhu cầu lập bản đồ của bạn bằng Python với các plugin tuyệt vời của nó
Folium xây dựng dựa trên sức mạnh sắp xếp dữ liệu của hệ sinh thái Python và sức mạnh ánh xạ của Tờ rơi. thư viện js. Thao tác dữ liệu của bạn bằng Python, sau đó trực quan hóa dữ liệu đó trong bản đồ Tờ rơi qua folium
Bắt đầu với Folium thật dễ dàng và bạn chỉ cần gọi Folium. Bản đồ để trực quan hóa bản đồ cơ sở ngay lập tức. Sau đó, bạn có thể thêm các lớp để trực quan hóa dữ liệu của mình trên các bản đồ cơ sở tương tác có sẵn trong Folium
import foliumm = folium.Map[location=[45.5236, -122.6750]]
m
Dưới đây là một số ví dụ về việc sử dụng các chức năng và plugin của Thư viện Folium
Đánh dấu cụm [Trái] — Bản đồ Choropleth [Phải] với Folium
3. Plotly / Plotly Express
Plotly và thư viện API cấp cao của nó Plotly Express có khả năng trực quan hóa dữ liệu không gian địa lý mở rộng. Mặc dù thiếu một số hỗ trợ riêng cho Geopandas GeoDataFrame, thư viện tự hào có nhiều loại ánh xạ với API dễ sử dụng. Với việc giới thiệu Plotly Express vào năm 2019, việc tạo trực quan hóa không gian địa lý với Plotly đã trở nên dễ tiếp cận hơn
Lấy ví dụ Bản đồ Choropleth hoạt hình này với Plotly Express được thực hiện bằng một dòng mã. So với các thư viện khác, để đạt được điều này có thể yêu cầu bạn viết rất nhiều mã và hack thông qua các giải pháp khác nhau
Với Dash, một ứng dụng web được tải xuống và sử dụng rộng rãi nhất trong khoa học dữ liệu, Plotly cung cấp một giải pháp hoàn chỉnh để triển khai các ứng dụng web. Với API trực quan Plotly Express và Dash Plotly, bạn có thể đưa các ứng dụng web và hình ảnh hóa không gian địa lý của mình lên một tầm cao mới
Các ví dụ về Galery trực quan hóa dữ liệu không gian địa lý theo sơ đồ
4. KeplerGL
kepler. gl cho Jupyter là một công cụ tuyệt vời để trực quan hóa dữ liệu Không gian địa lý lớn. Nó kết hợp một công cụ trực quan đẳng cấp thế giới, giao diện Người dùng [UI] dễ sử dụng và tính linh hoạt của sổ ghi chép python và Jupyter
Chỉ với một vài dòng mã và giao diện dễ sử dụng trong sổ ghi chép Jupyter, bạn có thể tạo trực quan hóa dữ liệu không gian địa lý đẹp mắt với thư viện Kepler GL cho Jupyter Python. GIF sau giới thiệu một số khả năng lập bản đồ 3D với Kepler GL trong Python
kepler. gl là một công cụ trực quan dựa trên web dành cho các bộ dữ liệu Không gian địa lý lớn được xây dựng trên boong. gl. Uber đã biến nó thành mã nguồn mở vào năm 2018 và chức năng của nó rất ấn tượng. Bạn có thể dễ dàng kéo và thả tập dữ liệu của mình và chỉnh sửa nó ngay lập tức trên web để trực quan hóa các tập dữ liệu không gian địa lý quy mô lớn một cách dễ dàng
Giao diện web Kepler GL
Giao diện web của Kepler GL rất xuất sắc. Tuy nhiên, nếu bạn thích làm việc với sổ ghi chép Jupyter, chức năng tương tự hiện có sẵn trong sổ ghi chép Jupyter. Bắt đầu sử dụng Kepler GL cho máy tính xách tay Jupyter thật dễ dàng. Bạn có thể tham khảo tài nguyên này để giúp bạn thiết lập và chạy mà không mất thời gian
Kepler. Máy tính xách tay GL & Jupyter. Trực quan hóa dữ liệu không gian địa lý với mã nguồn mở Kepler của Uber. GL
Vẽ dữ liệu Không gian địa lý bên trong máy tính xách tay Jupyter & Dễ dàng tương tác với giao diện Người dùng của Kepler để điều chỉnh trực quan hóa
hướng tới khoa học dữ liệu. com
5. IpyTờ rơi
IpyLeaflet là một công cụ trực quan hóa dữ liệu Không gian địa lý ấn tượng khác được xây dựng dựa trên thư viện trực quan hóa Tờ rơi và Tiện ích Jupyter. Do đó, nếu bạn thích sử dụng thư viện Folium, bạn nên cảm thấy đúng chỗ khi sử dụng sổ ghi chép IpyLeaflet và Jupyter
Chức năng tương tác trong IpyLeaflet là vô song vì Widget cho phép tương tác hai chiều. Do đó, bản đồ của bạn không chỉ có tính tương tác mà còn có thể nắm bắt đầu vào của người dùng để kích hoạt tính toán mới
Lấy ví dụ: Điều khiển bản đồ phân tách có thể được sử dụng để so sánh với các lớp IpyLeaflet khác nhau
6. gấu trúc
Thư viện mẫu Geopandas
Nếu bạn tình cờ xử lý hoặc sắp xếp dữ liệu không gian địa lý bằng Python, Geopandas không cần giới thiệu. Đó là đặc điểm của việc thực hiện khoa học dữ liệu không gian địa lý và thực hiện nhiều công việc nặng nhọc trong việc xử lý dữ liệu không gian địa lý
Tôi luôn kết thúc việc hình dung các bản đồ tĩnh bằng Geopandas, bởi vì việc vẽ bản đồ bằng Geopandas rất nhanh chóng và dễ dàng. giao diện cốt truyện. Nhược điểm chính là nó chỉ cung cấp bản đồ tĩnh
Tuy nhiên, những tiến bộ và bổ sung gần đây của Contextily cho bản đồ cơ sở và IPYMPL cho các biểu đồ matplotlib tương tác giúp việc tạo bản đồ tương tác với Geopandas trở nên đơn giản
Bản đồ Geopandas tương tác với Ipympl
GIF ở trên thể hiện tính tương tác của các ô Geopandas với Ipympl. Nếu bạn muốn bắt đầu và sử dụng tính tương tác này, đây là bài đăng trên blog hướng dẫn cho người mới bắt đầu
Cách tạo các ô Matplotlib tương tác trong môi trường Jupyter
Tạo các ô/bản đồ tương tác với tất cả các thư viện Python sử dụng Matplotlib
hướng tới khoa học dữ liệu. com
Sự kết luận
Bài viết này chia sẻ một số công cụ trực quan hóa dữ liệu không gian địa lý tốt nhất hiện có trong hệ sinh thái Python. Chúng tôi đã giới thiệu 6 thư viện trực quan hóa không gian địa lý hàng đầu trong Python. Hãy cho tôi biết nếu bạn nghĩ rằng chúng tôi bỏ lỡ một số thư viện ở đây