Python數據可視化-----制作全球地震散點圖

為了制作全球地震散點圖，我在網上下載了一個數據集，其中記錄了一個月內全球發生的所有地震，但這些數據是以JSON格式存儲的，因此需要用json模塊來進行處理。

查看JSON數據：

首先我們先打開下載好的數據集浏覽一下：
你會發現其中的數據密密麻麻，根本不是人讀的，因此，接下來我們將對數據進行處理，讓它變得簡單易讀。

import json#導入json模塊，以便於加載文件中的數據
filename='eq_data_1_day_m1.json'
with open(filename) as f:
all_eq_data=json.load(f)#json.load(),將數據轉化為Python能夠處理的格式
readable_file='eq_data_1_day_m1.json'#創建一個文件，以便將這些數據以易於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()將數據讀入其中
#參數indent讓dump()使用與數據結構匹配的縮進量來設置數據的格式

經過處理之後，我們再打開這個文件會發現裡面的數據變得清晰了許多。

從中我們能夠快速獲取數據的很多信息，比如地震的次數，類型等等，不僅如此，我們還能夠知道有關這些數據的一些信息，比如，它的生成時間，他在網頁上怎麼獲取等等。

參數indent：

如果indent是非負整數或字符串，則JSON數組元素和對象成員將使用該縮進級別進行打印。如果indent為0，負數或“”只會插入換行符。
None（默認）則選擇最緊湊的表示形式。，使用正整數縮進會使每個級別縮進多個空格。，如果縮進是字符串（例如“
t”），則該字符串用於縮進每個級別。

當我們將縮進量修改為0時，文件的排版也會發生變化：

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

創建地震列表：

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

輸出結果如下：

158

是的，從文件的開頭，我們就可以確定地震的次數為158次，因此輸出結果正確

提取震級：

方法即是新建立一個列表用來存放震源的有關數據，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])#打印前十次的震級數據

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

提取位置數據：

首先，我們需要在文件中找到關於經度和維度的部分，如下所示，我們在文件中查找到，它是存在於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的數據
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])#輸出前五個經度
print(lats[:5])#輸出前五個維度

輸出結果如下：

[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]

繪制震級散點圖：

通過我們前面提取的有關震源的數據，下面我們可對提取的數據進行可視化作圖：

import plotly.express as px#Plotly Express是Plotly的高級接口，相當於Matplotlib是一個工具
fig=px.scatter(
x=lons,
y=lats,
labels={
'x':'經度','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="全球地震散點圖",
)
fig.write_html('global_earthquakes.html')#將可視化圖保存為html文件
fig.show()

散點圖配置完成後，下面我們在程序目錄下尋找我們保存的可視化圖（global_earthquakes.html），再使用浏覽器打開該html文件
如下所示，即為散點圖：

指定圖表數據的方式：

上面我們繪制地震散點圖是通過手動配置經緯度，通過將x,y和經度，緯度建立聯系：

x=lons,
y=lats,
labels={
'x':'經度','y':'維度'},

但這在數據處理過程中並不是最簡單的方式，下面我們介紹另一種圖表指定數據的方式，需要結合我們上面所提到的pandas數據分析工具。

import pandas as pd#導入pandas模塊x
data=pd.DataFrame(data=zip(lons,lats,titles,mags),colums=['經度','緯度','位置','震級'])#使用DataFrame將需要處理的數據封裝，注意：DataFrame後面的兩個參數是可選的，如果這兩個參數存在的話，這兩個參數的長度要和DataFrame的長度匹配
#zip()函數的作用：將可迭代的對象中的對應元素打包為多個元祖，再返回由這些元祖組成的列表
data.head()

DataFrame()函數：

它是Python中pandas庫中的一種數據結構，和excel比較相似，它不僅可以設置列名columns和行名index，而且它的單元格可以存放數值，字符串等。

data.head():返回數據的前幾行數據，默認是前五行，如果需要指定則寫data.head(‘指定的行數’)

data.tail():返回data的後幾行數據，默認為後五行，如果需要指定則寫data.tail(‘指定的行數’)

數據封裝好之後，參數的配置方式可修改為：

data,
x='經度',
y='緯度',

現在我們通過這種參數配置方式進行地震散點圖的繪制：

#創建地震列表，提取數據
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的數據
lat=eq_dict['geometry']['coordinates'][1]
mags.append(mag)
titles.append(title)
lons.append(lon)
lats.append(lat)
#參數配置設置
import pandas as pd
data=pd.DataFrame(
data=zip(lons,lats,titles,mags),columns=['經度','緯度','位置','震級']
)
data.head()
#繪制散點圖
import plotly.express as px
fig = px.scatter(
data,
x='經度',
y='緯度',
range_x=[-200, 200],
range_y=[-90, 90],
width=800,
height=800,
title="全球地震散點圖",
)
fig.write_html('global_earthquake.html')
fig.show()

配置完成後，下面我們在程序目錄下尋找我們保存的可視化圖（global_earthquakes.html），再使用浏覽器打開該html文件如下圖所示：

通過輸出結果，我們可得出，無論使用那種參數配置方式，其輸出結果都是相同的，但第二種這種以鍵值對的方式，更加清晰。

設計標記點的尺寸：

和我們上篇文章提到的與溫度有關的散點圖相類似，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，那麼震源散點圖也是如此，上圖我們所設計的震源散點圖只是將緯度和經度在圖上呈現出來了，但震源並沒有體現。

下面，我們將震級也呈現在散點圖上：

方法：使用size參數設計散點圖中每個尺寸的大小：

size='震級',
size_max=10,

對比上面的兩幅圖，我們會發現散點圖中關於地震的信息還增加了震級，不僅如此，散點的尺寸大小也與震級的大小有關，震級越大，散點的尺寸越大，這樣一來，我們很容易觀察到不同地方的地震強度，但這還不夠直觀，為了能夠更加直白的呈現地震的情況，我們還設計散點的顏色以便更加清晰的顯示。

設計標記的顏色：

方法：

color='震級', #默認漸變色的范圍是從藍到紅再到黃，數值越小標記越藍，而數值越大則標記越黃。

把在網上下載好的近30天的數據文件復制到該程序目錄下，將參數color添加其中，再繪制散點圖。，注意修改文件名。
如下圖所示：
美化後的散點圖，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，我們還可將對應配色列表進行反轉：
方法：

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

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

添加鼠標指向時顯示的文本：

方法，使用參數hover_name,參數配置為data的‘位置’

hover_name='位置',

修改後，散點圖的輸出如下所示：
我們發現，對比於前面的圖表，此時又增加了位置信息，此時，我們就完整的繪制了一副關於地震信息的散點圖。