当前快报:Python数据可视化制作全球地震散点图

来源：脚本之家时间：2022-08-10 15:46:50

查看JSON数据

首先我们先打开下载好的数据集浏览一下：

你会发现其中的数据密密麻麻，根本不是人读的，因此，接下来我们将对数据进行处理，让它变得简单易读。

import json#导入json模块，以便于加载文件中的数据
filename="eq_data_1_day_m1.json"
with open(filename) as f:
    all_eq_data=json.load(f)#json.load(),将数据转化为Python能够处理的格式
readable_file="eq_data_1_day_m1.json"#创建一个文件，以便将这些数据以易于阅读的方式写入其中
with open(readable_file,"w") as f:
    json.dump(all_eq_data,f,indent=4)#json.dump()将数据读入其中
    #参数indent让dump()使用与数据结构匹配的缩进量来设置数据的格式

经过处理之后，我们再打开这个文件会发现里面的数据变得清晰了许多。

从中我们能够快速获取数据的很多信息，比如地震的次数，类型等等，不仅如此，我们还能够知道有关这些数据的一些信息，比如，它的生成时间，他在网页上怎么获取等等。

参数indent

如果indent是非负整数或字符串，则JSON数组元素和对象成员将使用该缩进级别进行打印。如果indent为0，负数或“”只会插入换行符。
None（默认）则选择最紧凑的表示形式。，使用正整数缩进会使每个级别缩进多个空格。，如果缩进是字符串（例如“
t”），则该字符串用于缩进每个级别。

当我们将缩进量修改为0时，文件的排版也会发生变化：

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

创建地震列表

import json
filename="eq_data_1_day_m1.json"
with open(filename) as f:
    all_eq_data=json.load(f)#对文件进行处理
all_eq_dicts=all_eq_data["features"]
print(len(all_eq_dicts))#提取出这个文件记录的所有地震

输出结果如下：

158

是的，从文件的开头，我们就可以确定地震的次数为158次，因此输出结果正确：

提取震级

方法即是新建立一个列表用来存放震源的有关数据，再提取字典features的properties部分的mag.

代码如下：

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])#打印前十次的震级数据

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

提取位置数据

首先，我们需要在文件中找到关于经度和维度的部分，如下所示，我们在文件中查找到，它是存在于geometry字典下，coordinates键中的。

---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键中索引值为0的数据
    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])#输出前五个经度
print(lats[:5])#输出前五个维度

输出结果如下：

[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]

绘制震级散点图

通过我们前面提取的有关震源的数据，下面我们可对提取的数据进行可视化作图：

import plotly.express as px#Plotly Express是Plotly的高级接口，相当于Matplotlib是一个工具
fig=px.scatter(
    x=lons,
    y=lats,
    labels={"x":"经度","y":"维度"},
    range_x=[-200,200],
    range_y=[-90,90],
    #width和height代表图表的高度和宽度均为800像素
    width=800,
    height=800,
    title="全球地震散点图",
)
fig.write_html("global_earthquakes.html")#将可视化图保存为html文件
fig.show()

散点图配置完成后，下面我们在程序目录下寻找我们保存的可视化图（global_earthquakes.html），再使用浏览器打开该html文件
如下所示，即为散点图：

指定图表数据的方式

上面我们绘制地震散点图是通过手动配置经纬度，通过将x,y和经度，纬度建立联系：

x=lons,
y=lats,
labels={"x":"经度","y":"维度"},

但这在数据处理过程中并不是最简单的方式，下面我们介绍另一种图表指定数据的方式，需要结合我们上面所提到的pandas数据分析工具。

import pandas as pd#导入pandas模块x
data=pd.DataFrame(data=zip(lons,lats,titles,mags),colums=["经度","纬度","位置","震级"])#使用DataFrame将需要处理的数据封装，注意：DataFrame后面的两个参数是可选的，如果这两个参数存在的话，这两个参数的长度要和DataFrame的长度匹配
#zip()函数的作用：将可迭代的对象中的对应元素打包为多个元祖，再返回由这些元祖组成的列表
data.head()

DataFrame()函数

它是Python中pandas库中的一种数据结构，和excel比较相似，它不仅可以设置列名columns和行名index，而且它的单元格可以存放数值，字符串等。

data.head():返回数据的前几行数据，默认是前五行，如果需要指定则写data.head(‘指定的行数’)

data.tail():返回data的后几行数据，默认为后五行，如果需要指定则写data.tail(‘指定的行数’)

数据封装好之后，参数的配置方式可修改为：

data,
x="经度",
y="纬度",

现在我们通过这种参数配置方式进行地震散点图的绘制：

#创建地震列表，提取数据
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键中索引值为0的数据
    lat=eq_dict["geometry"]["coordinates"][1]
    mags.append(mag)
    titles.append(title)
    lons.append(lon)
    lats.append(lat)
 #参数配置设置
import pandas as pd   
data=pd.DataFrame(
    data=zip(lons,lats,titles,mags),columns=["经度","纬度","位置","震级"]
)
data.head()
#绘制散点图
import plotly.express as px
fig = px.scatter(
    data,
    x="经度",
    y="纬度",
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title="全球地震散点图",
)
fig.write_html("global_earthquake.html")
fig.show()

配置完成后，下面我们在程序目录下寻找我们保存的可视化图（global_earthquakes.html），再使用浏览器打开该html文件如下图所示：

通过输出结果，我们可得出，无论使用那种参数配置方式，其输出结果都是相同的，但第二种这种以键值对的方式，更加清晰。

设计标记点的尺寸

和我们上篇文章提到的与温度有关的散点图相类似，我们希望知道最高温度和最低温度等这些特殊且重要的信息，那么震源散点图也是如此，上图我们所设计的震源散点图只是将纬度和经度在图上呈现出来了，但震源并没有体现。

下面，我们将震级也呈现在散点图上：

方法：使用size参数设计散点图中每个尺寸的大小：

size="震级",
size_max=10,

对比上面的两幅图，我们会发现散点图中关于地震的信息还增加了震级，不仅如此，散点的尺寸大小也与震级的大小有关，震级越大，散点的尺寸越大，这样一来，我们很容易观察到不同地方的地震强度，但这还不够直观，为了能够更加直白的呈现地震的情况，我们还设计散点的颜色以便更加清晰的显示。

设计标记的颜色

方法：

color="震级",   #默认渐变色的范围是从蓝到红再到黄，数值越小标记越蓝，而数值越大则标记越黄。

把在网上下载好的近30天的数据文件复制到该程序目录下，将参数color添加其中，再绘制散点图。，注意修改文件名。

如下图所示：

美化后的散点图，不仅在颜色上漂亮了许多，渐变的颜色也更加清晰的反映了地震的严重程度。

获取Plotly Express中所有的渐变色：

不仅如此，Plotly Express还为我们提供了许多的渐变色，而这些渐变色是在px.colors.named_colorscales()中定义的，下面来获取这些渐变色：

import plotly.express as px
for key in px.colors.named_colorscales():
    print(key,end="/")

输出结果如下：

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，我们还可将对应配色列表进行反转：

方法：