使用 plotly 绘制 Choropleth 地图

本文将通过绘制中国省级 Choropleth 地图来解释如何使用 plotly 绘制 Choropleth 地图，主要有两种方法：底层 API plotly.graph_objects.Choroplethmapbox 和高层 API plotly.express.choropleth_mapbox，数据是 COVID-19 在某一天的疫情数据。

什么是 Choropleth 地图

Choropleth map 即分级统计图。在整个制图区域的若干个小的区划单元内（行政区划或者其他区划单位），根据各分区资料的数量（相对）指标进行分级，并用相应色级或不同疏密的晕线，反映各区现象的集中程度或发展水平的分布差别。—— Choropleth_百度百科

简单来说，具体到本文，就是在地图上为每个省上色，根据什么来确定上哪个颜色呢？在本文中就是该省的确诊人数，人数越多，颜色越亮。这样得到的地图就是 Choropleth 地图。

依赖

主要依赖为：

• plotly
• pandas

均可以通过 pip 安装，然后导入：

import json
import pandas as pd
import plotly.express as px
import plotly.graph_objs as go

数据准备

• data.csv：某日 COVID-19 全国省级疫情数据，用于地图上色
• china_province.geojson：中国省级地图 geojson 文件，用于绘制地图轮廓

然后导入数据：

with open("china_province.geojson") as f:
    provinces_map = json.load(f)
df = pd.read_csv('data.csv')

plotly 的绘图逻辑

使用 plotly 绘图，其实就是两点：data 和 layout，即数据和布局。其实所有绘图都是这样，只不过在 plotly 里体现得尤为明显，尤其是底层 API。

data 决定绘图所使用的数据，比如绘制股票折线图用的股票历史数据，绘制疫情地图用的疫情数据。layout 决定图的布局，比如一幅折线图的宽高，一幅地图的风格和中心点。plotly 里一幅图是一个 Figure 对象，这个对象就有 data 和 layout 两个参数。

方法 1：底层 API plotly.graph_objects.Choroplethmapbox

plotly.graph_objects.Choroplethmapbox（以下简称 go.Choroplethmapbox）是 plotly 的底层 API，其全部参数可参考其官方文档。不过这参数实在是太多了，下面我通过例子来介绍一下几个常用的。

先来看代码：

fig = go.Figure(
    go.Choroplethmapbox(
        geojson=provinces_map,
        featureidkey="properties.NL_NAME_1",
        locations=df.地区,
        z=df.确诊,
        zauto=True,
        colorscale='viridis',
        marker_opacity=0.8,
        marker_line_width=0.8,
        showscale=True,
    )
)
fig.update_layout(
    mapbox_style="carto-darkmatter",
    mapbox_zoom=3,
    mapbox_center={"lat": 37.110573, "lon": 106.493924},
)

先看下 go.Choroplethmapbox 的参数：

• geojson：dict 类型，这个就是刚才说的用于绘制地图轮廓的数据，一般从相应的 geojson 文件中用 json.load 加载进来。
• featureidkey：str 类型，默认 为 id。函数会使用这个参数和 locations 匹配地图单元（比如省份）的名称，以此决定绘制哪些地图单元的轮廓。通常的形式为 properties.name，其中的 name 需要你自己根据 geojson 文件去指定，比如这里是 properties.NL_NAME_1，意思就是 NL_NAME_1 这一列是省份名称。这个很重要，设置不正确会导致地图轮廓显示不出来，一定要保证和 locations 中的所有名称保持一致。
• locations: 可以是以下类型：list，numpy array，数字、字符串或者 datetime 构成的 Pandas series。指定地图单元名称，决定绘制哪些地图单元的轮廓。同样需要注意和 featureidkey 保持一致。
• z：可以是以下类型：list，numpy array，数字、字符串或者 datetime 构成的 Pandas series。指定地图单元对应的数值，函数会将此值映射到 colorscale 中的某一颜色，然后将此颜色涂到相应的地图单元内。通常来说是一个 pandas dataframe 中的某一列，即一个 series。需要注意此参数中值的顺序需要和 locations 保持一致，一一对应，如河南在 locations 中的索引是 9，那么河南的确诊人数在 z 中的索引也必须是 9。
• zauto：bool 类型，默认为 True。是否让颜色自动适应 z，即自动计算 zmin 和 zmax，然后据此来映射 colorscale。
• colorscale：通常来说是 str 类型，也可以是 list 类型。指定所使用的 colorscale，可使用的值参见此处。
• marker_opacity：float 类型，颜色透明度。
• marker_line_width：float 类型，地图轮廓宽度。
• showscale：bool 类型。是否显示 colorbar，就是地图旁边的颜色条。

fig.update_layout 的参数同样有很多，主要用来定义布局：

• mapbox_style：str 类型，指定 mapbox 风格。可用的 mapbox 风格列表可参见这里。需要注意的是当你使用以下风格之一时，你就需要指定 mapbox_token（关于如何获取 token 详细可参见这里）：

  ["basic", "streets", "outdoors", "light", "dark", "satellite", "satellite-streets"]
  

• mapbox_zoom：int 类型，指定地图的缩放级别。

• mapbox_center：dict 类型，key 为 lat（经度）和 lon（纬度），指定初始时地图的中心点。

最终的效果如图：

方法 2：高层 API plotly.express.choropleth_mapbox

plotly.express.choropleth_mapbox（以下简称 px.choropleth_mapbox） 是 plotly 的高层 API，严格来说是 plotly_express 的接口，但是后来这个包被并入 plotly，可以直接用 plotly.express 来引入了，这个包主要就是简化了 plotly 的绘图方法。

详细参数可参考其官方文档。其实大部分参数是异曲同工的，下面我同样使用相同的数据来绘制地图，解释下。

老规矩，先来看代码：

fig = px.choropleth_mapbox(
    data_frame=df,
    geojson=provinces_map,
    color='确诊',
    locations="地区",
    featureidkey="properties.NL_NAME_1",
    mapbox_style="carto-darkmatter",
    color_continuous_scale='viridis',
    center={"lat": 37.110573, "lon": 106.493924},
    zoom=3,
)

• data_frame：通常来说是 pd.DataFrame 格式。我们需要把绘图用到的数据都放到这个参数里面，后续很多参数都是基于此的，具体来说就是其中的列名。在 plot express 的各个绘图方法中，DataFrame 其实是最为方便的格式，也是官方推荐的格式，官方的大部分示例都是使用的这个格式。
• geojson：和 go.Choroplethmapbox 的同名参数对应。
• color：通常为 str 类型，data_frame 的列名。和 go.Choroplethmapbox 中的 z 对应。
• locations：通常为 str 类型，data_frame 的列名。和 go.Choroplethmapbox 中的同名参数对应。
• featureidkey：和 go.Choroplethmapbox 的同名参数对应。
• mapbox_style：和 update_layout 的同名参数对应。
• color_continuous_scale：和 go.Choroplethmapbox 中的 colorscale 对应。
• center：和 update_layout 中的 mapbox_center 对应。
• zoom：和 update_layout 中的 mapbox_zoom 对应。

最终的效果如图：

完整代码

完整代码放在 GitHub 上。

一些没说到的

为了阅读体验，本文没有解释更多的参数，但我相信这已经能让你绘制一幅不错的 choropleth 地图了。有时间我会继续写一写如何在 dash 中融入这些地图，并实时更新。

其实本文所讲的是地图是一种 tile map，和这种地图对应的是一种轮廓地图，没有 mapbox 这种底图，只绘制 geojson 文件中定义的轮廓，如下面这幅图：

plotly 也可以绘制这种地图，只需要去掉本文所讲的函数中 mapbox 即可：go.Choropleth 和 px.choropleth，感兴趣可以参考这里的示例。

有任何问题欢迎在 GitHub 上提 issue 或者在评论区留言。

Reference

• Mapbox Choropleth Maps | Python | Plotly
• Choropleth Maps | Python | Plotly
• 新型冠状病毒（SARS-CoV-2）小知识汇总

END