绘制英国地区、邮政编码区域和地区
Plotting UK Districts, Postcode Areas and Regions
我想知道我们是否可以使用 UK District、Postcode Area 和 Region 地图进行如下类似的等值统计。
如果您能展示英国等值区的示例,那就太好了。
地理形状文件可以从http://martinjc.github.io/UK-GeoJSON/
下载
state_geo = os.path.join('data', 'us-states.json')
state_unemployment = os.path.join('data', 'US_Unemployment_Oct2012.csv')
state_data = pd.read_csv(state_unemployment)
j1 = pd.read_json(state_geo)
from branca.utilities import split_six
threshold_scale = split_six(state_data['Unemployment'])
m = folium.Map(location=[48, -102], zoom_start=3)
m.choropleth(
geo_path=state_geo,
geo_str='choropleth',
data=state_data,
columns=['State', 'Unemployment'],
key_on='feature.id',
fill_color='YlGn',
fill_opacity=0.7,
line_opacity=0.2,
legend_name='Unemployment Rate (%)'
)
m
m.save('choropleth.html')
这就是我所做的。
首先,收集您的数据。我使用 www.nomisweb.co.uk 收集了主要地区的就业率:
- 东北部(英格兰)
- 西北(英格兰)
- 约克郡和亨伯
- 东米德兰兹(英格兰)
- 西米德兰兹(英格兰)
- 英格兰东部
- 伦敦东南部(英格兰)
- 西南(英格兰)
- 威尔士苏格兰
- 北爱尔兰
我将这个数据集保存为 UKEmploymentData.csv。请注意,您必须更改区域名称以匹配地理数据 ID。
然后我使用来自 ONS 地理门户的 NUTS 数据关注了您发布的内容。
import pandas as pd
import os
import json
# read in population data
df = pd.read_csv('UKEmploymentData.csv')
import folium
from branca.utilities import split_six
state_geo = 'http://geoportal1-ons.opendata.arcgis.com/datasets/01fd6b2d7600446d8af768005992f76a_4.geojson'
m = folium.Map(location=[55, 4], zoom_start=5)
m.choropleth(
geo_data=state_geo,
data=df,
columns=['region', 'Total in employment - aged 16 and over'],
key_on='feature.properties.nuts118nm',
fill_color='YlGn',
fill_opacity=0.7,
line_opacity=0.2,
legend_name='Employment Rate (%)',
highlight=True
)
m
我想知道我们是否可以使用 UK District、Postcode Area 和 Region 地图进行如下类似的等值统计。
如果您能展示英国等值区的示例,那就太好了。
地理形状文件可以从http://martinjc.github.io/UK-GeoJSON/
下载state_geo = os.path.join('data', 'us-states.json')
state_unemployment = os.path.join('data', 'US_Unemployment_Oct2012.csv')
state_data = pd.read_csv(state_unemployment)
j1 = pd.read_json(state_geo)
from branca.utilities import split_six
threshold_scale = split_six(state_data['Unemployment'])
m = folium.Map(location=[48, -102], zoom_start=3)
m.choropleth(
geo_path=state_geo,
geo_str='choropleth',
data=state_data,
columns=['State', 'Unemployment'],
key_on='feature.id',
fill_color='YlGn',
fill_opacity=0.7,
line_opacity=0.2,
legend_name='Unemployment Rate (%)'
)
m
m.save('choropleth.html')
这就是我所做的。
首先,收集您的数据。我使用 www.nomisweb.co.uk 收集了主要地区的就业率:
- 东北部(英格兰)
- 西北(英格兰)
- 约克郡和亨伯
- 东米德兰兹(英格兰)
- 西米德兰兹(英格兰)
- 英格兰东部
- 伦敦东南部(英格兰)
- 西南(英格兰)
- 威尔士苏格兰
- 北爱尔兰
我将这个数据集保存为 UKEmploymentData.csv。请注意,您必须更改区域名称以匹配地理数据 ID。
然后我使用来自 ONS 地理门户的 NUTS 数据关注了您发布的内容。
import pandas as pd
import os
import json
# read in population data
df = pd.read_csv('UKEmploymentData.csv')
import folium
from branca.utilities import split_six
state_geo = 'http://geoportal1-ons.opendata.arcgis.com/datasets/01fd6b2d7600446d8af768005992f76a_4.geojson'
m = folium.Map(location=[55, 4], zoom_start=5)
m.choropleth(
geo_data=state_geo,
data=df,
columns=['region', 'Total in employment - aged 16 and over'],
key_on='feature.properties.nuts118nm',
fill_color='YlGn',
fill_opacity=0.7,
line_opacity=0.2,
legend_name='Employment Rate (%)',
highlight=True
)
m