Mapbox 中的多个不透明度 - Plotly for Python
Multiple opacities in Mapbox - Plotly for Python
我目前正在从事数据可视化项目。
我想绘制多条线（大约 200k），代表从一个地铁站到所有其他地铁站的行程。也就是说，所有的地铁站应该是一条直线连接起来的。
线条的颜色并不重要（可能是红色、蓝色等），但不透明度才是最重要的。两个随机站点之间的行程次数越多，该特定线路的不透明度就越大；反之亦然。
我觉得我接近期望的输出，但想不出正确的方法。
我使用的DataFrame (df = pd.read_csv(...))由一系列列组成，即：id_start_station、id_end_station、lat_start_station、long_start_station、 lat_end_station, long_end_station, number_of_journeys.
我得通过编码提取坐标
lons = []
lons = np.empty(3 * len(df))
lons[::3] = df['long_start_station']
lons[1::3] = df['long_end_station']
lons[2::3] = None
lats = []
lats = np.empty(3 * len(df))
lats[::3] = df['lat_start_station']
lats[1::3] = df['lat_end_station']
lats[2::3] = None
然后我开始了一个数字：
fig = go.Figure()
然后通过以下方式添加跟踪：
fig.add_trace(go.Scattermapbox(
name='Journeys',
lat=lats,
lon=lons,
mode='lines',
line=dict(color='red', width=1),
opacity= ¿?, # PROBLEM IS HERE [1]
))
[1] 所以我尝试了一些不同的方法来传递不透明度项：
- 我为每条轨迹的不透明度创建了一个新元组，方法是：
opacity = []
opacity = np.empty(3 * len(df))
opacity [::3] = df['number_of_journeys'] / max(df['number_of_journeys'])
opacity [1::3] = df['number_of_journeys'] / max(df['number_of_journeys'])
opacity [2::3] = None
并传入[1]，但出现这个错误：
ValueError:
Invalid value of type 'numpy.ndarray' received for the 'opacity' property of scattermapbox
The 'opacity' property is a number and may be specified as:
- An int or float in the interval [0, 1]
- 然后我想通过使用
rgba 的 属性 alpha 将“不透明度”项传递给“颜色”项，例如：rgba(255,0,0,0.5) .
所以我首先创建了所有 alpha 参数的“映射”：
df['alpha'] = df['number_of_journeys'] / max(df['number_of_journeys'])
然后创建一个函数来检索特定颜色内的所有 alpha 参数：
colors_with_opacity = []
def colors_with_opacity_func(df, empty_list):
for alpha in df['alpha']:
empty_list.extend(["rgba(255,0,0,"+str(alpha)+")"])
empty_list.extend(["rgba(255,0,0,"+str(alpha)+")"])
empty_list.append(None)
colors_with_opacity_func(df, colors_with_opacity)
并将其传递到散点图框的颜色属性中，但出现以下错误：
ValueError:
Invalid value of type 'builtins.list' received for the 'color' property of scattermapbox.line
The 'color' property is a color and may be specified as:
- A hex string (e.g. '#ff0000')
- An rgb/rgba string (e.g. 'rgb(255,0,0)')
- An hsl/hsla string (e.g. 'hsl(0,100%,50%)')
- An hsv/hsva string (e.g. 'hsv(0,100%,100%)')
- A named CSS color:
aliceblue, antiquewhite, aqua, [...] , whitesmoke,
yellow, yellowgreen
由于是大量的行，循环/迭代跟踪会产生性能问题。
任何帮助将不胜感激。我想不出一种方法来正确地完成它。
提前谢谢你。
编辑 1：添加了新问题
我在下面添加这个问题，因为我相信它可以帮助其他正在寻找这个特定主题的人。
根据 Rob 的有用回答，我设法添加了多个不透明度，如前所述。
但是，我的一些同事建议进行更改以改进地图的可视化。
现在，我希望 也 有多个宽度（根据相同的值，而不是多个不透明度（每个跟踪一个）数据框）。
根据 Rob 的回答，我需要这样的东西：
BINS_FOR_OPACITY=10
opacity_a = np.geomspace(0.001,1, BINS_FOR_OPACITY)
BINS_FOR_WIDTH=10
width_a = np.geomspace(1,3, BINS_FOR_WIDTH)
fig = go.Figure()
# Note the double "for" statement that follows
for opacity, d in df.groupby(pd.cut(df["number_of_journeys"], bins=BINS_FOR_OPACITY, labels=opacity_a)):
for width, d in df.groupby(pd.cut(df["number_of_journeys"], bins=BINS_FOR_WIDTH, labels=width_a)):
fig.add_traces(
go.Scattermapbox(
name=f"{d['number_of_journeys'].mean():.2E}",
lat=np.ravel(d.loc[:,[c for c in df.columns if "lat" in c or c=="none"]].values),
lon=np.ravel(d.loc[:,[c for c in df.columns if "long" in c or c=="none"]].values),
line_width=width
line_color="blue",
opacity=opacity,
mode="lines+markers",
)
)
然而，以上显然不起作用，因为它产生的痕迹比它应该做的多得多（我真的无法解释为什么，但我想这可能是因为两个 for 语句）。
我突然想到 pd.cut 部分可能隐藏了某种解决方案，因为我需要 类似 的双切，但不能找到正确的方法。
我还通过以下方式创建了一个 Pandas 系列：
widths = pd.cut(df.["size"], bins=BINS_FOR_WIDTH, labels=width_a)
并迭代该系列，但得到了与以前相同的结果（痕迹过多）。
为了强调和澄清我自己，我不需要只有多个不透明度或多个宽度，但我需要两者[=106] =] 和 同时 ，这让我有些麻烦。
再次感谢任何帮助。
opacity 是每条轨迹，对于标记，可以使用 rgba(a,b,c,d) 用颜色来完成，但不能用于线条。 （在直线散点图中相同）- 为了演示，我使用了伦敦地铁站（经过过滤以减少节点数量）。加上将数据格式化为 CSV 的额外努力。 JSON 因为来源与解决方案无关
- 编码到 bin number_of_journeys 以包含到具有用于计算和不透明度的几何级数的轨迹中
- 此样本数据集正在生成 83k 样本行
import requests
import geopandas as gpd
import plotly.graph_objects as go
import itertools
import numpy as np
import pandas as pd
from pathlib import Path
# get geometry of london underground stations
gdf = gpd.GeoDataFrame.from_features(
requests.get(
"https://raw.githubusercontent.com/oobrien/vis/master/tube/data/tfl_stations.json"
).json()
)
# limit to zone 1 and stations that have larger number of lines going through them
gdf = gdf.loc[gdf["zone"].isin(["1","2","3","4","5","6"]) & gdf["lines"].apply(len).gt(0)].reset_index(
drop=True
).rename(columns={"id":"tfl_id", "name":"id"})
# wanna join all valid combinations of stations...
combis = np.array(list(itertools.combinations(gdf.index, 2)))
# generate dataframe of all combinations of stations
gdf_c = (
gdf.loc[combis[:, 0], ["geometry", "id"]]
.assign(right=combis[:, 1])
.merge(gdf.loc[:, ["geometry", "id"]], left_on="right", right_index=True, suffixes=("_start_station","_end_station"))
)
gdf_c["lat_start_station"] = gdf_c["geometry_start_station"].apply(lambda g: g.y)
gdf_c["long_start_station"] = gdf_c["geometry_start_station"].apply(lambda g: g.x)
gdf_c["lat_end_station"] = gdf_c["geometry_end_station"].apply(lambda g: g.y)
gdf_c["long_end_station"] = gdf_c["geometry_end_station"].apply(lambda g: g.x)
gdf_c = gdf_c.drop(
columns=[
"geometry_start_station",
"right",
"geometry_end_station",
]
).assign(number_of_journeys=np.random.randint(1,10**5,len(gdf_c)))
gdf_c
f = Path.cwd().joinpath("SO.csv")
gdf_c.to_csv(f, index=False)
# there's an requirement to start with a CSV even though no sample data has been provided, now we're starting with a CSV
df = pd.read_csv(f)
# makes use of ravel simpler...
df["none"] = None
# now it's simple to generate scattermapbox... a trace per required opacity
BINS=10
opacity_a = np.geomspace(0.001,1, BINS)
fig = go.Figure()
for opacity, d in df.groupby(pd.cut(df["number_of_journeys"], bins=BINS, labels=opacity_a)):
fig.add_traces(
go.Scattermapbox(
name=f"{d['number_of_journeys'].mean():.2E}",
lat=np.ravel(d.loc[:,[c for c in df.columns if "lat" in c or c=="none"]].values),
lon=np.ravel(d.loc[:,[c for c in df.columns if "long" in c or c=="none"]].values),
line_color="blue",
opacity=opacity,
mode="lines+markers",
)
)
fig.update_layout(
mapbox={
"style": "carto-positron",
"center": {'lat': 51.520214996769255, 'lon': -0.097792388774743},
"zoom": 9,
},
margin={"l": 0, "r": 0, "t": 0, "b": 0},
)
我目前正在从事数据可视化项目。
我想绘制多条线（大约 200k），代表从一个地铁站到所有其他地铁站的行程。也就是说，所有的地铁站应该是一条直线连接起来的。
线条的颜色并不重要（可能是红色、蓝色等），但不透明度才是最重要的。两个随机站点之间的行程次数越多，该特定线路的不透明度就越大；反之亦然。
我觉得我接近期望的输出，但想不出正确的方法。
我使用的DataFrame (df = pd.read_csv(...))由一系列列组成，即：id_start_station、id_end_station、lat_start_station、long_start_station、 lat_end_station, long_end_station, number_of_journeys.
我得通过编码提取坐标
lons = []
lons = np.empty(3 * len(df))
lons[::3] = df['long_start_station']
lons[1::3] = df['long_end_station']
lons[2::3] = None
lats = []
lats = np.empty(3 * len(df))
lats[::3] = df['lat_start_station']
lats[1::3] = df['lat_end_station']
lats[2::3] = None
然后我开始了一个数字：
fig = go.Figure()
然后通过以下方式添加跟踪：
fig.add_trace(go.Scattermapbox(
name='Journeys',
lat=lats,
lon=lons,
mode='lines',
line=dict(color='red', width=1),
opacity= ¿?, # PROBLEM IS HERE [1]
))
[1] 所以我尝试了一些不同的方法来传递不透明度项：
- 我为每条轨迹的不透明度创建了一个新元组，方法是：
opacity = []
opacity = np.empty(3 * len(df))
opacity [::3] = df['number_of_journeys'] / max(df['number_of_journeys'])
opacity [1::3] = df['number_of_journeys'] / max(df['number_of_journeys'])
opacity [2::3] = None
并传入[1]，但出现这个错误：
ValueError:
Invalid value of type 'numpy.ndarray' received for the 'opacity' property of scattermapbox
The 'opacity' property is a number and may be specified as:
- An int or float in the interval [0, 1]
- 然后我想通过使用
rgba的 属性alpha将“不透明度”项传递给“颜色”项，例如：rgba(255,0,0,0.5).
所以我首先创建了所有 alpha 参数的“映射”：
df['alpha'] = df['number_of_journeys'] / max(df['number_of_journeys'])
然后创建一个函数来检索特定颜色内的所有 alpha 参数：
colors_with_opacity = []
def colors_with_opacity_func(df, empty_list):
for alpha in df['alpha']:
empty_list.extend(["rgba(255,0,0,"+str(alpha)+")"])
empty_list.extend(["rgba(255,0,0,"+str(alpha)+")"])
empty_list.append(None)
colors_with_opacity_func(df, colors_with_opacity)
并将其传递到散点图框的颜色属性中，但出现以下错误：
ValueError:
Invalid value of type 'builtins.list' received for the 'color' property of scattermapbox.line
The 'color' property is a color and may be specified as:
- A hex string (e.g. '#ff0000')
- An rgb/rgba string (e.g. 'rgb(255,0,0)')
- An hsl/hsla string (e.g. 'hsl(0,100%,50%)')
- An hsv/hsva string (e.g. 'hsv(0,100%,100%)')
- A named CSS color:
aliceblue, antiquewhite, aqua, [...] , whitesmoke,
yellow, yellowgreen
由于是大量的行，循环/迭代跟踪会产生性能问题。
任何帮助将不胜感激。我想不出一种方法来正确地完成它。
提前谢谢你。
编辑 1：添加了新问题
我在下面添加这个问题，因为我相信它可以帮助其他正在寻找这个特定主题的人。
根据 Rob 的有用回答，我设法添加了多个不透明度，如前所述。
但是，我的一些同事建议进行更改以改进地图的可视化。
现在，我希望 也 有多个宽度（根据相同的值，而不是多个不透明度（每个跟踪一个）数据框）。
根据 Rob 的回答，我需要这样的东西：
BINS_FOR_OPACITY=10
opacity_a = np.geomspace(0.001,1, BINS_FOR_OPACITY)
BINS_FOR_WIDTH=10
width_a = np.geomspace(1,3, BINS_FOR_WIDTH)
fig = go.Figure()
# Note the double "for" statement that follows
for opacity, d in df.groupby(pd.cut(df["number_of_journeys"], bins=BINS_FOR_OPACITY, labels=opacity_a)):
for width, d in df.groupby(pd.cut(df["number_of_journeys"], bins=BINS_FOR_WIDTH, labels=width_a)):
fig.add_traces(
go.Scattermapbox(
name=f"{d['number_of_journeys'].mean():.2E}",
lat=np.ravel(d.loc[:,[c for c in df.columns if "lat" in c or c=="none"]].values),
lon=np.ravel(d.loc[:,[c for c in df.columns if "long" in c or c=="none"]].values),
line_width=width
line_color="blue",
opacity=opacity,
mode="lines+markers",
)
)
然而，以上显然不起作用，因为它产生的痕迹比它应该做的多得多（我真的无法解释为什么，但我想这可能是因为两个 for 语句）。
我突然想到 pd.cut 部分可能隐藏了某种解决方案，因为我需要 类似 的双切，但不能找到正确的方法。
我还通过以下方式创建了一个 Pandas 系列：
widths = pd.cut(df.["size"], bins=BINS_FOR_WIDTH, labels=width_a)
并迭代该系列，但得到了与以前相同的结果（痕迹过多）。
为了强调和澄清我自己，我不需要只有多个不透明度或多个宽度，但我需要两者[=106] =] 和 同时 ，这让我有些麻烦。
再次感谢任何帮助。
opacity是每条轨迹，对于标记，可以使用rgba(a,b,c,d)用颜色来完成，但不能用于线条。 （在直线散点图中相同）- 为了演示，我使用了伦敦地铁站（经过过滤以减少节点数量）。加上将数据格式化为 CSV 的额外努力。 JSON 因为来源与解决方案无关
- 编码到 bin number_of_journeys 以包含到具有用于计算和不透明度的几何级数的轨迹中
- 此样本数据集正在生成 83k 样本行
import requests
import geopandas as gpd
import plotly.graph_objects as go
import itertools
import numpy as np
import pandas as pd
from pathlib import Path
# get geometry of london underground stations
gdf = gpd.GeoDataFrame.from_features(
requests.get(
"https://raw.githubusercontent.com/oobrien/vis/master/tube/data/tfl_stations.json"
).json()
)
# limit to zone 1 and stations that have larger number of lines going through them
gdf = gdf.loc[gdf["zone"].isin(["1","2","3","4","5","6"]) & gdf["lines"].apply(len).gt(0)].reset_index(
drop=True
).rename(columns={"id":"tfl_id", "name":"id"})
# wanna join all valid combinations of stations...
combis = np.array(list(itertools.combinations(gdf.index, 2)))
# generate dataframe of all combinations of stations
gdf_c = (
gdf.loc[combis[:, 0], ["geometry", "id"]]
.assign(right=combis[:, 1])
.merge(gdf.loc[:, ["geometry", "id"]], left_on="right", right_index=True, suffixes=("_start_station","_end_station"))
)
gdf_c["lat_start_station"] = gdf_c["geometry_start_station"].apply(lambda g: g.y)
gdf_c["long_start_station"] = gdf_c["geometry_start_station"].apply(lambda g: g.x)
gdf_c["lat_end_station"] = gdf_c["geometry_end_station"].apply(lambda g: g.y)
gdf_c["long_end_station"] = gdf_c["geometry_end_station"].apply(lambda g: g.x)
gdf_c = gdf_c.drop(
columns=[
"geometry_start_station",
"right",
"geometry_end_station",
]
).assign(number_of_journeys=np.random.randint(1,10**5,len(gdf_c)))
gdf_c
f = Path.cwd().joinpath("SO.csv")
gdf_c.to_csv(f, index=False)
# there's an requirement to start with a CSV even though no sample data has been provided, now we're starting with a CSV
df = pd.read_csv(f)
# makes use of ravel simpler...
df["none"] = None
# now it's simple to generate scattermapbox... a trace per required opacity
BINS=10
opacity_a = np.geomspace(0.001,1, BINS)
fig = go.Figure()
for opacity, d in df.groupby(pd.cut(df["number_of_journeys"], bins=BINS, labels=opacity_a)):
fig.add_traces(
go.Scattermapbox(
name=f"{d['number_of_journeys'].mean():.2E}",
lat=np.ravel(d.loc[:,[c for c in df.columns if "lat" in c or c=="none"]].values),
lon=np.ravel(d.loc[:,[c for c in df.columns if "long" in c or c=="none"]].values),
line_color="blue",
opacity=opacity,
mode="lines+markers",
)
)
fig.update_layout(
mapbox={
"style": "carto-positron",
"center": {'lat': 51.520214996769255, 'lon': -0.097792388774743},
"zoom": 9,
},
margin={"l": 0, "r": 0, "t": 0, "b": 0},
)