查看JSON数据
参数indent
创建地震列表
提取震级
提取位置数据
绘制震级散点图
指定图表数据的方式
DataFrame()函数
设计标记点的尺寸
设计标记的颜色
前言：
为了制作全球地震散点图，我在网上下载了一个数据集，其中记录了一个月内全球发生的所有地震，但这些数据是以JSON格式存储的，因此需要用json模块来进行处理。
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。
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)
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：
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
提取位置数据[0.96, 1.2, 4.3, 3.6, 2.1, 4, 1.06, 2.3, 4.9, 1.8]
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：
绘制震级散点图[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]
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：
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：
px.colors.diverging.RdYlGn[::-1]
此外，Plotly除了有px.colors.diverging表示连续的配色方案，还有px.colors.sequential和px.colors.qualitative表示离散变量。每个渐变色都有起始色和终止色，有些渐变色还定义了一个或多个中间色。
添加鼠标指向时显示的文本：
方法，使用参数hover_name,参数配置为data的‘位置’
hover_name='位置',
修改后，散点图的输出如下所示：
我们发现，对比于前面的图表，此时又增加了位置信息，此时，我们就完整的绘制了一副关于地震信息的散点图。
到此这篇关于Python数据可视化制作全球地震散点图的文章就介绍到这了,更多相关Python地震散点图内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)！
