Код для отрисовки хороплетной карты

324      Глава 11. Создание интерактивной карты побега от зомби

и создает объект датафрейма для представления информации о плотности населения. Далее выполняется очистка и подготовка этих данных для совмещения с данными об округах.

Листинг 11.2. Импорт модулей и данных, создание датафрейма и переименование столбцов

choropleth.py, часть 1

from os.path import abspath import webbrowser

import pandas as pd import holoviews as hv

from holoviews import opts

hv.extension('bokeh')

from bokeh.sampledata.us_counties import data as counties

df = pd.read_csv('census_data_popl_2010.csv', encoding="ISO-8859-1")

df = pd.DataFrame(df, columns=

['Target Geo Id2', 'Geographic area.1',

'Density per square mile of land area - Population'])

df.rename(columns =

{'Target Geo Id2':'fips', 'Geographic area.1': 'County',

'Density per square mile of land area - Population':'Density'}, inplace = True)

print(f"\nInitial popl data:\n {df.head()}") print(f"Shape of df = {df.shape}\n")

Начинаем с импорта abspath из библиотеки операционной системы. С ее помощью мы будем искать абсолютный путь к HTML-файлу созданной хороплетной карты. Далее импортируем модуль webbrowser, который позволит запустить этот HTML-файл. Данный модуль необходим, так как библиотека holoviews спроектирована для работы с блокнотом Jupyter и не сможет автоматически отображать карту без сторонней помощи.

Следом импортируем pandas и повторяем импорты holoviews из примера с галереей в листинге 11.1. Обратите внимание, что необходимо указать bokeh как расширение holoviews, или ее бэкенд . Дело в том, что holoviews может работать с другими графическими библиотеками, например с matplotlib, и должна знать, какую именно использовать.

С помощью импорта мы добавили географические данные. Теперь нужно загрузить данные о населении, используя pandas. Этот модуль включает набор API-функций ввода-вывода, упрощающих считывание и запись данных. Эти

326      Глава 11. Создание интерактивной карты побега от зомби

с его названием, которую можно удалить. Атрибут shape показывает, что всего в датафрейме содержится 3274 строки.

Удаление лишних строк с названиями штатов и подготовка кодов штатов и округов

Код листинга 11.3 удаляет все строки, код FIPS которых меньше или равен 100. Это строки заголовков, которые показывают, что здесь начинается информация о следующем штате. После удаления создаются новые столбцы для кодов штатов и округов, которые выводятся из столбца кодов FIPS. Их мы используем позже для выбора подходящих границ округа из образца данных bokeh.

Листинг 11.3. Удаление лишних строк с последующей подготовкой кодов штатов и округов

choropleth.py, часть 2

df = df[df['fips'] > 100]

print(f"Popl data with non-county rows removed:\n {df.head()}") print(f"Shape of df = {df.shape}\n")

df['state_id'] = (df['fips'] // 1000).astype('int64') df['cid'] = (df['fips'] % 1000).astype('int64') print(f"Popl data with new ID columns:\n {df.head()}") print(f"Shape of df = {df.shape}\n")

print("df info:")print(df.info())

print("\nPopl data at row 500:")

print(df.loc[500])

Для отображения данных о плотности населения в каждом округе нужно преобразовать их в словарь, где ключи будут кортежами, состоящими из кода штата и кода округа, а значения — данными о плотности населения. Но, как вы уже видели, в информации о населении нет столбцов с кодами штатов и округов; указаны лишь коды FIPS. Так что нам нужно извлечь из этих кодов числа, обозначающие штаты и округа.

Прежде всего, избавляемся от всех строк, не относящихся к округам. Если взглянуть на предыдущий вывод в оболочке (или строки 3 и 4 на рис. 11.5), то мы увидим, что они не содержат четырехили пятицифровой код FIPS. Значит, можно использовать столбец fips для создания нового датафрейма, также с именем df, который будет хранить только строки со значением fips больше 100. Чтобы убедиться, что все сработало, повторим вывод предыдущего листинга, как показано здесь:

Проект#15.Визуализацияплотностинаселенияспомощьюхороплетнойкарты      327

Shape of df = (3221, 3)

Теперь двух ненужных строк в начале датафрейма нет, и атрибут shape показывает, что мы избавились от 53 строк. Это заголовки 50 штатов, а также United States, District of Columbia (DС) и Puerto Rico. Обратите внимание, что FIPS-код DC представлен как 11001, а Пуэрто-Рико в дополнение к трехзначному коду округа для своих 78 муниципалитетов использует код штата 72. DC мы оставим, но Пуэрто-Рико позже уберем.

Далее создаем столбцы для значений кодов штатов и округов. Первый назовем state_id . Деление на 1000 с округлением вниз (//) возвращает частное с удалением цифр после запятой. Поскольку последние три числа кода FIPS зарезервированы для кодов округов, у нас остается код штата.

Несмотря на то что // возвращает целое число, по умолчанию в столбце нового датафрейма используются значения с плавающей точкой. Но наш анализ образца данных из bokeh показал, что там для этих кодов в представленных кортежами ключах использовались целые числа. Преобразуем столбец в целочисленный тип при помощи метода astype() библиотеки pandas, передав ему 'int64'.

Теперь создаем новый столбец для кодов округов. Назовем его cid, чтобы он соответствовал терминологии из примера с хороплетной картой holoviews. Поскольку нас интересуют три последние цифры кода FIPS, мы используем оператор modulo (%), получая остаток от деления первого аргумента на второй. Преобразуем этот столбец в целочисленный тип данных, как в предыдущей строке.

Снова делаем вывод, только теперь вызываем для датафрейма метод info() . Он выводит краткую сводку, включая типы данных и использование памяти.

dtypes: float64(2), int64(2), object(1) memory usage: 151.0+ KB

None

Из столбцов и информационной сводки видно, что значения state_id и cid представлены целыми числами.

Коды штатов в первых пяти строках состоят из одной цифры, но в других случаях они вполне могут состоять из двух. Просмотрите их значения в остальных строках, вызвав для датафрейма метод loc() с переданным в него большим значением номера строки . Это позволит перепроверить коды, состоящие из двух цифр.

Popl data at row 500:

Name: 500, dtype: object

Столбцы fips, state_id и cid выглядят вполне логично. На этом подготовка данных завершается. Следующий шаг — преобразование этих данных в словарь, который holoviews сможет использовать для создания хороплетной карты.

Подготовка к отображению

Листинг 11.4 конвертирует ID штатов и округов, а также данных о плотности населения в отдельные списки. Затем эти списки перестраиваются в словарь того же формата, что и словарь unemployment, использованный в примере из галереи holoviews. Помимо этого, код листинга перечисляет исключаемые из карты штаты и территории, создавая список из данных, которые нужно отобразить на хороплетной карте.

Листинг 11.4. Подготовка данных о населении к отображению на карте choropleth.py, часть 3

state_ids = df.state_id.tolist() cids = df.cid.tolist()

den = df.Density.tolist()

tuple_list = tuple(zip(state_ids, cids)) popl_dens_dict = dict(zip(tuple_list, den))

EXCLUDED = ('ak', 'hi', 'pr', 'gu', 'vi', 'mp', 'as')

counties = [dict(county, Density=popl_dens_dict[cid]) for cid, county in counties.items()

if county["state"] not in EXCLUDED]

330      Глава 11. Создание интерактивной карты побега от зомби

Листинг 11.5. Создание и отрисовка хороплетной карты choropleth.py, часть 4

choropleth = hv.Polygons(counties, ['lons', 'lats'],

[('detailed name', 'County'), 'Density'])

choropleth.opts(opts.Polygons(logz=True,

tools=['hover'], xaxis=None, yaxis=None,

show_grid=False, show_frame=False, width=1100, height=700, colorbar=True, toolbar='above',

color_index='Density', cmap='Greys', line_color=None, title='2010 Population Density per Square Mile of

Land Area'

))

hv.save(choropleth, 'choropleth.html', backend='bokeh') url = abspath('choropleth.html')

webbrowser.open(url)

Согласно документации holoviews, класс Polygons() создает непрерывную заполненную область в 2D-формате в виде списка полигонов. Создаем переменную choropleth, передавая ей переменную counties и ключи словаря, включая lons (longitude, долгота) и lats (latitude, широта), используемые для отрисовки полигонов округов. Также передаем названия округов и ключи данных о плотности населения. Инструмент наведения курсора holoviews использует этот кортеж, ('detailed name', 'County') для показа полного названия округа, например

County: Claiborne County, Mississippi, при наведении курсора на разные области карты (рис. 11.7).

Далее настраиваем параметры карты . Сначала разрешаем использование логарифмической цветной шкалы путем установки аргумента logz как True.

Окно holoviews по умолчанию содержит набор инструментов, таких как pan (панорамирование), zoom (изменение масштаба), save (сохранение), refresh (обновление) и других (указаны в верхнем правом углу рис. 11.7).

С помощью аргумента tools добавляем в этот список функциональность наведения курсора. Это позволит опрашивать карту, получая и название округа, и подробную информацию о плотности населения в нем.

Мы создаем нестандартный график с аннотированными осями x и y, поэтому устанавливаем их как None. Аналогичным образом не отображаем сетку или рамку вокруг карты. Ширину и высоту карты задаем в пикселях. Вам может потребоваться подстроить их значения под свой монитор. Далее устанавливаем colorbar (цветовая шкала) как True и помещаем toolbar (панель инструментов) в верхнюю часть дисплея.

Проект#15.Визуализацияплотностинаселенияспомощьюхороплетнойкарты      331

Рис. 11.7. Хороплетная карта с включенной функциональностью курсора

Поскольку мы хотим закрашивать округа согласно плотности их населения, то устанавливаем аргумент color_index как Density, представляющий значения из popl_dens_dict. Для цветов заполнения используем Greys cmap (оттенки серого). Если вы решите использовать более яркую палитру, то обратитесь к списку доступных цветовых карт на странице http://build.holoviews.org/user_guide/Colormaps. html. Не забудьте выбрать ту, в чьем имени содержится bokeh. Завершаем настройку цветовой схемы выбором цвета линии для контуров округов. Удачными вариантами для серой карты будут None, 'white' или 'black'.

В конце добавляем название карты. Теперь ее можно отобразить.

Для сохранения карты в текущем каталоге используем метод holoviews save(), передавая ему переменную choropleth, имя файла с расширением .html и имя использованного бэкенда отрисовки . Как уже говорилось, holoviews спроектирована для использования с Jupyter Notebook. Если вам нужно, чтобы карта автоматически всплывала в браузере, сначала присвойте переменной url полный путь к ее файлу, после чего этот url можно будет открывать с помощью модуля webbrowser (рис. 11.8).

С помощью панели инструментов в верхней части карты можно делать панорамирование, масштабирование (используя Box или Lasso), сохранять, обновлять изображение или наводить на его участки указатель. Инструмент наведения, показанный на рис. 11.7, поможет найти менее населенные округа в тех частях карты, где визуально отличить разницу в оттенках сложно.