用 Plotly 画出中国疫情地图（附源码）
作者简介：Mort，数据分析爱好者，擅长数据可视化，比较关注机器学习领域，希望能和业内朋友多学习交流。
前两天笔者曾写了一篇名为用 matplotlib 画出中国疫情地图（附源码）的文章，当时笔者在文中就说到要写一篇关于Plotly作图的文章，今天就把该文章分享给大家。
首先对Plotly做一个简单的介绍，Plotly是一款基于D3.js框架的Python库，其功能相当强大，主要用于做交互式的数据可视化（matplotlib其实也可以做交互式，有兴趣的读者可以自行研究一下），除了Python以外，Plotly还支持R和MATLAB语言，所以其应用非常广泛，近几年发展势头相当不错。Plotly能生成的图片类型非常多，地图只是其中一种，今天主要介绍一下其绘制地图的用法。安装Plotly和其他库的方法都差不多，用pip或conda都可以（笔者用的anaconda，所以用conda安装），这里就不多介绍了。下面我们就直接上代码。
首先导入需要的包和准备数据。
import json
import pandas as pd
import plotly.express as px
file_yq = r'C:\plotly\yq-data.xlsx'
file_gs = r'C:\plotly\china_geo.json' #这个数据中要把id那一项修改了，放在properties前面，这个是已经修改好的
gs_data = open(file_gs, encoding='utf8').read()
gs_data = json.loads(gs_data)
df = pd.read_excel(file_yq, index_col=0)
这里主要用到两个数据文件，一个是疫情数据，名为yq-data.xlsx，是一个Excel文件，一个是中国地图数据，名为china_geo.json，是一个json文件。疫情数据非常简单，大家自己做就OK了，直接到各大网站上复制粘贴，so easy，中国地图数据则稍微麻烦点，因为Plotly目前仅支持json格式数据（笔者目前还没发现其他的数据格式），所以我们只能用json格式的数据，有能力的读者可以自己制作，不想自己动手的网上也有一大堆可以下载，笔者建议直接去GitHub上下载，直接在上面搜索“China geojson”就可以了。这里有一个问题要注意了，就是json数据中有一个省份的编号，即类似’id’: 14这样的一段代码，在很多中国地图数据中这段代码是放在一个类似"properties": {"name": "甘肃","cp": [100.735, 38.7393]}这样的一个dictionary中，我们要把它拿出来放在properties前面，也就是让两者成为并列关系，而不是包含关系，这个编号有多个，所以我们要把他们全部处理好。因为Plotly要通过这个id来识别省份，如果放在properties当中，Plotly读取不到，最终生成的图片是一片空白，别看就这样一个小问题，网上一直找不到答案，我花了n个小时才发现并解决了，忽然发现这发际线又上移了……当然这两个文件我都准备好了，文件获取方式请见文章下方，下面放上两张这俩文件的截图。
图1. 疫情数据部分内容截图
图2. 中国地图数据部分内容截图
接下来就是绘图了。
fig = px.choropleth_mapbox(df, geojson=gs_data, locations='code', color='confirmed',
range_color=(0, 30000),
color_continuous_scale=[
[0, 'lightcoral'], #这个必须要写，否则会出错
[1./3000, 'indianred'],
[1./300, 'brown'],
[1./30, 'firebrick'],
[1/3, 'maroon'],
[1., 'darkred']],
zoom=3, center = {"lat": 37.4189, "lon": 116.4219},
mapbox_style='carto-positron')
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()
这里面有几点要注意的，一是locations='code'和color='confirmed'这俩参数，他们的值是df也就是那个Excel文件中省份代码和确诊人数两列的列名，这个可以自己命名。二是range_color=(0, 30000)这个，为什么取30000这个范围，因为我们的疫情数据中最大的值为29631（这是几天前的数据，最新数据可以自己去网上查找），我们只要设置一个比29631大的数即可，最好是整数，所以设定30000。最后一点是color_continuous_scale=[[0, 'lightcoral'], [1./3000, 'indianred'], [1./300, 'brown'], [1./30, 'firebrick'], [1/3, 'maroon'], 1., 'darkred']]这项，这是设置图片颜色的参数，我们看到这个参数可以按照比例来设定颜色，这也是Plotly强大的地方，其中[0, 'lightcoral']这个必须有，如果没有而直接从[1./3000, 'indianred']开始，那么这个参数无效，图片的颜色将是系统默认的颜色，而这个问题网上也木有答案，我又花了n个小时才解决，这发际线……所有参数设置好后，生成的图片如下，再放一个百度的原图对比一下。
图3. Plotly绘制的疫情地图
图4. 百度网站的疫情地图
Plotly作图确实很方便，而且功能灰常强大，但个人赶脚其也有一个缺点，就是速度略慢，至少比matplotlib慢一些，这可能是d3.js的缘故，毕竟JavaScript的性能很不受一些用户的待见（估计有人要反对），当然实际应用中我们可以根据自己的需要选择适合自己的方法。以后笔者还会写一些其他的数据可视化方法，希望大家继续关注。
赞 赏 作 者
Python中文社区作为一个去中心化的全球技术社区，以成为全球20万Python中文开发者的精神部落为愿景，目前覆盖各大主流媒体和协作平台，与阿里、腾讯、百度、微软、亚马逊、开源中国、CSDN等业界知名公司和技术社区建立了广泛的联系，拥有来自十多个国家和地区数万名登记会员，会员来自以工信部、清华大学、北京大学、北京邮电大学、中国人民银行、中科院、中金、华为、BAT、谷歌、微软等为代表的政府机关、科研单位、金融机构以及海内外知名公司，全平台近20万开发者关注。
扫码关注下方公众号后回复“疫情”即可获取源码数据