[PYTHON] Ich habe versucht, Folium zu verwenden

Einführung

Kürzlich habe ich versucht, Folium zu verwenden, eine Bibliothek, die Daten auf einer Karte anzeigt. Deshalb habe ich sie während des Studiums in einem Artikel zusammengefasst.

Was ist Folium?

Folium ist eine Python-Bibliothek, die Daten mit einer Karte von Leaflet.js visualisiert.

Sie können sowohl die Manipulation von Python-Daten als auch die Zuordnung von Broschüren nutzen.

Github:https://github.com/python-visualization/folium Documentation:https://python-visualization.github.io/folium/

Installation

Sie können es mit pip install installieren.

`Folium-Installation`


$ pip install folium

Lassen Sie uns die Karte anzeigen!

Verwenden Sie zuerst jupyter, um eine Karte von Japan anzuzeigen, die auf der Tokyo Station zentriert ist ([35.681167, 139.767052]). Wenn Sie Längen- und Breitengrad in "Ort" eingeben, können Sie eine Karte anzeigen, die auf dieser Position zentriert ist.

`Zeichnen Sie eine Karte von Japan in der Mitte der Tokyo Station`


import folium
map_ = folium.Map(location=[35.681167, 139.767052], zoom_start=7)
map_

Die Karte konnte mit nur 3 Zeilen angezeigt werden.

Als nächstes ordnen wir die Standortinformationen des Kaufhauses der erstellten Karte von Japan zu. Ich habe die Standortinformationen des Kaufhauses auf HP durchsucht und als CSV-Datei gespeichert.

Die CSV-Datei wird in diesem Format gespeichert. (department_info.csv)

	store_name	contry	area	prefecture	city	address	latitude	longitude	depart
0	Nihonbashi Mitsukoshi Hauptgeschäft	Japan	Kanto	Tokio	Chuo-ku	1 Nihonbashi Muromachi, Chuo-ku, Tokio-4-1	35.685633	139.773430	Mitsukoshi
1	Ginza Mitsukoshi	Japan	Kanto	Tokio	Chuo-ku	4 Ginza, Chuo-ku, Tokio-6-16	35.671370	139.765738	Mitsukoshi
・・・
88	ShinQs Beauty Palette Machida	Japan	Kanto	Tokio	Machida City	6 Haramachida, Machida-shi, Tokio-4-1 Machida Tokyu Zwillinge WEST 3F	35.542690	139.446409	Tokyu Kaufhaus
89	Kaufhaus Nagano Tokyu	Japan	Chubu	Präfektur Nagano	Nagano Stadt	1 Minami Chitose, Stadt Nagano, Präfektur Nagano-1-1	36.645052	138.188676	Tokyu Kaufhaus

`Fügen Sie der zuvor angezeigten Karte eine Kaufhausmarkierung hinzu`


import pandas as pd
data = pd.read_csv('department_info.csv')
color_list = {'Mitsukoshi':'red', 'Daimaru':'blue', 'Seibu Sogo':'green', 
              'Takashimaya':'purple', 'Hankyu Hanshin':'orange', 'Tokyu Kaufhaus':'darkred'}
for k, v in data.iterrows():
    folium.Marker([v.latitude, v.longitude], popup=v.store_name, icon=folium.Icon(color=color_list[v.depart])).add_to(map_)    

map_

popup=xxx Wenn Sie xxx einen Kommentar hinzufügen, kann dieser als Popup angezeigt werden.
icon=folium.Icon(color=xxx1, icon=xxx2) Der Markersymboltyp kann durch Angabe von xxx1 und xxx2 geändert werden.

Farben, die für xxx1 verwendet werden können

[‘red’, ‘blue’, ‘green’, ‘purple’, ‘orange’, ‘darkred’,
’lightred’, ‘beige’, ‘darkblue’, ‘darkgreen’, ‘cadetblue’, 
‘darkpurple’, ‘white’, ‘pink’, ‘lightblue’, ‘lightgreen’, 
‘gray’, ‘black’, ‘lightgray’]

Marker, die für xxx2 verwendet werden können https://glyphsearch.com/?library=font-awesome

Als nächstes zeigen wir für jedes angezeigte Kaufhaus einen Kreis mit einem Radius von 20 km an.

`20 km vom Kaufhaus entfernt wird in Yen angezeigt`


for k, v in data.iterrows():
  folium.Circle([v.latitude, v.longitude], radius=20 * 1000, tooltip='20km', popup=v.store_name
                              , color=color_list[v.depart], fill_color=None).add_to(map_)

map_

Ich habe die zuletzt erstellte Karte im HTML-Format gespeichert.

`Speichern Sie die erstellte Karte`


map_.save('department_location.html')

abschließend

Ich konnte mir eine schöne Karte leichter vorstellen als erwartet.

(Aufgrund der Kontomigration erneut veröffentlicht)