[Python] Zeichnen Sie Daten nach Präfektur auf einer Karte (Anzahl der Autos im ganzen Land)

Zweck dieses Artikels

Zeichnen Sie mit Python eine farbige Karte auf Präfekturebene wie die folgende Informationen zu Stadt / Gemeinde / Stadt / Dorf finden Sie unter hier.

Die Daten verwendeten übrigens die Anzahl der Personenkraftwagen, die landesweit im Besitz waren.

Am Ende der Seite befindet sich eine [Codeliste](# Codeliste).

Kommentar

Verwenden Sie eine Bibliothek namens japanmap, um farbige Karten zu erstellen

pip install japanmap

Vorbereitung anderer Bibliotheken

import numpy as np
import pandas as pd
import cv2
from PIL import Image
import matplotlib.colors
import matplotlib.pyplot as plt
from japanmap import *

Daten lesen Die Daten wurden durch Herunterladen der Excel-Datei 2019 von hier verarbeitet.

df = pd.read_csv("how_many_cars.csv")
df = df.iloc[:53,:8]

Speichern Sie die Anzahl der Personenkraftwagen nach Präfektur im Wörterbuchformat

for k,n in zip(df["Transportbüro"], df["Personenkraftwagen"]):
    if k in ["Sapporo", "Hakodate", "Asahikawa", "Muroran", "Kushiro", "Obihiro", "Kitami"]:
        tmp=1
    else:
        tmp = pref_code(k)
    tmp = pref_names[tmp]
    #print(k,tmp)
    if tmp not in num_dict:
        num_dict[tmp] = n
    else:
        num_dict[tmp] += n

Der Inhalt von num_dict ist immer noch so

num_dict

>> print(num_dict)
{'Präfektur Mie': 1161089.0,
 'Kyoto': 1007847.0,
  ...
 'Präfektur Tottori': 346273.0,
 'Präfektur Kagoshima': 955360.0}

Konvertieren Sie den erstellten num_dict-Wert von der Anzahl der Einheiten in Farbinformationen (RGB).

n_min = min(num_dict.values())
n_max = max(num_dict.values())

#print(n_min)
#print(n_max)

cmap = plt.cm.rainbow
norm = matplotlib.colors.Normalize(vmin=n_min, vmax=n_max)

def color_scale(r):
    tmp = cmap(norm(r))
    return (tmp[0]*255, tmp[1]*255, tmp[2]*255)

for k,v in num_dict.items():
    num_dict[k] = color_scale(v)

Inhalt des endgültigen num_dict

num_dict

>> print(num_dict)
{'Präfektur Mie': (19.5, 157.4059464288972, 241.021876181009),
 'Kyoto': (41.49999999999999, 128.85792190698177, 246.1066417260737),
  ...
 'Präfektur Tottori': (127.5, 0.0, 255.0),
 'Präfektur Kagoshima': (47.5, 120.63885699318257, 247.29821868892742)}

Plotten Sie, indem Sie num_dict an japanmap übergeben

plt.figure(figsize=(10,8))
plt.imshow(picture(num_dict))

sm = plt.cm.ScalarMappable(cmap=cmap, norm=norm)
plt.colorbar(sm)
plt.show()

das ist alles!

Codeliste

pip install japanmap

import numpy as np
import pandas as pd
import cv2
from PIL import Image
import matplotlib.colors
import matplotlib.pyplot as plt
from japanmap import *

df = pd.read_csv("how_many_cars.csv")
df = df.iloc[:53,:8]

num_dict={}

for k,n in zip(df["Transportbüro"], df["Personenkraftwagen"]):
    if k in ["Sapporo", "Hakodate", "Asahikawa", "Muroran", "Kushiro", "Obihiro", "Kitami"]:
        tmp=1
    else:
        tmp = pref_code(k)
    tmp = pref_names[tmp]
    #print(k,tmp)
    if tmp not in num_dict:
        num_dict[tmp] = n
    else:
        num_dict[tmp] += n

n_min = min(num_dict.values())
n_max = max(num_dict.values())

#print(n_min)
#print(n_max)

cmap = plt.cm.rainbow
norm = matplotlib.colors.Normalize(vmin=n_min, vmax=n_max)

def color_scale(r):
    tmp = cmap(norm(r))
    return (tmp[0]*255, tmp[1]*255, tmp[2]*255)

for k,v in num_dict.items():
    num_dict[k] = color_scale(v)

plt.figure(figsize=(10,8))
plt.imshow(picture(num_dict))

sm = plt.cm.ScalarMappable(cmap=cmap, norm=norm)
plt.colorbar(sm)
plt.show()