[Python] Tracer les données par préfecture sur une carte (nombre de voitures possédées dans tout le pays)

Objectif de cet article

Dessinez une carte colorée au niveau préfectoral comme celle ci-dessous avec Python Pour le niveau ville / quartier / ville / village, accédez à ici

À propos, les données utilisaient le nombre de voitures particulières détenues dans tout le pays.

Il y a une [Liste de codes](# Liste de codes) à la fin de la page.

Commentaire

Utilisez une bibliothèque appelée japanmap pour créer des cartes colorées

pip install japanmap

Préparation d'autres bibliothèques

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 *

Lire les données Les données ont été traitées en téléchargeant le fichier Excel 2019 à partir de ici.

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

Enregistrer le nombre de voitures particulières par préfecture au format dictionnaire

for k,n in zip(df["Bureau des transports"], df["Voiture de voyageurs"]):
    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

Le contenu de num_dict est toujours comme ça

num_dict

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

Convertir la valeur num_dict créée du nombre d'unités en informations de couleur (RVB)

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)

Contenu du num_dict final

num_dict

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

Tracer en passant num_dict à japanmap

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

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

c'est tout!

Liste de codes

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["Bureau des transports"], df["Voiture de voyageurs"]):
    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()