空间数据可视化神器keplergl

原创尤而小屋尤而小屋

公众号：尤而小屋
作者：Peter
编辑：Peter

大家好，我是Peter~

今天给大家介绍一款超赞的空间（地理）数据可视化神器：keplergl。小编最近偶然发现的这个神器是Uber完全开源的，也是Uber内部进行空间数据可视化的默认工具。

通过其面向Python开放的接口包keplergl，我们可以在jupyter notebook中通过书写Python代码的方式传入多种格式的数据，在其嵌入notebook的交互窗口中使用其内建的多种丰富的空间数据可视化功能。下面有3个主要的学习地址：

1、官网地址：https://kepler.gl/

2、jupyter notebook使用手册地址：https://github.com/keplergl/kepler.gl/tree/master/docs/keplergl-jupyter#geojson

3、案例地址：https://github.com/keplergl/kepler.gl/tree/master/bindings/kepler.gl-jupyter/notebooks

安装

keplergl的安装是非常简单的。如果报错，请自行百度或者谷歌解决，小编是一次性装成功的❤️

pip install keplergl

惊艳图

一大波惊艳图形来了：

案例入门

import pandas as pd
import geopandas as gpd

from keplergl import KeplerGl

# 创建对象
kep1 = KeplerGl(height=600)
# 激活对象，加载到jupyter notebook中
kep1

可以看到，运行了基本代码后在Jupyter中直接就产生了内置的图形，图形本身也是动态的；暗黑色的背景也是小编喜欢的：

添加数据

keplergl默认是可以添加3种形式的数据：

csv
GeoJSON
DataFrame

csv格式

本地目录下有一份csv数据：china.csv，记录的是我国各个省份的经纬度：

with open("china.csv","r") as f:
    csv_data = f.read()
    
# add_data添加数据
kep1.add_data(data=csv_data, name="csv_kep")
kep1

DataFrame格式

china = pd.read_csv("china.csv")
kep1.add_data(data=china, name="dataframe_kep")
kep1

GeoJson格式

url = 'http://eric.clst.org/assets/wiki/uploads/Stuff/gz_2010_us_040_00_500k.json'
country_gdf = gpd.read_file(url)  # geopandas读取json文件

kep1.add_data(data=country_gdf, name="state")
kep1

自定义图形

Keplergl的自定义方法：关键性按钮。进去了之后就可以自定义操作

配置的保存及复用

实例化kep的配置可以保存在后面的实例对象中复用：

1、保存：

# 保存成文件
with open('config1.py','w') as f:
    f.write('config={}'.format(kep1.config))
    
# 运行：魔法命令%run
%run config1.py

2、复用

kep2 = KeplerGl(height=400,
                data={"layer1":df},
                config=kep1.config  # kep1的配置
               )
kep2

保存图形

1、简约版本，主要是文件名

kep1.save_to_html(file_name="first_kep.html")

2、完整版本：文件名、配置、数据、可读性

# 4个参数
kep1.save_to_html(file_name="first_kep.html",
                  data={'data_1':china},
                  config=config,
                  read_only=True
                 )

在线操作

上面显示的操作都是在no‍tebook中完成的，我们也可以直接在线操作：https://kepler.gl/demo

‍等认真研究过这个工具之后再分享更多的文章，这个库值得好好研究‍