folium 예제

Folium은 작업하기가 매우 쉬우며 맵을 사용자 지정하는 데 도움이 되는 기능이 많이 내장되어 있습니다. 나는 튜토리얼이 도움이되었거나, 당신이 부르딘의 영감 유산을 수행하고 새로운 어딘가에 여행 동기를 부여 한 희망. 글쎄, 그건 재미 있었다! 그러나 맵을 서로 비교하는 데 이상적인 시각화는 아닐 수 있습니다. 운이 좋게도 Folium 덕분에 등전도맵을 만들 수 있는 방법도 있습니다. Folium은 또한 리플렛-DVF에서 설정된 다각형 마커를 지원합니다: 이 클래스 메서드는 항상 Folium으로 작업할 때 가장 먼저 실행됩니다. 이 함수의 목적은 전자 필기장에 의해 렌더링될 기본 맵 오브젝트와 시각화를 위해 빌드할 오브젝트를 생성하는 것입니다. 이 데이터 집합에는 train.csv 및 test.csv인 2개의 별도 데이터 파일이 포함되어 있습니다. 데이터 집합의 차이점은 train.csv 파일에 trip_duration인 추가 열이 포함되어 있다는 것입니다. 이 예제에서는 이 에 초점을 맞추지 않으므로 추가 열이 필요하지 않습니다. Https://python-visualization.github.io/folium/docs-v0.6.0/quickstart.html#Getting-Started Folium의 빠른 시작 가이드로 Folium을 시작하는 데 매우 편리합니다. 기본적으로 Folium은 별도의 HTML 파일에 맵을 만듭니다. Jupyter(나 같은)를 사용하는 경우 인라인 맵을 사용하는 것이 좋습니다. 이 Jupyter 예제에서는 맵을 인라인으로 표시하는 방법을 보여 주었습니다.

Folium은 위도 / lng 팝오버를 가능하게하는 편리한 기능을 가지고 있습니다 : 우리는 우리가 사용할 라이브러리, 팬더와 Folium을 가져 와서 우리가 사용할 모든 파일을 가져 와서 이전 섹션에서 언급 한 trip_duration 열을 삭제합니다. 및 2개의 서로 다른 파일을 1개의 데이터 프레임으로 결합합니다. Folium의 github 페이지를 https://github.com/python-visualization/folium. https://nbviewer.jupyter.org/github/python-visualization/folium/tree/master/examples/ Folium은 또한 사용자 정의 크기와 색상으로 원 스타일 마커를 지원합니다: 위에서 설명한 바와 같이, Folium은 매우 직관적으로 사용할 수 있습니다. 공간 데이터를 시각화할 수 있습니다. Folium에는 히트 맵, 애니메이션, 마커 및이 기사에서 다루지 않는 많은 다른 기능에서 내장 된 많은 기능이 있습니다. Folium의 파이썬 라이브러리에 대한 Github 페이지에서 인용하려면 두 실행의 비교가 포함된 페이지가 열립니다. 좋은 부분은 지도를 나란히 배치한다는 것입니다.

이런 식으로 우리는 쉽게 우리의 예의 경우, 강도가 평일보다 주말에 샌프란시스코에 더 균등하게 확산 보인다는 것을 볼 수 있습니다. 먼저, 우리가 사용하려는 차원으로 그룹화 된 플롯 할 값 목록을 포함하는 목록을 만들어야합니다 (이 예제에서는 시간을 차원으로 사용합니다). 이 예제를 위해 위치를 포함하는 몇 가지 흥미로운 데이터가 필요했습니다. SF OpenData의 SFPD 인시던트 데이터를 사용하기로 결정했습니다. 내보내기 기능(csv 선택)을 사용하여 전체(2015) 데이터 집합을 다운로드합니다. 또한 위의 예에서 다른 형태의 시각화 대신 맵을 사용하여 추세를 실제로 강조하고 패턴을 발견하며 공간 데이터에 관해서는 이전에 는 볼 수 없었던 현실을 드러낼 수 있습니다. 가장 중요한 것은 우리가 가지고있는 데이터에 대한 완전히 새로운 수준의 명확성을 제공합니다. Folium은 우리가 대화 형 방식으로 공간 데이터를 시각화 할 수있는 파이썬 라이브러리입니다, 바로 노트북 환경 내에서 많은 (적어도 자신) 선호. 라이브러리는 사용하기 매우 직관적이며, 낮은 학습 곡선과 상호 작용의 높은 수준을 제공합니다. 무엇보다도, 그것은 모든 오픈 소스 🎉이 문서에서, 나는 공간 데이터를 시각화하고 잘 알려진 파이썬 라이브러리 Folium의 도움으로 해당 데이터에서 통찰력을 생성하는 파이썬을 사용하는 방법에 대한 예를 통해 갈 것입니다.