Python 分級著色圖（Choropleth Map）

分級著色圖（Choropleth Map）將資料的變量以視覺化的方式顯示在地圖上。我們在本文章中將介紹如何用 Python 的 Plotly Express 套件來繪製分級著色圖。

完整程式碼可以在 下載。

Plotly Express

Plotly Express 的 choropleth() 讓我們可以很簡單的繪製分級著色圖。以下是它的宣告。其餘的參數，請參照官網。

plotly.express.choropleth(data_frame=None, 
                          locations=None, 
                          locationmode=None, 
                          color=None, 
                          color_discrete_map=None, 
                          color_continuous_scale=None, 
                          projection=None, 
                          scope=None, 
                          title=None)

• data_frame：資料。
• locationmode：可以是 ‘ISO-3’、’USA-states’、或 ‘country names’。
• locations：其資料會依據參數 locationmode 指定的格式來解讀。值為 data_frame 的欄位名稱。
• color：其資料的數值會被作為依據來決定顏色。值為 data_frame 的欄位名稱。
• scope：地圖的區域。可以是 ‘world’、’usa’、’europe’、’asia’、’africa’、’north america’、或 ‘south america’。預設為 ‘world’。
• projection：地圖投影的方式。請參照官網其可設定的值。
• title：圖表的標題。
• color_continuous_scale：地圖上顏色所用的 color map。
• color_discrete_map：地圖上顏色所用的 color map。
• color_discrete_sequence：地圖上顏色所用的 color map。

範例的資料集

本文章的範例中，我們將使用 Plotly Express 的兩個資料集。讓我們來看看如何讀取這些資料集，以及它們的資料結構。

第一個資料集是 2014 年世界各國的 GDP。

import pandas as pd

df_gdp = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/2014_world_gdp_with_codes.csv')
df_gdp.head()

另外一個資料集是 2014 年美國各州的人口數。

df_us_state = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/2014_usa_states.csv')
df_us_state.head()

範例

以下的範例是 choropleth() 基本的使用範例。

import plotly.express as px

px.choropleth(df_gdp,
              locations='COUNTRY',
              locationmode='country names',
              color='GDP (BILLIONS)',
              projection='kavrayskiy7',
              scope='world',
              title='World GDP')

參數 scope 指定使用世界地圖，而且參數 projection 使用 kavrayskiy7 投影。參數 locationmode 是 'country names'，這告訴 choropleth() 參數 locations 裡的資料是國家名稱。最後，choropleth() 會依據參數 color 裡的數值來對每個國家填入顏色。

Continuous Color Scales

我們可以在參數 color_continuous_scale 傳入不同的 color map 給 choropleth() ，這樣我們就可以用不同的顏色來繪製分級著色圖。Plotly Express 已經內建數個 continuous color scalers，我們可以選我們喜歡的顏色。

這些內建的顏色分佈在三個模組。

• plotly.colors.sequential：適合於大部分的連續資料（continuous data）。
• plotly.colors.diverging：適合於那些有 midpoint 的連續資料。
• plotly.colors.cyclical：適合於那些有循環結構（cyclical structure）的連續資料。
• plotly.colors.named_colorscales：預先定義的 continuous color scale 名稱。這些名稱會對應到以上三個裡的一些 continuous color scale。

此外，如果你想要反轉顏色順序的話，只要在顏色後面加上 _r 就可以了。

讓我們來看以下的範例。

px.choropleth(df_gdp,
              locations='COUNTRY',
              locationmode='country names',
              color='GDP (BILLIONS)',
              projection='kavrayskiy7',
              scope='world',
              title='Choropleth Map',
              color_continuous_scale=px.colors.sequential.Rainbow)

範例中我們傳入 px.colors.sequential.Rainbow 給參數 color_continuous_scale，我們就可以用 Rainbow 的顏色。如果想要反轉顏色順序的話，那就傳入 px.colors.sequential.Rainbow_r 即可。

下面的範例顯示如何使用 named continuous color scales。

px.choropleth(df_gdp,
              locations='COUNTRY',
              locationmode='country names',
              color='GDP (BILLIONS)',
              projection='kavrayskiy7',
              scope='world',
              title='Choropleth Map',
              color_continuous_scale='jet_r')

jet 是預先定義好的 continuous color scales，而它的反轉就是 jet_r。實際上，jet 是對應到 px.colors.sequential.Jet。

Discrete Colors

除了 continuous color scales 之外，我們也可以使用不連續的顏色來區分等級或是階層。Plotly Express 已經有預先定義一些 discrete colors 在 plotly.colors.qualitative 模組。這些都是一個含有一連串 CSS 顏色代碼的 array。

我們可以傳入一個 dictionary 給參數 color_discrete_map。在這個 dictionary 中，指定每個值的對應顏色。其範例如下。

colors = px.colors.qualitative.Set2
population_max = df_us_state['Population'].max()

def group_population(x):
    y = int(population_max / 5)
    if x < y:
        return '{}~{}'.format(0, y)
    elif x < y * 2:
        return '{}~{}'.format(y, y*2)
    elif x < y * 3:
        return '{}~{}'.format(y*2, y*3)
    elif x < y * 4:
        return '{}~{}'.format(y*3, y*4)
    else:
        return '{}~{}'.format(y*4, y*5)

df_us_state['Population (Grouped)'] = df_us_state['Population'].apply(group_population)
px.choropleth(df_us_state,
              locations='Postal',
              locationmode='USA-states',
              scope='usa',
              color='Population (Grouped)',
              color_discrete_map=dict(zip(df_us_state['Population (Grouped)'].unique(), colors)))

範例中我們將 Population 欄位的資料分成 5 群，並將群的標籤存在 Population (Grouped) 欄位裡。然後，用 zip() 將群和顏色對應成一個 tuple 的 array。最後，用 dict() 將一連串的 tuple 轉成 dictionary，然後傳給參數 color_discrete_map。

另外，如果你不喜歡用 dictionary 的話，我們可以改傳入一個顏色的 array 給參數 color_discrete_sequence。

px.choropleth(df_us_state,
              locations='Postal',
              locationmode='USA-states',
              scope='usa',
              color='Population (Grouped)',
              color_discrete_sequence=colors)

結論

在將資料視覺化時，我們可能會需要使用到分級著色圖。如果使用 Matplotlib Basemap 來繪製分級著色圖的話，真的會花費不少時間。所幸 Plotly Express 提供了這麼方便的函式讓我們可以輕鬆地繪製圖表，而且繪製出來的圖表還相當的漂亮。