使用值列

如何解决使用值列

我有一些GPS数据，每个点都分配了一个值（就像空气质量一样）。我可以绘制这些点（例如，用大叶草），然后将值映射到圆的大小，如下所示：

import pandas,numpy,folium
lat = numpy.random.uniform(45,45.01,250)
lon = numpy.random.uniform(3,3.02,250)
value = numpy.random.uniform(0,50,250)
df = pandas.DataFrame({'lat': lat,'lon': lon,'value': value})
mymap = folium.Map(location = [lat.mean(),lon.mean()],tiles="OpenStreetMap",zoom_start=14)
for elt in list(zip(df.lat,df.lon,df.value)):
    folium.Circle(elt[:2],color="blue",radius=elt[2]).add_to(mymap)
mymap.save('mymap.html')

我想处理这些数据，对其进行插值并创建一个shapefile作为输出，其中插值的多边形包含平均值，并显示高和低值区域（右侧的 fake 图片）。当然，多边形的极限将根据插值自动生成。

我该如何实现？因为我已经尝试在大叶草中使用HeatMap工具，但是它的设计是为了插值点的密度，而不是与每个点关联的值！我希望它不会太复杂。谢谢，注意：我使用叶草，但我对其他python库也没问题。

解决方法

我们可以将这些值作为权重馈送到大叶中的HeatMap（请参阅文档中的data参数）。

这是一个例子。我将方框下半部分的值除以5，以证明尽管数据点的密度相对均匀，但热图在图片的上半部分显然显示出更高的幅度：

import pandas as pd
import numpy as np
import folium
from folium.plugins import HeatMap
import matplotlib as mpl

# parameters
n = 250                     # number of points
lat0 = 40.7                 # coordinates will be generated uniformly with
lon0 = -73.9                # lat0 - eps <= lat < lat0 + eps
eps = 0.1                   # lon0 - eps <= lon < lon0 + eps
v_min,v_max = 0,100       # min,max values

# generating values
lat = np.random.uniform(lat0 - eps,lat0 + eps,n)
lon = np.random.uniform(lon0 - eps,lon0 + eps,n)
value = numpy.random.uniform(v_min,v_max,n)
df = pandas.DataFrame({'lat': lat,'lon': lon,'value': value})

# to demonstrate the effect of weights on the heatmap,# we'll divide values below the center of the box by K = 5
K = 5
df.loc[df['lat'] < lat0,'value'] /= K

# plotting the map,both the points themselves and the heatmap
m = folium.Map(location = [lat0,lon0],tiles="OpenStreetMap",zoom_start=11,width=400,height=400)
for elt in list(zip(df.lat,df.lon,df.value)):
    folium.Circle(elt[:2],color="white",radius=elt[2]).add_to(m)

# df.values used here is a (250,3) numpy.ndarray
# with (lat,lon,weight) for each data point
HeatMap(data=df.values,min_opacity=0.1).add_to(m)

m

输出：

更新：

这是一种略有不同的方法，不使用内置的HeatMaps（鉴于@agenis提到的https://github.com/python-visualization/folium/issues/1271，这可能是一个更好的选择）。

我们首先将数据转换为正方形网格，其中每个正方形的值是该单元格内原始数据点值的平均值（因此，它不取决于该单元格内点的数量，仅取决于它们的值）。

然后，我们可以通过在地图上绘制GeoJson多边形来可视化这些正方形。这是一个示例：

# define the size of the square
step = 0.02

# calculate values for the grid
x = df.copy()
x['lat'] = np.floor(x['lat'] / step) * step
x['lon'] = np.floor(x['lon'] / step) * step
x = x.groupby(['lat','lon'])['value'].mean()
x /= x.max()
x = x.reset_index()

# geo_json returns a single square
def geo_json(lat,value,step):
    cmap = mpl.cm.RdBu
    return {
      "type": "FeatureCollection","features": [
        {
          "type": "Feature","properties": {
            'color': 'white','weight': 1,'fillColor': mpl.colors.to_hex(cmap(value)),'fillOpacity': 0.5,},"geometry": {
            "type": "Polygon","coordinates": [[
                [lon,lat],[lon,lat + step],[lon + step,]]}}]}


# generating a map...
m = folium.Map(location=[lat0,height=400)

# ...with squares...
for _,xi in x.iterrows():
    folium.GeoJson(geo_json(xi['lat'],xi['lon'],xi['value'],step),lambda x: x['properties']).add_to(m)

# ...and the original points
for elt in list(zip(df.lat,radius=elt[2]).add_to(m)

m

输出：

更新（2）：

以下是使用griddata在网格上进行插值的版本：

import pandas as pd
import numpy as np
import folium
from scipy.interpolate import griddata

# parameters
n = 250                     # number of points
lat0 = 40.7
lon0 = -73.9
eps = 0.1
v_min,max values

# generating values
lat = np.random.normal(lat0,eps,n)
lon = np.random.normal(lon0,n)

# set up the grid
step = 0.02
xi,yi = np.meshgrid(
    np.arange(lat.min() - step/2,lat.max() + step/2,np.arange(lon.min() - step/2,lon.max() + step/2,)

# interpolate and normalize values
zi = griddata((lat,lon),(xi,yi),method='linear')
zi /= np.nanmax(zi)
g = np.stack([
    xi.flatten(),yi.flatten(),zi.flatten(),],axis=1)

# geo_json returns a single square
def geo_json(lat,"coordinates": [[
                [lon - step/2,lat - step/2],[lon - step/2,lat + step/2],[lon + step/2,zoom_start=9,height=400)

# ...with squares...
for gi in g:
    if ~np.isnan(gi[2]):
        folium.GeoJson(geo_json(gi[0],gi[1],gi[2],lambda x: x['properties']).add_to(m)

# ...and the original points
for elt in list(zip(lat,value)):
    folium.Circle(elt[:2],color='white',radius=elt[2]).add_to(m)

m

输出：

在我看来，您需要过滤数据，以便根据给定类别将其分为几组。使用这些点集，您便应该能够生成凸包。似乎有一些方法可以做到此目的-请参见此处的一些示例： Convex hull area in Python?

如何解决使用值列

解决方法

相关推荐