Python制作全球地震散点图:JSON格式
数据文件百度云链接:链接:
提取码:4lw2
文件.json 记录了24小时内全球发生的所有不低于1级的地震。用记事本打开后,如下所示:
一、查看数据
我们先将加载这些数据并将其以易于阅读的方式显示处理。具体做法是将数据写入另一个文件,再打开并轻松地在数据中导航:
.py
import json# 探索数据的结构
filename = 'data/eq_data_1_day_m1.json'
with open(filename) as f:all_eq_data = json.load(f) # 加载文件中的数据,将其存储到all_eq_data中,这是一个庞大的字典# readable_file = 'data/readable_eq_data.json' # 创建一个新文件,以便将这些数据以易于阅读的方式写入其中
# with open(readable_file, 'w') as f:
# json.dump(all_eq_data, f, indent=4) # 参数indent=4让dump()使用与数据结构匹配的缩进量来设置数据的格式all_eq_dicts = all_eq_data['features']
print((len(all_eq_dicts)))
这时查看目录data,打开刚生成地文件.json,我们发现该文件地开头:
.json
{"type": "FeatureCollection","metadata": {"generated": 1550361461000,"url": "https://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/1.0_day.geojson","title": "USGS Magnitude 1.0+ Earthquakes, Past Day","status": 200,"api": "1.7.0","count": 158},"features": [
...
这个文件的开头是一个键为""的片段,指出了这个数据文件是什么适合生成的,以及能够在网上的什么地方找到。它还包括适合人类阅读的标题以及文件中记录了多少次地震:在过去的24小时内,发生了158次地震。
再往下看,数据存储在一个与键""相关联的列表中。这个文件包含的是地震数据,因此列表的每个元素都对应一次地震。
.json
...
"features": [{"type": "Feature","properties": {"mag": 0.96,"place": "8km NE of Aguanga, CA","time": 1550360775470,"updated": 1550360993593,"tz": -480,
..."geometry": {"type": "Point","coordinates": [-116.7941667,33.4863333,3.22]},"id": "ci37532978"},
键""关联到了与特定地震相关的大量信息。我们关心的主要是与键"mag"相关联的地震震级以及地震的标题,因为后者很好地概述了地震的震级和位置。
键""指出了地震在什么地方,我们需要根据这项信息将地震在散点图上标出来。在与键""相关联的列表中,可找到地震发生位置的经度,纬度。
二、创建地震列表
.py
import json# 探索数据的结构
filename = 'data/eq_data_1_day_m1.json'
with open(filename) as f:all_eq_data = json.load(f) # 加载文件中的数据,将其存储到all_eq_data中,这是一个庞大的字典# readable_file = 'data/readable_eq_data.json' # 创建一个新文件,以便将这些数据以易于阅读的方式写入其中
# with open(readable_file, 'w') as f:
# json.dump(all_eq_data, f, indent=4) # 参数indent=4让dump()使用与数据结构匹配的缩进量来设置数据的格式all_eq_dicts = all_eq_data['features']
print((len(all_eq_dicts)))
这个文件记录了158次地震
158
三、提取震级
有了包含所有地震数据的列表后,就可遍历这个列表,从中提取所需的数据。下面来提取每次地震的震级。
.py
import json# 探索数据的结构
filename = 'data/eq_data_1_day_m1.json'
with open(filename) as f:all_eq_data = json.load(f) # 加载文件中的数据,将其存储到all_eq_data中,这是一个庞大的字典# readable_file = 'data/readable_eq_data.json' # 创建一个新文件,以便将这些数据以易于阅读的方式写入其中
# with open(readable_file, 'w') as f:
# json.dump(all_eq_data, f, indent=4) # 参数indent=4让dump()使用与数据结构匹配的缩进量来设置数据的格式all_eq_dicts = all_eq_data['features']mags = []
for eq_dict in all_eq_dicts:mag = eq_dict['properties']['mag']mags.append(mag)print(mags[:10])
我们依次读取每次地震震级,存在列表mags中。为确定提取的数据是否正确,打印前10次地震的震级:
[0.96, 1.2, 4.3, 3.6, 2.1, 4, 1.06, 2.3, 4.9, 1.8]
四、提取位置数据
位置数据存储在”" 键下。在”" 键关联的字典中,有一个键"",它关联到一个列表。而列表中的前两个值为经度和纬度。下面演示如何提取位置数据
.py
import json# 探索数据的结构
filename = 'data/eq_data_1_day_m1.json'
with open(filename) as f:all_eq_data = json.load(f) # 加载文件中的数据,将其存储到all_eq_data中,这是一个庞大的字典# readable_file = 'data/readable_eq_data.json' # 创建一个新文件,以便将这些数据以易于阅读的方式写入其中
# with open(readable_file, 'w') as f:
# json.dump(all_eq_data, f, indent=4) # 参数indent=4让dump()使用与数据结构匹配的缩进量来设置数据的格式all_eq_dicts = all_eq_data['features']mags, titles, lons, lats = [], [], [], []
for eq_dict in all_eq_dicts:mag = eq_dict['properties']['mag']title = eq_dict['properties']['title']lon = eq_dict['geometry']['coordinates'][0]lat = eq_dict['geometry']['coordinates'][1]mags.append(mag)titles.append(title)lons.append(lon)lats.append(lat)print(mags[:10])
print(titles[:2])
print(lons[:5])
print(lats[:5])
打印前5个经度和纬度时,输出表明提取的数据是正确的
[0.96, 1.2, 4.3, 3.6, 2.1, 4, 1.06, 2.3, 4.9, 1.8]
['M 1.0 - 8km NE of Aguanga, CA', 'M 1.2 - 11km NNE of North Nenana, Alaska']
[-116.7941667, -148.9865, -74.2343, -161.6801, -118.5316667]
[33.4863333, 64.6673, -12.1025, 54.2232, 35.3098333]
五、绘制震级散点图
有了前面提取的数据,我们就可以绘制可视化图了。首先要实现一个简单的震级散点图,在确保显示的信息无误后,我们再将注意力转向样式和外观方面。新建一个.py文件,绘制初始散点图
.py
import plotly.express as px
from eq_explore_data import lons,latsfig = px.scatter(x=lons,y=lats,labels={'x': '纬度', 'y': '经度'},range_x=[-200, 200],range_y=[-90, 90],width=800,height=800,title='全球地震散点图'
)
fig.write_html('global_earthquakes.html')
fig.show()
局部效果如图所示:
接下来对这幅图做大量修改,使其更有意义
六、定制标记的尺寸
当前的散点图显示了每次地震的位置,但没有指出震级,我们要让观察者迅速获悉最严重的地震发生再什么地方,为此,根据地震的震级设置其标记的尺寸
.py
import plotly.express as px
from eq_explore_data import lons, lats, magsfig = px.scatter(x=lons,y=lats,labels={'x': '纬度', 'y': '经度'},range_x=[-200, 200],range_y=[-90, 90],width=800,height=800,title='全球地震散点图',size=mags,size_max=10,
)
fig.write_html('global_earthquakes.html')
fig.show()
运行结构如图:
七、定制标记的颜色
接下来将使用.json数据文件,它包含30天内的地震数据。
下面演示如何使用渐变来呈现地震震级、
.py
import plotly.express as px
from eq_explore_data import lons, lats, mags, titlesfig = px.scatter(x=lons,y=lats,labels={'x': '纬度', 'y': '经度'},range_x=[-200, 200],range_y=[-90, 90],width=800,height=800,title='全球地震散点图',size=mags,size_max=10,color=mags,hover_name=titles
)
fig.write_html('global_earthquakes.html')
fig.show()
运行结果: