Совместимость Matplotlib с другими библиотеками

#построение графика

top_cities_count.plot.bar('State', 'cities_count', rot=0)plt.xlabel("Штаты")

plt.ylabel("Количество мегаполисов")

plt.title("Количество мегаполисов в штатах США")

plt.yticks(range(min(top_cities_count['cities_count']),

max(top_cities_count['cities_count'])+1 ))

plt.show()

Сначала загружаем набор данных и преобразуем его в DataFrame с помощью метода pandas read_csv() . Датасет содержит данные о населении, широте и долготе 1000 крупнейших городов США. Чтобы отфильтровать датасет так, что останутся только мегаполисы, используется метод DataFrame ge(), сокращение от greater than or equal to (больше или равно), запрашивающий только строки, значение поля Population которых больше или равно 1000000 . Затем группируем данные по столбцу State и применяем агрегирующую функцию count() для нахождения общего количества мегаполисов в каждом штате . Внутри groupby для параметра as_index устанавливаем значение False, чтобы избежать преобразования столбца State в индекс итогового датафрейма. Это необходимо потому, что позже в скрипте придется обратиться к этой колонке. Переименовываем столбец City в cities_count, чтобы показать, что он теперь содержит агрегированную информацию, и в итоговый датафрейм top_cities_count включаем только столбцы State и cities_count.

Затем с помощью метода DataFrame plot.bar() строим гистограмму . Помните, что plot() фактически является оберткой для метода Matplotlib pyplot. plot(). В вызове этой функции мы указываем имена столбцов датафрейма, которые будут использоваться на графике в качестве осей x и y, и поворачиваем метки оси x до 0 градусов. После создания рисунок можно настроить с помощью интерфейса matplotlib.pyplot, как мы уже делали в предыдущих примерах. Задаем метки осей и заголовок рисунка . Для установки числовых меток для оси y используем метод plt.yticks(), который отразит количество наиболее населенных городов . Наконец, выводим на экран рисунок с помощью plt.show(). На рис. 8.8 показан результат.

Как видим, в целом рисунок имеет тот же вид, что и графики, которые мы создали ранее в этой главе, в частности гистограмма с рис. 8.3. Это неудивительно, поскольку они были сгенерированы той же библиотекой Matplotlib, которую использует pandas.

Совместимость Matplotlib с другими библиотеками      185

Для загрузки перейдите на официальный сайт Google Colab1. Затем нажмите New Notebook (Создать блокнот), чтобы начать работу в новом блокноте Colab, где можно создавать, заполнять и запускать произвольное количество ячеек кода.

Вкаждой ячейке может быть одна или несколько строк кода Python. Выполнить код можно нажатием кнопки запуска в левом верхнем углу ячейки. Colab запоминает состояние выполнения всех ранее запущенных ячеек, подобно сессии интерпретатора Python. Новую ячейку кода можно создать с помощью кнопки +Code (+Код) в левом верхнем углу окна Colab.

Впервой ячейке введите и выполните следующую команду для установки Cartopy в ваш блокнот Colab:

!pip install cartopy

После установки Cartopy можно перейти к примерам следующего раздела, выполняя каждый отдельный фрагмент кода в отдельной ячейке.

ПРИМЕЧАНИЕ

Если вы хотите установить Cartopy непосредственно в систему, обратитесь к документации2.

Создание карт

В этом разделе мы используем Cartopy для создания двух карт Южной Калифорнии. Сначала построим карту, на которой будут показаны все города Южной Калифорнии из датасета us-cities-top-1k.csv. Начнем с импортирования необходимых модулей:

import pandas as pd %matplotlib inline

import matplotlib.pyplot as plt import cartopy.crs as ccrs

from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter

Нам понадобится pandas, интерфейс matplotlib.pyplot и несколько модулей Cartopy: cartopy.crs для создания карт и LongitudeFormatter для правильного форматирования меток. Команда %matplotlib inline нужна для отображения рисунков Matplotlib в блокноте Google Colab рядом с кодом.

1 https://colab.research.google.com

2 https://scitools.org.uk/cartopy/docs/latest/installing.html

186      Глава 8. Визуализация

Далее загружаем необходимые данные и рисуем карту:

us_cities = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/ master/us-cities-top-1k.csv")

calif_cities = us_cities[us_cities.State.eq('California')]fig, ax = plt.subplots(figsize=(15,8))

ax = plt.axes(projection=ccrs.Mercator())ax.coastlines('10m')

ax.set_yticks([32,33,34,35,36], crs=ccrs.PlateCarree()) ax.set_xticks([-121, -120, -119, -118, -117, -116, -115],

crs=ccrs.PlateCarree())lon_formatter = LongitudeFormatter()

lat_formatter = LatitudeFormatter() ax.xaxis.set_major_formatter(lon_formatter) ax.yaxis.set_major_formatter(lat_formatter)

ax.set_extent([-121, -115, 32, 36]) X = calif_cities['lon']

Y = calif_cities['lat']

ax.scatter(X, Y, color='red', marker='o', transform=ccrs.PlateCarree()) plt.show()

Загружаем датасет us-cities-top-1k.csv и преобразуем его в объект DataFrame , как в предыдущем разделе. Помните, что он содержит геолокацию в виде координат широты и долготы, а также данные о населении. Затем фильтруем данные, чтобы включить только города штата Калифорния, используя метод eq() , сокращение от equal to (равно).

Поскольку отображение карты требует более тщательной настройки, чем можно осуществить в интерфейсе matplotlib.pyplot, необходимо работать непосредственно с основными объектами визуализации Matplotlib. Поэтому вызываем функцию plt.subplots() для получения Figure и единственного объекта Axes, параллельно задавая размер фигуры . Затем вызываем plt. axes(), чтобы переопределить объект Axes как карту Cartopy . Для этого нужно сообщить Matplotlib, что при построении координат на плоской поверхности рисунка нужно использовать проекцию Mercator Cartopy. Проекция Mercator — это стандартный метод создания карт, который превращает поверхность Земли из сферы в цилиндр, а затем разворачивает этот цилиндр в прямоугольник.

Далее мы вызываем ax.coastlines() для отображения контуров суши на карте . Контуры побережья добавляются к текущему объекту Axes из коллекции векторных географических файлов Natural Earth coastline. Обозначение 10m указывает, что береговые линии нарисованы в масштабе 1 : 10 миллионов, то есть 1 сантиметр на карте соответствует 100 километрам на местности.

188      Глава 8. Визуализация

X = top_calif_cities['lon'] Y = top_calif_cities['lat']

cities = top_calif_cities['City']

ax.scatter(X, Y, color='red', marker='o', transform=ccrs.PlateCarree())for i in X.index: label = cities[i]

plt.text(X[i], Y[i]+0.05, label, clip_on = True, fontsize = 20, horizontalalignment='center', transform=ccrs.Geodetic())

plt.show()

36˚N

35˚N

34˚N

33˚N

32˚N

Рис. 8.9. Контурная карта Южной Калифорнии с обозначением городов

Мы фильтруем датафрейм calif_cities, созданный в предыдущем фрагменте кода, чтобы включить только города с населением 400 000 человек и более . Затем создаем график, следуя тому же алгоритму, что и раньше, но с несколькими дополнительными шагами для добавления меток городов. Названия городов сохраняем в серию pandas cities , а затем проходим по ней, назначая названия городов центрированными метками точек на карте с помощью метода Matplotlib plt.text() . Указываем transform=ccrs.Geodetic(), чтобы Matplotlib использовал геодезическую систему координат Cartopy при добавлении меток. Эта

Совместимость Matplotlib с другими библиотеками      189

система воспринимает Землю как сферу и определяет координаты как значения широты и долготы. На рис. 8.10 показан результат.

36˚N

35˚N

34˚N

33˚N

Рис. 8.10. Крупнейшие города Южной Калифорнии (названия городов взяты из файла us-cities-top-1k.csv)

Теперь на карте показано расположение и названия трех городов Южной Калифорнии с населением более 400 000 человек.

УПРАЖНЕНИЕ № 13:

СОСТАВЛЕНИЕ КАРТЫ С ПОМОЩЬЮ CARTOPY И MATPLOTLIB

Теперь, когда вы знаете, как использовать Cartopy и Matplotlib, создайте карту другого региона США с указанием городов, например Северной Калифорнии. Вам необходимо будет задать другие значения широты и долготы для осей y и x.