Хороплеты: отображение данных на карте

Работа с геопространственными данными в Python

Dani Arribas-Bel

Geographic Data Science Lab (University of Liverpool)

Хороплеты

countries.plot(column='gdp_per_cap', legend=True)

Указание столбца:

locations.plot(column='variable')

Хороплет со схемой классификации:

locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')

Ключевые параметры:

locations.plot(column='variable', scheme='Quantiles', k=7, cmap='viridis')

Хороплеты неизбежно ведут к потере информации (и это нормально)

Противоречие:

Практическое правило: от 3 до 12 классов ("бинов")

locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')

Как распределить все значения variable по k группам?

Два распространённых подхода для непрерывных переменных:

locations.plot(column='variable', scheme='equal_interval', k=7, cmap='Purples')

locations.plot(column='variable', scheme='quantiles', k=7, cmap='Purples')

Категориальные, неупорядоченные

locations.plot(column='variable', 
               categorical=True, cmap='Purples')

Градуированные, последовательные

locations.plot(column='variable', 
               k=5, cmap='RdPu')

Градуированные, дивергентные

locations.plot(column='variable', 
               k=5, cmap='RdYlGn')

ВАЖНО: согласуйте выбор с целью визуализации

Работа с геопространственными данными в Python