16.1　CSV文件格式

要在文本文件中存储数据，一个简单方式是将数据作为一系列以逗号分隔的值 （comma-separated values）写入文件。这样的文件称为CSV 文件。例如，下面是一行CSV格式的天气数据：

"USW00025333","SITKA AIRPORT, AK US","2018-01-01","0.45",,"48","38"

这是阿拉斯加州锡特卡2018年1月1日的天气数据，其中包含当天的最高温度和最低温度，还有众多其他的数据。CSV文件对人来说阅读起来比较麻烦，但程序可轻松提取并处理其中的值，有助于加快数据分析过程。

我们将首先处理少量CSV格式的锡特卡天气数据，这些数据可在本书的配套资源（ituring.cn/ book/2784）中找到。请将文件sitka_weather_07-2018_simple.csv复制到存储本章程序的文件夹中。（下载本书的配套资源后，就有了这个项目所需的所有文件。）

注意 　该项目使用的天气数据来自美国国家海洋与大气管理局（National Oceanic and Atmospheric Administration，NOAA）。

16.1.1　分析CSV文件头

import csv

import matplotlib.pyplot as plt

filename = 'data/sitka_weather_07-2018_simple.csv'
with open(filename) as f:
—_snip—

# 根据最高温度绘制图形。
plt.style.use('seaborn')
fig, ax = plt.subplots()
❶ ax.plot(highs, c='red')

# 设置图形的格式。
❷ ax.set_title("2018年7月每日最高温度", fontsize=24)
❸ ax.set_xlabel('', fontsize=16)
ax.set_ylabel("温度 (F)", fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

下面在图表中添加日期，使其更有用。在天气数据文件中，第一个日期在第二行：

"USW00025333","SITKA AIRPORT, AK US","2018-07-01","0.25",,"62","50"

读取该数据时，获得的是一个字符串，因此需要想办法将字符串"2018-7-1" 转换为一个表示相应日期的对象。为创建一个表示2018年7月1日的对象，可使用模块datetime 中的方法strptime() 。我们在终端会话中看看strptime() 的工作原理：

>>> from datetime import datetime
>>> first_date = datetime.strptime('2018-07-01', '%Y-%m-%d')
>>> print(first_date)
2018-07-01 00:00:00

首先导入模块datetime 中的datetime 类，再调用方法strptime() ，并将包含所需日期的字符串作为第一个实参。第二个实参告诉Python如何设置日期的格式。在这里，'%Y-' 让Python将字符串中第一个连字符前面的部分视为四位的年份，'%m-' 让Python将第二个连字符前面的部分视为表示月份的数，'%d' 让Python将字符串的最后一部分视为月份中的一天（1～31）。

方法strptime() 可接受各种实参，并根据它们来决定如何解读日期。表16-1列出了这样的一些实参。

表16-1　模块datetime 中设置日期和时间格式的实参

16.1.6　在图表中添加日期

现在，可以通过提取日期和最高温度并将其传递给plot() ，对温度图形进行改进，如下所示：

sitka_highs.py

import csv
from datetime import datetime

import matplotlib.pyplot as plt

filename = 'data/sitka_weather_07-2018_simple.csv'
with open(filename) as f:
reader = csv.reader(f)
header_row = next(reader)

# 从文件中获取日期和最高温度。
❶ dates, highs = [], []
for row in reader:
❷ current_date = datetime.strptime(row[2], '%Y-%m-%d')
high = int(row[5])
dates.append(current_date)
highs.append(high)

# 根据最高温度绘制图形。
plt.style.use('seaborn')
fig, ax = plt.subplots()
❸ ax.plot(dates, highs, c='red')

# 设置图形的格式。
ax.set_title("2018年7月每日最高温度", fontsize=24)
ax.set_xlabel('', fontsize=16)
❹ fig.autofmt_xdate()
ax.set_ylabel("温度 (F)", fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

我们创建了两个空列表，用于存储从文件中提取的日期和最高温度（见❶）。然后，将包含日期信息的数据（row[0] ）转换为datetime 对象（见❷），并将其附加到列表dates 末尾。在❸处，将日期和最高温度值传递给plot() 。在❹处，调用fig.autofmt_xdate() 来绘制倾斜的日期标签，以免其彼此重叠。图16-2显示了改进后的图表。

图16-2　现在图表的 轴上有日期，含义更丰富

16.1.7　涵盖更长的时间

设置好图表后，我们来添加更多的数据，生成一幅更复杂的锡特卡天气图。请将文件sitka_weather_2018_simple.csv复制到本章程序所在的文件夹，该文件包含整年的锡特卡天气数据。

现在可创建覆盖整年的天气图了：

sitka_highs.py

—snip—
❶ filename = 'data/sitka_weather_2018_simple.csv'
with open(filename) as f:
—snip—
# 设置图形的格式。
❷ ax.set_title("2018年每日最高温度", fontsize=24)
ax.set_xlabel('', fontsize=16)
—snip—

这里修改了文件名，以使用数据文件sitka_weather_2018_simple.csv（见❶），还修改了图表的标题，以反映其内容的变化（见❷）。图16-3显示了生成的图形。

图16-3　一年的天气数据

16.1.8　再绘制一个数据系列

虽然改进后的图表已经显示了丰富的数据，但是还能再添加最低温度数据，使其更有用。为此，需要从数据文件中提取最低温度，并将它们添加到图表中，如下所示：

sitka_highs_lows.py

—snip—
filename = 'sitka_weather_2018_simple.csv'
with open(filename) as f:
reader = csv.reader(f)
header_row = next(reader)

# 从文件中获取日期、最高温度和最低温度。
❶ dates, highs, lows = [], [], []
for row in reader:
current_date = datetime.strptime(row[2], '%Y-%m-%d')
high = int(row[5])
❷ low = int(row[6])
dates.append(current_date)
highs.append(high)
lows.append(low)

# 根据最高温度和最低温度绘制图形。
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red')
❸ ax.plot(dates, lows, c='blue')

# 设置图形的格式。
❹ ax.set_title("2018年每日最高温度", fontsize=24)
—snip—

在❶处，添加空列表lows ，用于存储最低温度。接下来，从每行的第七列（row[6] ）提取最低温度并存储（见❷）。在❸处，添加调用plot() 的代码，以使用蓝色绘制最低温度。最后，修改标题（见❹）。图16-4显示了这样绘制出来的图表。

图16-4　在一个图表中包含两个数据系列

16.1.9　给图表区域着色

添加两个数据系列后，就可以知道每天的温度范围了。下面来给这个图表做最后的修饰，通过着色来呈现每天的温度范围。为此，将使用方法fill_between() 。它接受一个 值系列和两个 值系列，并填充两个 值系列之间的空间：

sitka_highs_lows.py

—snip—
# 根据最低温度和最高温度绘制图形。
plt.style.use('seaborn')
fig, ax = plt.subplots()
❶ ax.plot(dates, highs, c='red', alpha=0.5)
ax.plot(dates, lows, c='blue', alpha=0.5)
❷ ax.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)
—snip—

❶处的实参alpha 指定颜色的透明度。alpha 值为0表示完全透明，为1（默认设置）表示完全不透明。通过将alpha 设置为0.5，可让红色和蓝色折线的颜色看起来更浅。

在❷处，向fill_between() 传递一个 值系列（列表dates ），以及两个 值系列（highs 和lows ）。实参facecolor指定填充区域的颜色，还将alpha 设置成了较小的值0.1，让填充区域将两个数据系列连接起来的同时不分散观察者的注意力。图16-5显示了最高温度和最低温度之间的区域被填充后的图表。

图16-5　给两个数据集之间的区域着色

着色让两个数据集之间的区域变得更显眼了。

16.1.10　错误检查

我们应该能够使用任何地方的天气数据来运行sitka_highs_lows.py中的代码，但有些气象站收集的数据种类不同，有些气象站会偶尔出现故障，未能收集部分或全部应收集的数据。缺失数据可能引发异常，如果不妥善处理，可能导致程序崩溃。

例如，来看看生成加利福尼亚州死亡谷的温度图时出现的情况。请将文件death_valley_2018_simple.csv复制到本章程序所在的文件夹。

首先通过编写代码来查看这个数据文件包含的文件头：

death_valley_highs

import csvlows.py_

filename = 'data/death_valley_2018_simple.csv'
with open(filename) as f:
reader = csv.reader(f)
header_row = next(reader)

for index, column_header in enumerate(header_row):
print(index, column_header)

输出如下：

0 STATION
1 NAME
2 DATE
3 PRCP
4 TMAX
5 TMIN
6 TOBS

与前面一样，日期也在索引2处，但最高温度和最低温度分别在索引4和索引5处，因此需要修改代码中的索引，以反映这一点。另外，这个气象站没有记录平均温度，而记录了TOBS ，即特定时点的温度。

为演示缺失数据时将出现的状况，我故意从这个文件中删除了一项温度数据。下面来修改sitka_highs_lows.py，使用前面所说的索引来生成死亡谷的天气图，看看将出现什么状况：

death_valley_highs_lows.py

—snip—
filename = 'data/death_valley_2018_simple.csv'
with open(filename) as f:
—snip—
# 从文件中获取日期、最高温度和最低温度。
dates, highs, lows = [], [], []
for row in reader:
current_date = datetime.strptime(row[2], '%Y-%m-%d')
❶ high = int(row[4])
low = int(row[5])
dates.append(current_date)
—snip—

在❶处，修改索引，使其对应于这个文件中TMAX 和TMIN 的位置。

运行这个程序时出现了错误，如下述输出的最后一行所示：

Traceback (most recent call last):
File "death_valley_highs_lows.py", line 15, in <module>
high = int(row[4])
ValueError: invalid literal for int() with base 10: ''

该traceback指出，Python无法处理其中一天的最高温度，因为无法将空字符串（'' ）转换为整数。我们只要看一下文件death_valley_2018_simple.csv，就知道缺失了哪项数据，但这里不这样做，而是直接对缺失数据的情形进行处理。

为此，在从CSV文件中读取值时执行错误检查代码，对可能出现的异常进行处理，如下所示：

death_valley_highs_lows.py

—snip—
filename = 'data/death_valley_2018_simple.csv'
with open(filename) as f:
—snip—
for row in reader:
current_date = datetime.strptime(row[2], '%Y-%m-%d')
❶ try:
high = int(row[4])
low = int(row[5])
except ValueError:
❷ print(f"Missing data for {current_date}")
❸ else:
dates.append(current_date)
highs.append(high)
lows.append(low)

# 根据最高温度和最低温度绘制图形。
—snip—

# 设置图形的格式。
❹ title = "2018年每日最高温度和最低温度\n美国加利福尼亚州死亡谷"
ax.set_title(title, fontsize=20)
ax.set_xlabel('', fontsize=16)
—snip—

对于每一行，都尝试从中提取日期、最高温度和最低温度（见❶）。只要缺失其中一项数据，Python就会引发ValueError 异常。我们这样进行处理：打印一条错误消息，指出缺失数据的日期（见❷）。打印错误消息后，循环将接着处理下一行。如果获取特定日期的所有数据时没有发生错误，就运行else 代码块，将数据附加到相应列表的末尾（见❸）。这里绘图时使用的是有关另一个地方的信息，因此修改标题以指出这个地方。因为标题更长，所以我们缩小了字号（见❹）。

如果现在运行death_valley_highs_lows.py，将发现缺失数据的日期只有一个：

Missing data for 2018-02-18 00:00:00

妥善地处理错误后，代码能够生成图形并忽略缺失数据的那天。图16-6显示了绘制出的图形。

图16-6　死亡谷每天的最高温度和最低温度

将这个图表与锡特卡的图表进行比较可知，总体而言，死亡谷比阿拉斯加东南部暖和，这符合预期。同时，死亡谷沙漠中每天的温差也更大——从着色区域的高度可以看出这一点。

你使用的很多数据集都可能缺失数据、格式不正确或数据本身不正确。对于这样的情形，可使用本书前半部分介绍的工具来处理。在这里，使用了一个try-except-else 代码块来处理数据缺失的问题。在有些情况下，需要使用continue 来跳过一些数据，或者使用remove() 或del 将已提取的数据删除。只要能进行精确而有意义的可视化，采用任何管用的方法都是可以的。

16.1.11　自己动手下载数据

如果你想自己下载天气数据，可采取如下步骤。

(1) 访问网站NOAA Climate Data Online。在Discover Data By部分，单击Search Tool。在下拉列表Select a Dataset中，选择Daily Summaries。

(2) 选择一个日期范围，在Search For下拉列表中ZIP Codes，输入你感兴趣地区的邮政编码，再单击Search按钮。

(3) 在下一个页面中，你将看到指定地区的地图和相关信息。单击地区名下方的View Full Details或单击地图再单击Full Details。

(4) 向下滚动并单击Station List，以显示该地区的气象站，再选择一个气象站并单击Add to Cart。虽然这个网站使用了购物车图标，但提供的数据是免费的。单击右上角的购物车。

(5) 在Select the Output中选择Custom GHCN-Daily CSV。确认日期范围无误后单击Continue。

(6) 在下一个页面中，可选择要下载的数据类型。可以只下载一种数据（如气温），也可以下载该气象站提供的所有数据。做出选择后单击Continue。

(7) 在最后一个页面，你将看到订单小结。请输入你的电子邮箱地址，再单击Submit Order。你将收到一封确认邮件，指出收到了你的订单。几分钟后，你将收到另一封邮件，其中包含用于下载数据的链接。

你下载的数据与本节处理的数据有类似的结构，但包含的文件头可能不同。然而，只要按本节介绍的步骤做，就能对你感兴趣的数据进行可视化。

动手试一试

练习16-1：锡特卡的降雨量 　锡特卡属于温带雨林，降水量非常丰富。在数据文件sitka_weather_2018_simple.csv中，文件头PRCP表示的是每日降水量。请对这列数据进行可视化。如果你想知道沙漠的降水量有多低，可针对死亡谷完成同样的练习。

练习16-2：比较锡特卡和死亡谷的温度 　在有关锡特卡和死亡谷的图表中，温度刻度反映了数据范围的不同。为准确比较锡特卡和死亡谷的温度范围，需要在 轴上使用相同的刻度。为此，请修改图16-5和图16-6所示图表的 轴设置，对锡特卡和死亡谷的温度范围进行直接比较（也可对任何两个地方的温度范围进行比较）。

练习16-3：旧金山 　旧金山的温度更接近锡特卡还是死亡谷呢？为进行比较，可下载一些有关旧金山的温度数据，并据此生成包含最高温度和最低温度的图表。

练习16-4：自动索引 　本节以硬编码的方式指定了TMIN 和TMAX 列的索引。请根据文件头行确定这些列的索引，让程序同时适用于锡特卡和死亡谷。另外，请根据气象站的名称自动生成图表的标题。

练习16-5：探索 　生成一些图表，对你好奇的任何地方的其他天气数据进行研究。

16.2　制作全球地震散点图：JSON格式

在本节中1 ，你将下载一个数据集，其中记录了一个月内全球发生的所有地震，再制作一幅散点图来展示这些地震的位置和震级。这些数据是以JSON格式存储的，因此要使用模块json 来处理。Plotly提供了根据位置数据绘制地图的工具，适合初学者使用。你将使用它来进行可视化并指出全球的地震分布情况。

1 本节为陶俊杰根据原作编写。——编者注

16.2.1　地震数据

请将文件eq_data_1_day_m1.json复制到存储本章程序的文件夹中。地震是以里氏震级度量的，而该文件记录了（截至写作本节时）最近24小时内全球发生的所有不低于1级的地震。

16.2.2　查看JSON数据

如果打开文件eq_data_1_day_m1.json，你将发现其内容密密麻麻，难以阅读：

{"type":"FeatureCollection","metadata":{"generated":1550361461000,…
{"type":"Feature","properties":{"mag":1.2,"place":"11km NNE of Nor…
{"type":"Feature","properties":{"mag":4.3,"place":"69km NNW of Ayn…
{"type":"Feature","properties":{"mag":3.6,"place":"126km SSE of Co…
{"type":"Feature","properties":{"mag":2.1,"place":"21km NNW of Teh…
{"type":"Feature","properties":{"mag":4,"place":"57km SSW of Kakto…
—snip—

这些数据适合机器而不是人来读取。不过可以看到，这个文件包含一些字典，还有一些我们感兴趣的信息，如震级和位置。

模块json 提供了各种探索和处理JSON数据的工具，其中一些有助于重新设置这个文件的格式，让我们能够更清楚地查看原始数据，继而决定如何以编程的方式来处理。

我们先加载这些数据并将其以易于阅读的方式显示出来。这个数据文件很长，因此不打印出来，而是将数据写入另一个文件，再打开该文件并轻松地在数据中导航：

eq_explore_data.py

import json

# 探索数据的结构。
filename = 'data/eq_data_1_day_m1.json'
with open(filename) as f:
❶ all_eq_data = json.load(f)

❷ readable_file = 'data/readable_eq_data.json'
with open(readable_file, 'w') as f:
❸ json.dump(all_eq_data, f, indent=4)

首先导入模块json ，以便恰当地加载文件中的数据，并将其存储到all_eq_data 中（见❶）。函数json.load() 将数据转换为Python能够处理的格式，这里是一个庞大的字典。在❷处，创建一个文件，以便将这些数据以易于阅读的方式写入其中。函数json.dump() 接受一个JSON数据对象和一个文件对象，并将数据写入这个文件中（见❸）。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。

如果你现在查看目录data并打开其中的文件readable_eq_data.json，将发现其开头部分像下面这样：

readable_eq_data.json

{
"type": "FeatureCollection",
❶ "metadata": {
"generated": 1550361461000,
"url": "https://earthquake.usgs.gov/earthquakes/.../1.0_day.geojson&#34;,
"title": "USGS Magnitude 1.0+ Earthquakes, Past Day",
"status": 200,
"api": "1.7.0",
"count": 158
},
❷ "features": [
—snip—

这个文件的开头是一个键为"metadata" 的片段（见❶），指出了这个数据文件是什么时候生成的，以及能够在网上的什么地方找到。它还包含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。

这个geoJSON文件的结构适合存储基于位置的数据。数据存储在一个与键"features" 相关联的列表中（见❷）。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。这种结构可能有点令人迷惑，但很有用，让地质学家能够将有关每次地震的任意数量信息存储在一个字典中，再将这些字典放在一个大型列表中。

我们来看看表示特定地震的字典：

readable_eq_data.json

—snip—
{
"type": "Feature",
❶ "properties": {
"mag": 0.96,
—snip—
❷ "title": "M 1.0 - 8km NE of Aguanga, CA"
},
❸ "geometry": {
"type": "Point",
"coordinates": [
❹ -116.7941667,
❺ 33.4863333,
3.22
]
},
"id": "ci37532978"
},

键"properties" 关联到了与特定地震相关的大量信息（见❶）。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（见❷）。

键"geometry" 指出了地震发生在什么地方（见❸），我们需要根据这项信息将地震在散点图上标出来。在与键"coordinates" 相关联的列表中，可找到地震发生位置的经度（见❹）和纬度（见❺）。

这个文件的嵌套层级比我们编写的代码多。如果这让你感到迷惑，也不用担心，Python将替你处理大部分复杂的工作。我们每次只会处理一两个嵌套层级。我们将首先提取过去24小时内发生的每次地震对应的字典。

注意 　说到位置时，我们通常先说纬度、再说经度，这种习惯形成的原因可能是人类先发现了纬度，很久后才有经度的概念。然而，很多地质学框架都先列出经度、后列出纬度，因为这与数学约定 一致。geoJSON格式遵循(经度, 纬度)的约定，但在使用其他框架时，获悉其遵循的约定很重要。

16.2.3　创建地震列表

首先，创建一个列表，其中包含所有地震的各种信息：

eq_explore_data.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)

all_eq_dicts = all_eq_data['features']
print(len(all_eq_dicts))

我们提取与键'features' 相关联的数据，并将其存储到all_eq_dicts 中。我们知道，这个文件记录了158次地震。下面的输出表明，我们提取了这个文件记录的所有地震：

158

注意，我们编写的代码很短。格式良好的文件readable_eq_data.json包含超过6000行内容，但只需几行代码，就可读取所有的数据并将其存储到一个Python列表中。下面将提取所有地震的震级。

16.2.4　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：

eq_explore_data.py

—snip—
all_eq_dicts = all_eq_data['features']

❶ mags = []
for eq_dict in all_eq_dicts:
❷ mag = eq_dict['properties']['mag']
mags.append(mag)

print(mags[:10])

我们创建了一个空列表，用于存储地震震级，再遍历列表all_eq_dicts（见❶）。每次地震的震级都存储在相应字典的'properties' 部分的'mag' 键下（见❷）。我们依次将地震震级赋给变量mag ，再将这个变量附加到列表mags 末尾。

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]

接下来，我们将提取每次地震的位置信息，然后就可以绘制地震散点图了。

16.2.5　提取位置数据

位置数据存储在"geometry" 键下。在"geometry" 键关联的字典中，有一个"coordinates" 键，它关联到一个列表，而列表中的前两个值为经度和纬度。下面演示了如何提取位置数据：

eq_explore_data.py

—snip—
all_eq_dicts = all_eq_data['features']

mags, titles, lons, lats = [], [], [], []
for eq_dict in all_eq_dicts:
mag = eq_dict['properties']['mag']
❶ title = eq_dict['properties']['title']
❷ 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])

我们创建了用于存储位置标题的列表titles ，来提取字典'properties' 里'title' 键对应的值（见❶），以及用于存储经度和纬度的列表。代码eq_dict['geometry'] 访问与"geometry" 键相关联的字典（见❷）。第二个键（'coordinates' ）提取与"coordinates" 相关联的列表，而索引0提取该列表中的第一个值，即地震发生位置的经度。

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]

有了这些数据，就可以绘制地震散点图了。

16.2.6　绘制震级散点图

有了前面提取的数据，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，在确保显示的信息正确无误之后，我们再将注意力转向样式和外观方面。绘制初始散点图的代码如下：

eq_world_map.py

❶ import plotly.express as px

fig = px.scatter(
x=lons,
y=lats,
labels={"x": "经度", "y": "纬度"},
range_x=[-200, 200],
range_y=[-90, 90],
width=800,
height=800,
title="全球地震散点图",
❷ )
❸ fig.write_html("global_earthquakes.html")
❹ fig.show()

首先，导入plotly.express ，用别名px 表示。Plotly Express是Plotly的高级接口，简单易用，语法与Matplotlib类似（见❶）。然后，调用px.scatter 函数配置参数创建一个fig 实例，分别设置 轴为经度［范围是[-200, 200] （扩大空间，以便完整显示东西经180°附近的地震散点）］、 轴为纬度［范围是[-90, 90] ］，设置散点图显示的宽度和高度均为800像素，并设置标题为“全球地震散点图”（见❷）。

只用14行代码，简单的散点图就配置完成了，这返回了一个fig 对象。fig.write_html 方法可以将可视化图保存为html文件。在文件夹中找到global_earthquakes.html文件，用浏览器打开即可（见❸）。另外，如果使用Jupyter Notebook，可以直接使用fig.show 方法直接在notebook单元格显示散点图（见❹）。

局部效果如下图所示：

图16-7　显示24小时内所有地震的简单散点图

可对这幅散点图做大量修改，使其更有意义、更好懂。下面就来做些这样的修改。

16.2.7　另一种指定图表数据的方式

配置这个图表前，先来看看另一种稍微不同的指定Plotly 图表数据的方式。当前，经纬度数据是手动配置的：

—snip—
x=lons,
y=lats,
labels={"x": "经度", "y": "纬度"},
—snip—

这是在Plotly Express中给图表定义数据的最简单方式之一，但在数据处理中并不是最佳的。下面是另一种给图表定义数据的等效方式，需要使用pandas数据分析工具。首先创建一个DataFrame ，将需要的数据封装起来：

import pandas as pd

data = pd.DataFrame(
data=zip(lons, lats, titles, mags), columns=["经度", "纬度", "位置", "震级"]
)
data.head()

然后，参数配置方式可以变更为：

—snip—
data,
x="经度",
y="纬度",
—snip—

在这种方式中，所有有关数据的信息都以键值对的形式放在一个字典中。如果在eq_plot.py中使用这些代码，生成的图表是一样的。相比于前一种格式，这种格式让我们能够无缝衔接数据分析，并且更轻松地进行定制。

16.2.8　定制标记的尺寸

确定如何改进散点图的样式时，应着重于让要传达的信息更清晰。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在什么地方。

为此，根据地震的震级设置其标记的尺寸：

eq_world_map.py

fig = px.scatter(
data,
x="经度",
y="纬度",
range_x=[-200, 200],
range_y=[-90, 90],
width=800,
height=800,
title="全球地震散点图",
❶ size="震级",
❷ size_max=10,
)
fig.write_html("global_earthquakes.html")
fig.show()

Plotly Express支持对数据系列进行定制，这些定制都以参数表示。这里使用了size 参数来指定散点图中每个标记的尺寸，我们只需要将前面data 中的"震级" 字段提供给size 参数即可（见❶）。另外，标记尺寸默认为20像素，还可以通过size_max=10 将最大显示尺寸缩放到10（见❷）。

如果运行这些代码，将看到类似于图16-8所示的散点图。这比前面的散点图好多了，但还有很大的改进空间。

图16-8　现在散点图显示了地震的震级

16.2.9　定制标记的颜色

我们还可以定制标记的颜色，以呈现地震的严重程度。执行这些修改前，将文件eq_data_30_day_m1.json复制到你的数据目录中，它包含30天内的地震数据。通过使用这个更大的数据集，绘制出来的地震散点图将有趣得多。

下面演示了如何使用渐变来呈现地震震级：

eq_world_map.py

❶ filename = 'data/eq_data_30_day_m1.json'
—snip—
fig = px.scatter(
data,
x="经度",
y="纬度",
range_x=[-200, 200],
range_y=[-90, 90],
width=800,
height=800,
title="全球地震散点图",
size="震级",
size_max=10,
❷ color="震级",
)
—snip—

首先修改文件名，以使用30天的数据集（见❶）。为了让标记的震级按照不同的颜色显示，只需要配置color="震级" 即可。默认的视觉映射图例渐变色范围是从蓝到红再到黄，数值越小则标记越蓝，而数值越大则标记越黄（见❷）。

如果现在运行这个程序，你看到的散点图将漂亮得多。如图16-9所示，渐变的颜色指出了地震的严重程度。通过在散点图上显示大量的地震，可将板块边界大致呈现出来！

图16-9　使用颜色和尺寸呈现震级的30天地震散点图

16.2.10　其他渐变

Plotly Express有大量的渐变可供选择。要获悉有哪些渐变可供使用，请使用文件名show_color_scales.py保存下面这个简短的程序：

show_color_scales.py

import plotly.express as px

for key in px.colors.named_colorscales():
print(key)

Plotly Express将渐变存储在模块colors 中。这些渐变是在列表px.colors.named_colorscales() 中定义的。下面的输出列出了可供你使用的所有渐变：

—snip—
greys
hot
inferno
jet
magenta
magma
—snip—

请尝试使用这些渐变其实映射到一个颜色列表。使用px.colors.diverging.RdYlGn[::-1] 可以将对应颜色的配色列表反转。

注意 　Plotly除了有px.colors.diverging 表示连续变量的配色方案，还有px.colors.sequential 和px.colors.qualitative 表示离散变量。随便挑一种配色，例如px.colors.qualitative.Alphabet ，你将看到渐变是如何定义的。每个渐变都有起始色和终止色，有些渐变还定义了一个或多个中间色。Plotly会在这些定义好的颜色之间插入颜色。

16.2.11　添加鼠标指向时显示的文本

为完成这幅散点图的绘制，我们将添加一些说明性文本，在你将鼠标指向表示地震的标记时显示出来。除了默认显示的经度和纬度外，还将显示震级以及地震的大致位置：

eq_world_map.py

fig = px.scatter(
data,
x="经度",
y="纬度",
range_x=[-200, 200],
range_y=[-90, 90],
width=800,
height=800,
title="全球地震散点图",
size="震级",
size_max=10,
color="震级",
hover_name="位置",
)
fig.write_html("global_earthquakes.html")
fig.show()
—snip—

Plotly Express的操作非常简单，只需要将hover_name 参数配置为data 的"位置" 字段即可。

太令人震惊了！通过编写大约40行代码，我们就绘制了一幅漂亮的全球地震活动散点图，并通过30天地震数据大致展示了地球的板块结构。Plotly Express提供了众多定制可视化外观和行为的方式。使用它提供的众多选项，可让图表和散点图准确地显示你所需的信息。

动手试一试

练习16-6：重构 　在从all_eq_dicts 中提取数据的循环中，使用了变量来指向震级、经度、纬度和标题，再将这些值分别附加到相应列表的末尾。这旨在清晰地演示如何从JSON文件中提取数据，但并非必须这样做。你也可以不使用这些临时变量，而是直接从eq_dict 中提取这些值，并将其附加到相应的列表末尾。这样做将缩短这个循环的循环体，使其只包含4行代码。

练习16-7：自动生成标题 　本节定义my_layout 时以手工方式指定标题，这意味着每次变更源文件时，都需要修改标题。你可以不这样做，而是使用JSON文件中元数据（metadata）部分的数据集标题。为此，可提取这个值，将其赋给一个变量，并在定义my_layout 时使用这个变量来指定散点图的标题。

练习16-8：最近发生的地震 　请在本书配套资源中找到关于最近1小时、1天、7天和30天内地震信息的数据文件（截至本书出版时，参见文件夹chapter_16/Excercise16-8）。请使用其中一个数据集，绘制一幅散点图来展示最近发生的地震。

练习16-9：全球火灾 　在本章的配套资源中，有一个名为world_fires_1_day.csv的文件。它包含了有关全球各地发生的火灾信息，包括经度、纬度和火灾强度（brightness）。使用16.1节介绍的数据处理技术以及16.2节介绍的散点图绘制技术，绘制一幅散点图来展示全球哪些地方发生了火灾。