Deckgl 图表#

填充地图图表#

deckgl.choropleth(color_column, elevation_column=None, color_aggregate_fn='count', color_factor=1, elevation_aggregate_fn='sum', elevation_factor=1, add_interaction=True, geoJSONSource=None, geoJSONProperty=None, geo_color_palette=None, mapbox_api_key=None, map_style=None, tooltip=True, tooltip_include_cols=[], nan_color='#d3d3d3', title='', x_range=None, y_range=None, opacity=None, layer_spec={})#

参数:

x: str

来自 gpu dataframe 的 x 轴列名

color_column: str

来自 gpu dataframe 的列名，颜色调色板基于此列

elevation_column: str | Optional

来自 gpu dataframe 的列名，高程比例基于此列

color_aggregate_fn: {‘count’, ‘mean’, ‘sum’, ‘min’, ‘max’, ‘std’},

默认值 “count”

应用于颜色列的聚合函数，同时按列 x 进行 groupby 聚合

color_factor: float, default 1

在映射颜色之前，要乘以颜色列的每个值的因子

elevation_aggregate_fn: {‘count’, ‘mean’, ‘sum’, ‘min’, ‘max’, ‘std’},

默认值 “count”

应用于高程列的聚合函数，同时按列 x 进行 groupby 聚合

elevation_factor: float, default 1

在缩放高程之前，要乘以高程列的每个值的因子

add_interaction: {True, False}, default True

geoJSONSource: str

geoJSON 文件的 URL

geoJSONProperty: str, optional

进行聚合操作时要使用的属性（使用 geoJSON 文件）。默认为 geoJSON 文件中 properties 的第一个值。

geo_color_palette: bokeh.palette, default bokeh.palettes.Inferno256

mapbox_api_key: str, default os.getenv(‘MAPBOX_API_KEY’)

map_style: str,

默认值基于 cuxfilter.themes: dark/rapids_dark 主题: ‘mapbox://styles/mapbox/dark-v9’ default/rapids 主题: ‘mapbox://styles/mapbox/light-v9’

Mapbox 底图样式的 URI。参见 Mapbox 的 https://docs.mapbox.com/mapbox-gl-js/example/setstyle/ 了解示例

tooltip: {True, False}, default True

tooltip_include_cols: [], default list(dataframe.columns)

nan_color: hex color code, default cuxfilter.charts.CUXF_NAN_COLOR

地图中值为 NaN 的区域的颜色。

title: str,

图表标题

x_range: tuple, default None （自动计算）

用于 x 轴的最小值和最大值的元组

y_range: tuple, default None （自动计算）

用于 y 轴的最小值和最大值的元组

opacity: float, default None

图表的不透明度

layer_spec: dict, default {}

用于覆盖默认图层规范的 deck.gl 图层规范字典。更多信息请参阅 https://deck.gl/docs/api-reference/layers/polygon-layer

返回值:

一个 Bokeh 图表对象，类型为填充地图（2D 或 3D，取决于: elevation_column 的值）

3D 填充地图示例#

import numpy as np
import cudf
import cuxfilter

geoJSONSource='https://raw.githubusercontent.com/rapidsai/cuxfilter/GTC-2018-mortgage-visualization/javascript/demos/GTC%20demo/src/data/zip3-ms-rhs-lessprops.json'
size = 1000

cux_df = cuxfilter.DataFrame.from_dataframe(
    cudf.DataFrame({
                    'color':np.random.randint(20,30, size=size*10)/100,
                    'zip': list(np.arange(1,1001))*10,
                    'elevation': np.random.randint(0,1000, size=size*10)
    })
)

chart0 = cuxfilter.charts.choropleth( x='zip', color_column='color', color_aggregate_fn='mean',
            elevation_column='elevation', elevation_factor=1000, elevation_aggregate_fn='mean',
        geoJSONSource=geoJSONSource, add_interaction=True
)

#declare dashboard
d = cux_df.dashboard([chart0],theme = cuxfilter.themes.dark, title='Mortgage Dashboard')

# use chart0.view() in a notebook cell to view the individual charts
chart0.view()

2D 填充地图示例#

import numpy as np
import cudf
import cuxfilter

geoJSONSource='https://raw.githubusercontent.com/rapidsai/cuxfilter/GTC-2018-mortgage-visualization/javascript/demos/GTC%20demo/src/data/zip3-ms-rhs-lessprops.json'
size = 1000

cux_df = cuxfilter.DataFrame.from_dataframe(
    cudf.DataFrame({
                    'color':np.random.randint(20,30, size=size*10)/100,
                    'zip': list(np.arange(1,1001))*10,
                    'elevation': np.random.randint(0,1000, size=size*10)
    })
)

chart0 = cuxfilter.charts.choropleth( x='zip', color_column='color', color_aggregate_fn='mean',
        geoJSONSource=geoJSONSource, add_interaction=True
)

#declare dashboard
d = cux_df.dashboard([chart0],theme = cuxfilter.themes.dark, title='Mortgage Dashboard')

# use chart0.view() in a notebook cell to view the individual charts
chart0.view()

Deckgl 图表#

填充地图图表#

3D 填充地图示例#

2D 填充地图示例#

本页