Python绘制数据（三）

一、制作全球地震散点图

1、查看json数据

import json# 指定原始JSON文件路径（包含地震数据）
fileName = 'D:\\py_projects\\eq_data_1_day_m1.json'# 1. 读取原始JSON文件
with open(fileName) as f:# 使用json.load()将JSON文本解析为Python字典/列表# data变量将包含整个JSON文件的结构化数据data = json.load(f)# 2. 创建格式化后的可读JSON文件
readable_file = 'D:\\py_projects\\eq_data_1_day_m1_readable.json'
with open(readable_file, 'w') as f:# 使用json.dump()将Python数据结构转换回JSON文本# - indent=4: 设置缩进为4个空格，使JSON层级更清晰# - ensure_ascii=False: 确保非ASCII字符（如中文）能正确显示json.dump(data, f, indent=4, ensure_ascii=False)

eq_data_1_day_m1_readable.json文件的说明：

    "type": "FeatureCollection","metadata": {  #主要是文件的相关信息"generated": 1550361461000,"url": "https://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/1.0_day.geojson",   #文件的地址"title": "USGS Magnitude 1.0+ Earthquakes, Past Day",   #文件的标题"status": 200,   #状态"api": "1.7.0","count": 158    #过去24h发生的地震的次数},....{"type": "Feature","properties": {   #和每次地震有关的信息"mag": 1.2,    #震级"place": "11km NNE of North Nenana, Alaska",  #地震发生的地点"time": 1550358909272,    #时间"updated": 1550359211283,"tz": -540,"url": "https://earthquake.usgs.gov/earthquakes/eventpage/ak0192641ikq","detail": "https://earthquake.usgs.gov/earthquakes/feed/v1.0/detail/ak0192641ikq.geojson","felt": null,"cdi": null,"mmi": null,"alert": null,"status": "automatic","tsunami": 0,"sig": 22,"net": "ak","code": "0192641ikq","ids": ",ak0192641ikq,","sources": ",ak,","types": ",geoserve,origin,","nst": null,"dmin": null,"rms": 0.94,"gap": null,"magType": "ml","type": "earthquake","title": "M 1.2 - 11km NNE of North Nenana, Alaska"},"geometry": {   #地震发生的位置"type": "Point","coordinates": [-148.9865,   #经度64.6673,    #维度0]},"id": "ak0192641ikq"},

2、提取地震数据

import json# 指定JSON文件路径，该文件包含地震数据
fileName = 'D:\\py_projects\\eq_data_1_day_m1_readable.json'# 打开并读取JSON文件内容
with open(fileName) as f:data = json.load(f)# 从JSON数据中提取所有地震信息，存储在列表中
all_eq_data = data['features']
print(len(all_eq_data))   #158   文件记录了158次地震# 初始化四个空列表，用于存储提取的地震数据
mags, title, lons, lats = [], [], [], []# 遍历所有地震数据，提取关键信息
for feature in all_eq_data:# 提取震级信息mags.append(feature['properties']['mag'])# 提取地震标题（包含地点等信息）title.append(feature['properties']['title'])# 提取经度坐标lons.append(feature['geometry']['coordinates'][0])# 提取纬度坐标lats.append(feature['geometry']['coordinates'][1])

3、绘制震级散点图

import json
import plotly.express as px  # 导入Plotly Express库用于数据可视化# 指定JSON文件路径，该文件包含地震数据
fileName = 'D:\\py_projects\\eq_data_1_day_m1_readable.json'# 打开并读取JSON文件内容
with open(fileName) as f:data = json.load(f)# 从JSON数据中提取所有地震信息，存储在列表中
# 'features'键包含了所有地震事件的详细信息
all_eq_data = data['features']
print(len(all_eq_data))   # 输出地震记录数量，此处为158条# 初始化四个空列表，用于存储提取的地震数据
mags, title, lons, lats = [], [], [], []# 遍历所有地震数据，提取关键信息
for feature in all_eq_data:# 提取震级信息（Magnitude）mags.append(feature['properties']['mag'])# 提取地震标题（包含地点、时间等信息）title.append(feature['properties']['title'])# 提取经度坐标（Longitude）lons.append(feature['geometry']['coordinates'][0])# 提取纬度坐标（Latitude）lats.append(feature['geometry']['coordinates'][1])# 使用Plotly Express创建散点图
# x轴为经度，y轴为纬度，展示全球地震分布
fig = px.scatter(x=lons,y=lats,labels={'x': 'longitude', 'y': 'latitude'},  # 设置坐标轴标签range_x=[-180, 180],  # 设置x轴范围（经度范围为-180到180度）range_y=[-90, 90],   # 设置y轴范围（纬度范围为-90到90度）width=800,           # 设置图表宽度height=800,          # 设置图表高度title='scatter plot of global earthquakes'  # 设置图表标题)# 将图表保存为HTML文件，支持交互式查看
fig.write_html('D:\\py_projects\\eq_data_1_day_m1_readable.html')# 在浏览器中显示图表
fig.show()

4、另一种指定数据的方式

import json
import plotly.express as px  # 导入Plotly Express库用于数据可视化
import pandas as pd  # 导入Pandas库用于数据处理和分析# 指定JSON文件路径，该文件包含地震数据
fileName = 'D:\\py_projects\\eq_data_1_day_m1_readable.json'# 打开并读取JSON文件内容
with open(fileName) as f:data = json.load(f)# 从JSON数据中提取所有地震信息，存储在列表中
# 'features'键包含了所有地震事件的详细信息
all_eq_data = data['features']
print(len(all_eq_data))   # 输出地震记录数量，此处为158条# 初始化四个空列表，用于存储提取的地震数据
mags, title, lons, lats = [], [], [], []# 遍历所有地震数据，提取关键信息
for feature in all_eq_data:# 提取震级信息（Magnitude）mags.append(feature['properties']['mag'])# 提取地震标题（包含地点、时间等信息）title.append(feature['properties']['title'])# 提取经度坐标（Longitude）lons.append(feature['geometry']['coordinates'][0])# 提取纬度坐标（Latitude）lats.append(feature['geometry']['coordinates'][1])# 使用Pandas DataFrame存储地震数据，便于后续处理和可视化
# zip函数将多个列表按元素位置组合成元组，columns参数指定列名
data = pd.DataFrame(data=zip(mags, title, lons, lats), columns=['震级', '位置', '经度', '纬度']
)# 使用Plotly Express创建散点图
# x轴为经度，y轴为纬度，点的大小表示震级
fig = px.scatter(data,                   # 指定数据源为Pandas DataFramex='经度',                # 设置x轴为经度列y='纬度',                # 设置y轴为纬度列range_x=[-180, 180],    # 设置经度范围（地球经度范围为-180到180度）range_y=[-90, 90],      # 设置纬度范围（地球纬度范围为-90到90度）width=800,              # 设置图表宽度为800像素height=800,             # 设置图表高度为800像素title='全球地震散点图',   # 设置图表标题size='震级',             # 使用震级列的值控制散点大小size_max=10,            # 设置散点最大尺寸为10像素
)# 将图表保存为HTML文件，支持交互式查看（可缩放、悬停显示详情等）
fig.write_html('D:\\py_projects\\eq_data_1_day_m1_readable.html')# 在浏览器中显示图表
fig.show()

5、过程解析

一、数据读取：从文件中获取原始数据

with open(fileName) as f:data = json.load(f)

• open(fileName)：打开文件，就像我们打开一个 Word 文档查看内容。
• json.load(f)：将 JSON 格式的文本转换为 Python 中的字典（data是一个大字典），这样程序就能通过 “键值对” 提取信息了。

二、数据提取：从原始数据中筛选有用信息

JSON 文件中的数据是结构化的（类似 “套娃” 的字典和列表），需要根据其内部结构 “按图索骥”，提取我们需要的信息（震级、经纬度等）。

1. 定位地震数据集合：
   all_eq_data = data['features']
   JSON 数据中，features这个键对应的值是一个列表，里面每个元素都是一次地震的详细信息（每个元素也是一个字典）。

2. 循环提取关键信息：
   遍历all_eq_data列表中的每个地震信息（feature），提取 4 类核心数据：

   • 震级：feature['properties']['mag']
     （properties是存储属性信息的字典，mag是 “震级” 的键）
   • 位置：feature['properties']['title']
     （title存储了地震发生的地点描述，如 “XX 海域附近”）
   • 经度：feature['geometry']['coordinates'][0]
     （geometry存储地理坐标，coordinates是经纬度的列表，第 1 个元素是经度）
   • 纬度：feature['geometry']['coordinates'][1]
     （coordinates列表的第 2 个元素是纬度）

3. 存储提取的信息：
   用 4 个列表（mags, title, lons, lats）分别存储所有地震的震级、位置、经度、纬度，相当于 “分类整理数据”。

三、数据处理：将信息转换为可视化所需格式

可视化工具（如 Plotly）更擅长处理结构化数据（类似 Excel 表格），因此需要将分散的列表数据转换为 “表格” 形式。

data = pd.DataFrame(data=zip(mags, title, lons, lats), columns=['震级', '位置', '经度', '纬度']
)

• zip(mags, title, lons, lats)：将 4 个列表 “对齐打包”，比如第 1 次地震的震级、位置、经纬度会被打包成一组数据。
• pd.DataFrame(...)：用 Pandas 创建一个 “表格”（DataFrame），列名分别为 “震级”“位置” 等，就像我们在 Excel 中整理数据一样。

四、数据可视化：用图表展示数据 

fig = px.scatter(data,  # 用上面创建的“表格”作为数据源x='经度', y='纬度',  # x轴放经度，y轴放纬度（对应地球表面的位置）size='震级',  # 点的大小由震级决定（震级越大，点越大）...  # 其他设置（如坐标轴范围、图表大小等）
)

• 散点图的本质：每个点代表一次地震，点的位置由 “经度 + 纬度” 决定（对应地球上的具体地点），点的大小反映震级（直观区分地震强度）。
• 为什么用经纬度？：经度（-180° 到 180°）和纬度（-90° 到 90°）是地球表面的 “坐标系统”，就像平面上的 X、Y 坐标，能唯一确定一个位置。

五、结果输出：保存和展示图表

• fig.write_html(...)：将图表保存为 HTML 文件，方便后续打开查看（支持交互，比如鼠标悬停看详情）。
• fig.show()：直接在浏览器中显示图表，即时查看效果

 6、定制标记的颜色，为震级添加渐变色

color='震级'

fig = px.scatter(data,x='经度',y='纬度',range_x=[-180, 180],  # 设置x轴范围（经度范围为-180到180度）range_y=[-90, 90],  # 设置y轴范围（纬度范围为-90到90度）width=800,  # 设置图表宽度height=800,  # 设置图表高度title='全球地震散点图',  # 设置图表标题size='震级',size_max=10,color='震级'
)

7、显示地震位置

hover_name='位置'

fig = px.scatter(data,x='经度',y='纬度',range_x=[-180, 180],  # 设置x轴范围（经度范围为-180到180度）range_y=[-90, 90],  # 设置y轴范围（纬度范围为-90到90度）width=800,  # 设置图表宽度height=800,  # 设置图表高度title='全球地震散点图',  # 设置图表标题size='震级',size_max=10,color='震级',hover_name='位置'
)