python - 如何在 plotly scattergeo 中自定义颜色条？

Question

我从 NASA 地球数据网站（南美洲的火灾）中提取了一些火灾数据，并将这些数据绘制在世界地图上。我使用颜色条来显示每个火焰的亮度。

火的亮度变化与全色阶范围不对应，并且大多数火的颜色相同（黄色）。这是我的代码：

import csv

from plotly.graph_objs import Scattergeo, Layout
from plotly import offline

filename = 'data/MODIS_C6_South_America_24h.csv'
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    print(header_row)

    # Get latitudes, longitudes and brightness from this file.

    lats, lons, brights = [], [], []
    for row in reader:
        lat = float(row[0])
        lats.append(lat)
        lon = float(row[1])
        lons.append(lon)
        bright = float(row[2])
        brights.append(bright)

# Map the fires
data = [{
    'type': 'scattergeo',
    'lon': lons,
    'lat': lats,
    'marker': {
        'size': [1/30* bright for bright in brights],
        'color': brights,
        'colorscale': 'Inferno',
        'reversescale': True,
        'colorbar': {'title': 'Brightness'},
    },
}]
my_layout = Layout(title='South America Fires\npast 24 hours')

fig = {'data': data, 'layout': my_layout}
offline.plot(fig, filename='south_america_fires.html')

我可以以某种方式更改色阶的限制，以便标记具有更广泛的颜色范围并且更好地区分吗？还是有更好的策略？

标签： pythonplotlyplotly-python

Answer 1

火焰亮度的变化与全色阶范围不对应

是的，他们有。看看你的数据的更简单的可视化：

图 1： Seaborn 分布图

代码 1： Seaborn 分布图

import seaborn as sns
import numpy as np
sns.set(color_codes=True)
sns.distplot(tuple(brights))

您的情节最终看起来如此，原因有以下三个：

1. 周围有很多观察brightness = 330
2. 对更明亮的火灾的观察很少
3. 最重要的是，标记会按照它们在数据集中出现的顺序添加到绘图中。

因此，如果您只是对数据进行排序以确保较亮的火焰不会被较不明亮的火焰覆盖，您将得到：

*图2：brights使用排序brights.sort()

我认为应该解决这个问题：

[...] 以便标记具有更广泛的颜色范围并更好地区分？

所以真的没有必要担心这个：

我可以以某种方式更改色阶的限制 [...]

您也可以考虑对数据进行日志重新编码。我测试了它，但它并没有产生太大的视觉差异。请注意，我删除了该'size': [1/60* bright for bright in brights]部分。我认为情节 2 看起来比这更好：

完整代码：

import csv

from plotly.graph_objs import Scattergeo, Layout
from plotly import offline

filename = 'C:\\pySO\\MODIS_C6_South_America_24h.csv'
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    print(header_row)

# Get latitudes, longitudes and brightness from this file.

    lats, lons, brights = [], [], []
    for row in reader:
        lat = float(row[0])
        lats.append(lat)
        lon = float(row[1])
        lons.append(lon)
        bright = float(row[2])
        brights.append(bright)

brights.sort()

# Map the fires
data = [{
    'type': 'scattergeo',
    'lon': lons,
    'lat': lats,
    'marker': {
        #'size': [1/60* bright for bright in brights],
        'color': brights,
        #'color': brights.sort(),
        'colorscale': 'Inferno',
        'reversescale': True,
        'colorbar': {'title': 'Brightness'},
    },
}]
my_layout = Layout(title='South America Fires\npast 24 hours')

fig = {'data': data, 'layout': my_layout}
offline.plot(fig, filename='south_america_fires.html')