使用交互式地图和动画可视化伦敦的自行车流动性（下）

前文回顾：使用交互式地图和动画可视化伦敦的自行车流动性（上）

密度图

上面的代码使用了一种动态的颜色方案，这取决于站点的容量。我们还可以根据每个站点的出发和到达次数，为这些圆形标记实现动态半径方案。我们可以得到我们所称的密度图，显示每个车站的净出发/到达人数。

def DensityMap(stations, cnt_departure, cnt_arrival):

London = [51.506949, -0.122876]

  map = folium.Map(location = London,
                   zoom_start = 12,
                   tiles = "CartoDB dark_matter")

  stations['Total Departure'] = cnt_departure
  stations['Total Arrival'] = cnt_arrival

for index, row in stations.iterrows():
    net_departure = row['Total Departure'] - row['Total Arrival']

    _radius = np.abs(net_departure)
    if np.isnan(_radius):
      _radius = 0

    if net_departure > 0:
      _color= '#E80018' # target red
    else:
      _color= '#81D8D0' # tiffany blue

    lat, lon = row['lat'], row['lon']
    _popup = '('+str(row['capacity'])+'/'+str(int(_radius))+') '+row['station_name']
    folium.CircleMarker(location = [lat,lon],
                        radius = _radius,
                        popup = _popup,
                        color = _color,
                        fill_opacity = 0.5).add_to(map)

  return map

我在这里使用了一种不同的配色方案(target red和tiffany blue在美国都是注册商标的颜色)来显示某个车站的发车数量是否大于或小于进站数量。大圈标记表示较大的出发-到达差异。

让我们看看早上和晚上高峰时间的密度地图:

# Select peak hours

TimeSlice = [25,53] # morning and evening
keyword = ['map_morning', 'map_evening']

# Journeys depart between 0820 and 0859, and between 1740 and 1819
for ts, kw in zip(TimeSlice, keyword):
  df_1 = df[df["TimeSlice"] == ts]
  df_2 = df[df["TimeSlice"] == (ts+1)]
  df_target = df_1.append(df_2)

  cnt_departure = df_target.groupby("id_start").count().iloc[:,0]
  cnt_arrival = df_target.groupby("id_end").count().iloc[:,0]

  vars()[kw] = DensityMap(stations, cnt_departure, cnt_arrival)

密度图可以在https://edenau.github.io/maps/Density-morning/和https://edenau.github.io/maps/Density-weight/上找到。

连接图

前面提到的所有地图都只关注站点，而不是行程，但是我们也可以通过所谓的连接地图来可视化行程，通过简单地在地图上绘制完成的行程。没有深入研究很多细节:

我们还可以通过folium.LayerControl（）添加多个连接层，以分隔经常使用和不经常使用的路径层。

连接图可以在https://edenau.github.io/maps/connection-morning-layers/上找到。

动画

到目前为止，我们已经演示了如何通过图表来可视化时间和分布信息，以及通过各种地图来可视化空间信息。但是如果我们在连续的时间实例上生成多个映射呢？我们可以使用动画可视化时空信息！

生成的地图是.html文件中的web地图。其目的是：

为每个时间实例生成一个地图，在web浏览器上浏览，截图并保存图片，然后将所有图片链接一起作为视频或.gif文件。

我们将通过selenium实现web浏览和屏幕捕获过程的自动化。。我们还需要一个网络驱动程序，作为一个Chrome用户，我选择了Chrome driver。

from selenium import webdriver

def a_frame(i, frame_time, data):
    my_frame = get_image_map(frame_time, data)

    # Save the web map   
    delay = 5 # give it some loading time
    fn = 'frame_{:0>5}'.format(i)
    DIR = 'frames'
    f = DIR + '/' + fn + '.html'
    tmpurl='file://{path}/{mapfile}'.format(path=os.getcwd()+
'/frames',mapfile=fn)
    my_frame.save(f)

    # Open the web map and take screenshot
    browser = webdriver.Chrome()
    browser.get(tmpurl)
    time.sleep(delay)
    f = DIR + '/' + fn + '.png'
    browser.save_screenshot(f)
    browser.quit()
    f = 'frames/frame_{:0>5}.png'.format(i)
    image = Image.open(io.BytesIO(f))
    draw = ImageDraw.ImageDraw(image)
    font = ImageFont.truetype('Roboto-Light.ttf', 30)

   

    # Add text on picture
    draw.text((20, image.height - 50),
              'Time: {}'.format(frame_time),
              fill=(255, 255, 255),
              font=font)
   
    # Write the .png file
    dir_name = "frames"
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
    image.save(os.path.join(dir_name, 'frame_{:0>5}.png'.format(i)), 'PNG')

    return image

然后我们可以用ffmpeg制作视频或gif。对于Mac用户来说，安装ffmpeg在自制软件的帮助下几乎不费什么力气

自制程序会安装你需要的东西，而苹果不会。

安装Homebrew（使用单个命令）后，只需键入

$ brew install ffmpeg

还有，喂！要创建.mp4文件，请尝试

$ ffmpeg -r 10 -i frames/frame_%05d.png -c:v libx264 -vf fps=25 -crf 17 -pix_fmt yuv420p video.mp4

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!