数据可视化

visualization_data(data[, col, accuracy, ...])

输入是数据点，此函数将聚合然后可视化

visualization_trip(trajdata[, col, zoom, height])

输入的是轨迹数据和列名。

visualization_od(oddata[, col, zoom, ...])

输入是OD数据和列。

在jupyter中显示可视化的设置

TransBigData包也依托于 kepler.gl 提供的可视化插件提供了一键数据整理与可视化的方法
使用此功能请先安装python的keplergl包
pip install keplergl

如果要在jupyter notebook中显示可视化，则需要勾选jupyter-js-widgets（可能需要另外安装）和keplergl-jupyter两个插件

_images/jupytersettings.png

数据点分布可视化

transbigdata.visualization_data(data, col=['lon', 'lat'], accuracy=500, height=500, maptype='point', zoom='auto')

输入是数据点，此函数将聚合然后可视化

参数:

  • data (DataFrame) – 数据点

  • col (List) – 列名。用户可以按[经度，纬度]的顺序选择非权重的起点-目的地（OD）数据。为此，聚合是自动的。或者，用户也可以输入加权OD数据，按[经度、纬度、计数]的顺序排列。

  • zoom (number) – 地图缩放级别（可选）。

  • height (number) – 地图框的高度

  • accuracy (number) – 栅格大小

  • maptype (str) – 地图类型，‘点’或‘热图’

返回:

vmap – keplergl 提供的可视化

返回类型:

keplergl.keplergl.KeplerGl

轨道可视化

transbigdata.visualization_trip(trajdata, col=['Lng', 'Lat', 'ID', 'Time'], zoom='auto', height=500)

输入是轨迹数据和列名称。输出是基于开普勒的可视化结果

参数:

  • trajdata (DataFrame) – 轨迹点数据

  • col (List) – 列名称，按 [经度、纬度、车辆 ID、时间] 的顺序排列

  • zoom (number) – 地图缩放级别

  • height (number) – 地图框的高度

返回:

vmap – keplergl 提供的可视化

返回类型:

keplergl.keplergl.KeplerGl

OD可视化

transbigdata.visualization_od(oddata, col=['slon', 'slat', 'elon', 'elat'], zoom='auto', height=500, accuracy=500, mincount=0)

输入是 OD 数据和列。输出是基于开普勒的可视化结果

参数:

  • oddata (DataFrame) – 外径数据

  • col (List) – 列名。用户可以按[原点经度、原点纬度、目的地经度、目的地纬度]的顺序选择非权重的起点-目的地（OD）数据。为此，聚合是自动的。或者，用户也可以输入加权OD数据，按[原点经度、原点纬度、目的地经度、目的地纬度、计数]的顺序排列。

  • zoom (number) – 地图缩放级别（可选）。

  • height (number) – 地图框的高度

  • accuracy (number) – 栅格大小

  • mincount (number) – 最小OD数，OD数少的不显示

返回:

vmap – keplergl 提供的可视化

返回类型:

keplergl.keplergl.KeplerGl