AI编程(七十一):地理数据可视化 — 让数据落到地图上

上一篇把文字、表格、图拼成了自动月报,但”华东 45 万、华南 32 万、西南 18 万”这行字,读完三秒就忘。今天只引入一个新概念:填色地图(choropleth)——数据按地名对号入座,数值大小变成省份的颜色深浅。零件还是那三样:pandas 管数据、plotly 出图、f-string 拼报告,只是这次出的图会”说话”:哪个省强哪个省弱,不用读数字,看一眼颜色就知道。

一、真实场景:区域销售数字,读完就忘

月报里有一节”分区销售情况”:华东 45 万、华南 32 万、华北 28 万、西南 18 万、东北 12 万。你念了一遍,老板问:”哪个省最弱?华东里谁拖了后腿?”你翻回原始表格,一行行找——数字在表格里是”一排平等的字”,谁强谁弱全靠脑子比大小。

隔壁组的月报里贴了一张中国地图:广东、江苏是深蓝,中部几省浅蓝,最弱的几个省几乎是白的。老板扫了一眼就说:”重点盯浅色那几个。”没读一个数字,结论已经出来了。

差别不在数据,在呈现的维度:表格是一维的列表,图是二维的对比,而地图多了一层人类刻在基因里的直觉——位置和深浅。你从小看天气预报的降水图、新闻里的疫情图,早就习惯”颜色深=数值大”。今天就让程序把你的数据画到地图上。

二、新概念:地图 = 底图 + 对号入座 + 颜色深浅

先破除一个迷思:画地图听起来要懂地理、懂测绘,其实程序只需要回答三个问题:

  1. 底图在哪? 省界线是现成的——一份叫 GeoJSON 的文件,本质就是”一堆描述各省边界坐标的 JSON 数据”。你不用画线,拿来当”图纸”就行(就像第 27 篇学 JSON 时说的:JSON 就是通用的数据打包格式,这里的包里装的是地图);
  2. 数据和底图怎么对上号? 按名字。你的表里写”广东省”,底图里每个省也带着自己的名字,plotly 拿你的”广东省”到底图里找同名的省,找到就给它上色——和 VLOOKUP 按名字查值是一个道理;
  3. 颜色深浅表示什么? 表示你指定的那一列数值。销售额 45 万深蓝、15 万浅蓝,色阶自动帮你分档。

对应的 plotly 调用就是 px.choropleth()(choropleth 读作”科罗普莱斯”,中文就叫填色地图),关键参数只有三个,正好一一对应:geojson=(底图)、locations= + featureidkey=(对号入座)、color=(颜色看哪列)。一句话总结:数据两列——地名、数值;剩下全是 plotly 的活。

三、动手:make_map.py,一张会说话的销售地图

第 1 步:数据 —— 只要两列,地名 + 数值

import pandas as pd

# 真实工作里换成 pd.read_csv("你的文件.csv")
sales = pd.DataFrame({
    "省份": ["广东省", "江苏省", "浙江省", "山东省", "四川省",
             "河南省", "湖北省", "辽宁省", "福建省", "湖南省"],
    "销售额": [45, 38, 33, 30, 26, 24, 21, 18, 16, 15],  # 单位:万元
})
print(sales)

注意地名用的是全称:”广东省”不是”广东”,”辽宁省”不是”辽宁”。为什么必须这样,坑 2 会详细打疫苗。

第 2 步:底图 —— 下载一次,存本地永久复用

import json
import urllib.request

# 阿里云 DataV 提供的全国省份边界(免费、国内访问快)
url = "https://geo.datav.aliyun.com/areas_v3/bound/100000_full.json"
with urllib.request.urlopen(url, timeout=10) as resp:
    china = json.loads(resp.read().decode("utf-8"))

# 关键动作:存到本地,以后不用再下载(坑 3 的疫苗)
with open("china.json", "w", encoding="utf-8") as f:
    json.dump(china, f, ensure_ascii=False)

print(f"底图里有 {len(china['features'])} 个省级区域")

urllib.request 是 Python 自带的,不用 pip 装任何东西(今天唯一的 pip 依赖还是上个阶段就装好的 plotly)。china 就是一个普通的字典——第 27 篇的手艺直接复用:china["features"] 是个列表,每个元素是一个省,省["properties"]["name"] 就是它的名字。地图的全部秘密,就是这么一份 JSON。

第 3 步:对号体检 —— 画图前先确认名字都对得上

# 体检:数据里的每个省,底图里都找得到吗?
names = {ft["properties"]["name"] for ft in china["features"]}
missing = [p for p in sales["省份"] if p not in names]
print("对不上号的:", missing)   # 期望输出:对不上号的: []

这三行是今天最值钱的代码(练习 3 会让你亲手体会为什么)。

第 4 步:填色出图

import plotly.express as px

fig = px.choropleth(
    sales,
    geojson=china,
    locations="省份",                  # 数据里当地名用的列
    featureidkey="properties.name",    # 底图里名字放在哪个字段
    color="销售额",                    # 颜色深浅看哪一列
    color_continuous_scale="Blues",    # 浅蓝 → 深蓝,越深越大
    hover_name="省份",
    labels={"销售额": "销售额(万元)"},
    title="各省销售额(万元)",
)
fig.update_geos(fitbounds="locations", visible=False)  # 只看有数据的地方
fig.write_html("销售地图.html")
print("地图已生成:销售地图.html")

双击打开 销售地图.html:鼠标停在广东上,悬停显示”广东省:45 万元”;滚轮放大缩小,深浅一目了然。你的数据正式落到地图上了。

第 5 步:拼进上一篇的月报流水线

地图变回”零件”的姿势和上篇的图完全一样:

chart_map = fig.to_html(full_html=False, include_plotlyjs=False)

把 chart_map 塞进上一篇 make_report.py 的 sections(比如新加一节”五、区域销售地图”),整份月报就多了会说话的地图。以后每次跑月报,地图随数据自动更新——这就是上一篇说的”流水线多一种新零件”。

顺带一提,下次运行直接读本地底图,不再联网:

with open("china.json", encoding="utf-8") as f:
    china = json.load(f)

四、跟AI说需求:把”画张地图”说成验收标准

把你的数据样例和需求发给 AI:

“我有各省销售额数据(贴 sales.head() 的输出,两列:省份、销售额)。用 pandas + plotly 画一张中国省份填色地图:颜色深浅表示销售额,悬停显示省份和带单位的数值,标题也带单位。底图用 GeoJSON(说明省份名在 properties.name 字段)。要求先做省份名对号体检,对不上号的要打印出来报错。代码完整可运行,关键行加中文注释,先说方案再给代码。”

它的方案里这几个点值得追问:

  • 让它解释 featureidkey="properties.name" 是干嘛的:合格的回答是”告诉 plotly 底图里每个区域的名字存放在哪个字段,拿它和数据的省份列对上号”。答不上来说明它在抄模板,你至少要知道每个参数是拧哪颗螺丝的;
  • 追一句”如果我的表里写的是’广东’不是’广东省’怎么办”:好的方案是给出对照字典或统一函数,并把对不上号的地名打印出来——而不是让地图静悄悄变白(白色事故见坑 2);
  • 问它”这张图怎么塞进我上一篇的 HTML 月报”:标准答案是 fig.to_html(full_html=False, include_plotlyjs=False),且 plotly.js 全报告只引一次。这题答错,你的月报又会胖成几十 MB。

五、四个必踩的坑(先打疫苗)

  1. 地图出来,中国缩在世界地图的一角,看不清。 plotly 默认给全球视野,中国只占一小块。疫苗:fig.update_geos(fitbounds="locations", visible=False)——按有数据的区域自动缩放,只显示地图内容不画经纬网格。偷懒的写法是 scope="asia",但亚洲视野下中国边上还挂着一圈邻国,不如 fitbounds 干净。
  1. 图出来了,但你标了 10 个省只有 6 个上色,剩下一片白,你以为是”销售额为零”。 真相多半是名字对不上号:底图里写”内蒙古自治区”,你表里写”内蒙古”;底图里写”北京市”,你表里写”北京”——对不上号的省,plotly 找不到就直接不上色,不报错、不提醒,静悄悄变白。疫苗:画图前先跑第 3 步的对号体检,missing 必须是空列表才动手画。别硬记哪些省带”市”哪些带”自治区”,让代码替你核对。顺带记住:白色是”没数据/没对上”,不等于零——真有销售额为零的省,它也该有自己的颜色档位。
  1. 底图每次运行都联网下载,断网当天程序就瘫。 GeoJSON 足有几百 KB,每次都从网上拿,慢且脆。疫苗:下载一次就 json.dump 存成本地 china.json,以后 json.load 读本地(第 2 步的代码已经这么写了)。报表流水线的底线是”任何时候跑都成功”,凡是能本地化的素材一律本地化。
  1. 悬停只显示一个数”45″,老板问”45 是啥”。 数值不带单位、标题不带口径,地图再漂亮也是哑谜。疫苗:标题写全”各省销售额(万元)”,labels 给悬停框里的字段名带上单位。图表的单位问题不分地图还是柱状图,但地图因为”看一眼就下结论”,单位缺失的误导性最强——看的人根本不会回去查表。

六、跟AI协作的正确姿势(地图特供版)

  1. 把你真实的地名样本喂给它。 “广东”还是”广东省”、”黑龙江”还是”黑龙江省”,你的数据你说了算。让 AI 基于真实样例写对照表或统一函数,并把对号体检写进代码——比事后发现一片白再返工省十倍时间。
  1. 让”下载底图”和”画图”分成两个函数。 load_map() 只管拿到底图(优先读本地),draw_map(df, china) 只管出图。底图是相对固定的素材,数据是天天变的——分开之后,换数据不用碰地图代码,换底图不用碰业务代码。
  1. 验收标准写成”三个随机悬停”。 让 AI 改完自己验证:随机挑三个省悬停,数值和原始表格逐一核对、单位一致、缺数据的省显示白色且你知道为什么。地图是最容易”看起来对”的图——一眼扫过去全是色块,错两个省根本看不出来,只能靠点名核对。

七、今日小练习

练习1:画你自己的第一张填色地图。 把文中的 make_map.py 整段复制,把 sales 换成你自己的数据(家庭开支按省、旅行足迹、甚至追星演唱会城市分布都行),跑出你的地图(提示:只要两列——地名用全称、数值是数字;打开 HTML 后悬停检查两三个省的数值对不对;想换配色就把 Blues 换成 Reds、Greens 或 YlOrRd)。

练习2:把地图拼进自动化月报。 打开上一篇的 make_report.py,在报告里加一节”五、区域销售地图”,把今天的地图嵌进去(提示:chart_map = fig.to_html(full_html=False, include_plotlyjs=False),照 charts 列表的格式加一项就自动排进报告;嵌进去后看报告文件大小,应该还是几百 KB——如果胖成几十 MB,回上篇的坑 1 找解药)。

练习3:亲手制造一次”一片白”事故。 故意把数据里”广东省”改成”广东”,再画一次图,观察它静悄悄变白;然后用对号体检代码把它抓出来并修复(提示:missing = [p for p in sales["省份"] if p not in names],事故前后各打印一次;生成了不等于生成对了,验一验——今天这三行体检代码值得存进你的工具箱,以后所有”按名字对号入座”的场景都用得上)。

下篇预告

下一篇(第72篇):阶段项目:数据仪表盘 — 一页看全貌。 可视化阶段收官:把数据表、静态图、交互图、今天的新地图,全部拼进一个”数据仪表盘”——一个网页,打开就是你的完整数据世界。四篇手艺在这一篇排队交货,你会做出整个系列到目前为止最像”作品”的东西。