利用Python绘制酷炫OD流量图的新方法

DataCharm

发布于 2021-02-22 07:03:06

4K12

代码可运行

文章被收录于专栏：数据学术商业新闻数据学术商业新闻

运行总次数：2

代码可运行

在百度迁徙的文章里，我们画的OD地图是这样的：

这个看着其实也还行，不过仔细观察也会发现几个小问题：

1. OD线的粗细代表了流量的大小，但没有加图例，难以有客观的认识；

2. 由于OD线是直线，双向的OD会重叠在一起，比如上海到北京和北京到上海的OD线是重合的，在图面上无法区分。

为了解决这些问题，应对方法一般是：

1. 对流量大小利用颜色或者粗细进行区分，并且为了图面整体的协调，最好先对流量进行分组（自然断点法）。

2. 将OD的直线改为曲线，这样双向OD即可区分开来，并且更加美观。

先展示一下利用以上思路绘制的OD图：

这里用到的数据是按照一定规则随机生成的C市出租车的OD数据，以街道为交通小区进行OD的集计处理。下面讲一下主要的思路：

这里主要用到了matplotlib的ax.annotate命令，利用这个命令，我们可以画出各种各样的弧线：

这里抄一段官方tutorial的代码。

import matplotlib.pyplot as plt
def demo_con_style(ax, connectionstyle):
    x1, y1 = 0.3, 0.2
    x2, y2 = 0.8, 0.6

    ax.plot([x1, x2], [y1, y2], ".")
    ax.annotate("",
                xy=(x1, y1), xycoords='data',
                xytext=(x2, y2), textcoords='data',
                arrowprops=dict(arrowstyle="->", color="0.5",
                                shrinkA=5, shrinkB=5,
                                patchA=None, patchB=None,
                                connectionstyle=connectionstyle,
                                ),
                )

    ax.text(.05, .95, connectionstyle.replace(",", ",\n"),
            transform=ax.transAxes, ha="left", va="top")


fig, axs = plt.subplots(3, 5, figsize=(8, 4.8))
demo_con_style(axs[0, 0], "angle3,angleA=90,angleB=0")
demo_con_style(axs[1, 0], "angle3,angleA=0,angleB=90")
demo_con_style(axs[0, 1], "arc3,rad=0.")
demo_con_style(axs[1, 1], "arc3,rad=0.3")
demo_con_style(axs[2, 1], "arc3,rad=-0.3")
demo_con_style(axs[0, 2], "angle,angleA=-90,angleB=180,rad=0")
demo_con_style(axs[1, 2], "angle,angleA=-90,angleB=180,rad=5")
demo_con_style(axs[2, 2], "angle,angleA=-90,angleB=10,rad=5")
demo_con_style(axs[0, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=0")
demo_con_style(axs[1, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=5")
demo_con_style(axs[2, 3], "arc,angleA=-90,angleB=0,armA=0,armB=40,rad=0")
demo_con_style(axs[0, 4], "bar,fraction=0.3")
demo_con_style(axs[1, 4], "bar,fraction=-0.3")
demo_con_style(axs[2, 4], "bar,angle=180,fraction=-0.2")

for ax in axs.flat:
    ax.set(xlim=(0, 1), ylim=(0, 1), xticks=[], yticks=[], aspect=1)
fig.tight_layout(pad=0.2)

plt.show()