我们的数据并非没有争议无需改革——用户须要确保 geoJSON 键与熊猫数据框架之间具有1:1的映射。下面就是之前实例所需的简明的数据框架映射：我们的国度信息是一个列有FIPS 码、国度名称、以及经济信息(列名省略)的 CSV 文件：

00000,US,United States,154505871,140674478,13831393,9,50502,100 
 
01000,AL,Alabama,2190519,1993977,196542,9,41427,100 
 
01001,AL,Autauga County,25930,23854,2076,8,48863,117.9 
 
01003,AL,Baldwin County,85407,78491,6916,8.1,50144,121 
 
01005,AL,Barbour County,9761,8651,1110,11.4,30117,72.7  

在 geoJSON 中，我们的国度外形是以 FIPS 码为id 的(感激 fork 自 Trifacta 的相干信息)。为了简便，实际外形已经做了简单，在示例数据可以找到完全的数据集：

我们须要匹配 FIPS 码，确保匹拍┞俘确，不然 Vega 无法精确的紧缩数据：

import json 
import pandas as pd 
#Map the county codes we have in our geometry to those in the 
#county_data file, which contains additional rows we don't need 
with open(county_geo, 'r') as f: 
    get_id = json.load(f) 
 
#Grab the FIPS codes and load them into a dataframe 
county_codes = [x['id'] for x in get_id['features']] 
county_df = pd.DataFrame({'FIPS_Code': county_codes}, dtype=str) 
 
#Read into Dataframe, cast to string for consistency 
df = pd.read_csv(county_data, na_values=[' ']) 
df['FIPS_Code'] = df['FIPS_Code'].astype(str) 
 
#Perform an inner join, pad NA's with data from nearest county 
merged = pd.merge(df, county_df, on='FIPS_Code', how='inner') 
merged = merged.fillna(method='pad') 
 
>>>merged.head() 
      FIPS_Code State       Area_name  Civilian_labor_force_2011  Employed_2011  \ 
    0      1001    AL  Autauga County                      25930          23854    	
			
 2/5   首页 上一页 1 2 3 4 5 下一页 尾页
	
			

　　推荐阅读
　　刘强东英文接受采访：我看重品质 所以模式与阿里不同
            
                       大年夜第一天起，刘强东(微博)就定下了一个准则，只和有名品牌合作。                刘强东称做自营最看重质量，并且自营体系须要很长时光构建，然后向第三方卖家开放，这也是>>>详细阅读


本文标题：10行Python代码创建可视化地图
地址：http://www.17bianji.com/lsqh/37136.html
 1/2    1