创建一个在每个多边形质心中都有饼图的choropleth贴图。
choropie的Python项目详细描述
choropie
==============
>版本号：0.0.3
>作者：文森特尼科拉耶夫
/>
aBasemap/MatPlotLib工具包，允许使用shapefile简化创建带色条的choropleth贴图，以及在形状文件多边形的质心坐标内组合绘制饼图。
*容易插入色条。
*在每个SHP文件的多边形质心绘制饼图。
*使用饼图的大小，甚至每个饼图的大小（即其半径的长度），可视化额外的功能。
*将主轴限制在特定区域（缩放到区域）。
*使用地理坐标系转换多边形和饼图。
*使用多边形上的偏移进行轻微平移。
*基映射类继承。
*访问matplotlib对象。
示例：
——
不带大小数据：
<；img src="https://user-images.githubusercontent.com/30331170/3305049-ebfc0cd2-ce30-11e7-92df-84269f423ea8.png"width="60%"/>；
带大小数据：
<；img src="https://user-images.githubusercontent.com/30331170/33052907-04C44316-CE3F-11E7-9BB0-D3C426502DE4.png"width="60%"/>；
img src="https://user-images.githubusercontent.com/30331170/3305018-b200156e-ce30-11e7-9ffa-b58885df2062.png"width="60%"/>；
安装
----
要安装，请使用pip（尚未）：
$pip install choropie
或克隆repo:
$git clone https://github.com/vinceniko/choropie.git
$python setup.py install
basic用法
----
此示例使用取自<；https://www.kaggle.com/the guardian/the counted>；的数据和美国人口普查数据，包括：每个州的人口，每个州的每个种族的人口。
*免责声明：用于呈现以种族为中心的数据的颜色并不反映任何一种思想。我意识到有些人可能觉得使用这些颜色是冒犯，但没有暗示或意图冒犯。选择的颜色只是用来更好地解释在下面的解释中引入的概念。
=cp.get_shp_attributes（shp_file）提取shp属性（与basemap相同。"area"_info）
shp_key=cp.find_shp_key（df_state['counts'）。索引，shp_lst）确定哪个shp属性与将用于绘图的区域名称索引匹配
basemap=dict（
basemap_kwargs=dict（
llcrnrlon=-119，llcrnrlat=22，urcrnlon=-64，urcrnlat=49，projection=-lcc，lat_1=33，lat_2=45，lon_0=-95
），
shp_file=/cb_2016_美国州_500k/cb_2016_美国州_500k'，
shp_key='name'，
figsize=（22，12），
）
choro=dict（
num_colors=8，
cmap='hot_r'，
color_data=df state['counts']，
）
pie=dict（
大小数据=df_state["人均"]，
大小比率=df_race["人均"]，
pie_data=df_race["人均"]，
pie_dict={亚洲人'："黄"，"黑"，"西班牙人'："棕"，"美洲土著人'："红"，"太平洋海洋人"："紫"，"白色"："白色"}，
比例系数=1，
比例系数=1/2
）
test=cp.choro pie（**basemap）
test.choro图（**choro）
test.pie图（**pie）
test.insert_colorbar（colorbar_title='map:count of killings'，colorbar_loc_kwargs=dict（location='right'））
test.insert_pie_legend（legend_loc='lower right'，pie_legend_kwargs=dict（title='pies:racial breakdown'）
`````
参数解释：
其中colorb数据和大小数据是熊猫以SHP文件中使用的区域名称作为索引的单个索引系列。
即
area_name人均比率
--作为第二个索引。
areau name种族种族种族;阿拉巴马注释-
*choropie类继承直接从基础地图。
*饼图是可选的。如果绘制了pie，那么size_数据和size_比率都是可选的。并不是所有的馅饼都必须被绘制出来（如果它变得太杂乱…尽管在这种情况下，你可以调用zoom_to_area方法）。
*choropleth绘图是可选的。
*pie_dict参数为每个饼图切片选择颜色。
结果：
<；img src="https://user-images.githubusercontent.com/30331170/3305018-b200156e-ce30-11e7-9ffa-b58885df2062.png"width="100%"/gt；
加州是警察杀人最多的地方。
2。加利福尼亚州的警察杀人率并不是最高的，新墨西哥州等州的警察杀人率也在前几位。
3。在大多数州，死亡人数最多的种族是白人。
4。尽管如此，在俄克拉荷马州和密苏里州，当根据每个种族的人口差异进行调整时，更多的黑人被按比例杀害。
其他功能的说明：
<；img src="https://user-images.githubusercontent.com/30331170/33150972-f0d7bf66-cfa3-11e7-9337-29cca69af4a7.png"width="25%"/gt；
*大小数据缩放每个饼图相对于其他饼图的总直径。
<；img src="https://user-images.githubusercontent.com/30331170/33150962-e629ca50-cfa3-11e7-97ed-6130e632bb6f.png"width="25%"/>；
*大小比率缩放图表中相对于其他饼图切片的切片大小（或其半径的长度）。
<；img src=https://user-images.githubusercontent.com/30331170/33052934-2f5ad324-ce3f-11e7-8e0c-2fb3f459aa29.png width="50%"/>；
`````
df state=df primary[df primary['state']='new york']
queery=df state.set_index（'county'）。loc[['queens'，'bronx'，'brooklyn'，'manhattan'，'staten岛，洛克兰德，韦斯特切斯特，橙色，'putnam']['fips'].unique（）.astype（int）
测试.缩放到区域（[str（num）表示皇后区的num]）
````
*传递一个区域名列表以缩放到区域，将主轴约束到这些区域的最小和最大坐标之间的差异（在本例中，此方法允许我们将主结果图像中的piecharts向页面顶部取消排序）。此后，调用zoom_home重置轴限制。
*有多种方法可用于轻松有效地转换多边形和饼图。（例如）请参阅夏威夷和阿拉斯加是如何在上述图像中绘制的）。
欢迎加入QQ群-->： 979659372
