使用 Plotly 在 Python 中绘制气泡地图(Bubble Maps):Plotly Express 与 go.Scattergeo 的完整实战指南

原创2026-09-20 22:58:301,639 阅读
文章标签:数据可视化图表库数据分析

使用 Plotly 在 Python 中绘制气泡地图(Bubble Maps):Plotly Express 与 go.Scattergeo 的完整实战指南

本指南围绕 Plotly 官方文档的 Bubble Maps 主题展开,讲解如何在当前 plotly.py 项目中用 px.scatter_geo 一行代码快速生成气泡地图、通过 animation_frame 制作随时间演变的气泡动画,以及使用底层图对象 go.Scattergeo 精细化控制气泡大小(sizeref/sizemode)、配色、多子图叠加与底图(go.layout.Geo)外观。读完本文,你将掌握气泡地图从数据列映射、尺寸缩放到多图层配制的完整实战方案,并能直接运行文中的所有示例。

气泡地图的本质:地理散点图 + 尺寸编码

气泡地图(Bubble Map)是地理散点图(geographic scatter plot)的一种变体:每个数据行在地图上对应一个标记点,标记点的位置由经度/纬度(lon/lat)或地理位置标识(locations)决定,标记点的面积或直径则编码第三个数值维度(例如人口、病例数)。

在当前仓库中,气泡地图可以由以下 API 之一创建,它们最终都会落到地理 trace 上:

无论使用哪种方式,只要图中包含上述 trace,就会在 figure 中携带一个 go.layout.Geo 对象,用于控制底图的外观(如投影方式、地图范围、海岸线、陆地颜色等),数据层则叠加在底图之上。从源码可以看到,px.scatter_geo 实际就是 go.Scattergeo 的薄封装:在 plotly/express/_chart_types.py 中,它把参数原样交给 make_figure,并以 constructor=go.Scattergeo 构造 trace:

return make_figure(
    args=locals(),
    constructor=go.Scattergeo,
    trace_patch=dict(locationmode=locationmode),
)

因此,理解 px.scatter_geo 的每个参数,等价于理解 go.Scattergeo 对应的 trace 属性。

用 Plotly Express 快速生成气泡地图

Plotly Express 是 Plotly 的高层、易用接口,它能处理多种类型的数据输入(长格式、宽格式、NumPy 数组、Pandas DataFrame 等),并生成易于样式定制的 figure。使用 px.scatter_geo 时,DataFrame 的每一行被表示为一个标记点,其中传入 size 参数的列决定标记点的大小。

以下示例使用内置数据集 px.data.gapminder(),筛选 2007 年的数据,将每个国家的 pop(人口)映射为气泡大小:

import plotly.express as px
df = px.data.gapminder().query("year==2007")
fig = px.scatter_geo(df, locations="iso_alpha", color="continent",
                     hover_name="country", size="pop",
                     projection="natural earth")
fig.show()

这个例子里用到的参数及其作用如下:

参数 作用 对应 go.Scattergeo 属性
locations 指定包含地理位置标识的列,例如 ISO 3166-1 alpha-3 国家代码(iso_alpha) locations
locationmode 说明 locations 值的匹配方式(如 ISO-3、USA-states、country names、geojson-id),未指定时由 Plotly 自动推断 locationmode
color 指定一列离散或连续数据,映射为标记颜色;离散数据生成图例分组 marker.color + 图例分组
hover_name 指定一列作为悬停提示的标题,例如国家名 hovertext 相关
size 指定一列数值数据,映射为标记点大小(气泡地图的核心) marker.size
projection 指定地图投影方式,例如 natural earth、mercator、equirectangular 等 geo.projection.type
animation_frame 指定一列作为动画帧,生成随时间演变的动画(见下节) 通过 frames 实现

从 scatter_geo 的完整函数签名(plotly/express/_chart_types.py)还可以看到更多可选参数:lat/lon(直接指定经纬度列)、geojson/featureidkey(用于 GeoJSON 区域匹配)、symbol(符号映射)、facet_row/facet_col(分面)、hover_data/custom_data(附加悬停数据)、size_max(控制缩放后气泡的最大像素直径)、scope(地图范围,如 world、usa、africa)、center(中心点)、fitbounds(自动缩放至数据边界)、basemap_visible(是否显示底图)以及 title/subtitle/template/width/height 等通用样式参数。

气泡地图动画:用 animation_frame 展示时间演变

把 animation_frame 指定为年份列(如 year),Plotly 会自动按该列取值切分数据帧,生成带播放条(play/pause 控件与滑杆)的动画气泡地图。仍以 gapminder 数据为例,不筛选年份,直接展示 1952–2007 年全球人口气泡随时间的演变:

import plotly.express as px
df = px.data.gapminder()
fig = px.scatter_geo(df, locations="iso_alpha", color="continent",
                     hover_name="country", size="pop",
                     animation_frame="year",
                     projection="natural earth")
fig.show()

动画机制说明:animation_frame="year" 会让 make_figure 按 year 的唯一值将数据拆分成若干帧(frames),每一帧对应一个年份的气泡布局;播放条可以前后拖动,animation_group 参数还可额外指定在帧之间保持"同一个对象"的列(例如国家名),使标记在帧切换时平滑过渡而非闪烁重排。

使用 go.Scattergeo 精细绘制气泡地图

当需要对每个 trace、每个标记的细节做底层控制时,可以直接使用图对象 go.Scattergeo。这一节展示两个经典案例。

美国城市人口气泡图:掌握 sizeref 缩放公式

go.Scattergeo 的标记大小由 marker.size 指定,但原始数值(如人口)往往过大或过小,直接用作像素直径并不合适,因此需要借助 sizeref 缩放。关于 sizeref 有三个关键要点:

  1. 推荐公式:为将气泡缩放到期望的最大直径,建议用以下公式计算 sizeref:

    sizeref = 2. * max(array of size values) / (desired maximum marker size ** 2)
    
  2. 缩放方向:sizeref 大于 1 会减小渲染出的标记尺寸;sizeref 小于 1 会增大标记尺寸。

  3. 配合 sizemode:建议同时把 sizemode 设置为 area,即让标记面积与数值成正比(而非直径),这在视觉上更符合"气泡大小代表数量"的直觉。sizemin 可设定渲染的最小标记尺寸,避免小气泡过小不可见。

这三个属性在源码中均有对应定义(plotly/graph_objs/scattergeo/_marker.py):size 为数值或数值数组,sizemin/sizeref 为数值,sizemode 为枚举(可取值包括 diameter、area)。

下面的示例读取 2014 年美国城市人口数据,将城市按人口规模分为 5 个区间,每段区间使用一种颜色、单独一条 trace,并将人口除以 scale=5000 作为 size,配合 sizemode='area' 让气泡面积直观反映人口:

import plotly.graph_objects as go

import pandas as pd

df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/2014_us_cities.csv')
df.head()

df['text'] = df['name'] + '<br>Population ' + (df['pop']/1e6).astype(str)+' million'
limits = [(0,3),(3,11),(11,21),(21,50),(50,3000)]
colors = ["royalblue","crimson","lightseagreen","orange","lightgrey"]
cities = []
scale = 5000

fig = go.Figure()

for i in range(len(limits)):
    lim = limits[i]
    df_sub = df[lim[0]:lim[1]]
    fig.add_trace(go.Scattergeo(
        locationmode = 'USA-states',
        lon = df_sub['lon'],
        lat = df_sub['lat'],
        text = df_sub['text'],
        marker = dict(
            size = df_sub['pop']/scale,
            color = colors[i],
            line_color='rgb(40,40,40)',
            line_width=0.5,
            sizemode = 'area'
        ),
        name = '{0} - {1}'.format(lim[0],lim[1])))

fig.update_layout(
        title_text = '2014 US city populations<br>(Click legend to toggle traces)',
        showlegend = True,
        geo = dict(
            scope = 'usa',
            landcolor = 'rgb(217, 217, 217)',
        )
    )

fig.show()

这个示例同时展示了几个实用技巧:

  • locationmode='USA-states' 表示按美国州名匹配位置;此时坐标通过 lon/lat 直接给定(可参考 locationmode 属性文档,见 plotly/graph_objs/_scattergeo.py);
  • text 使用 HTML 片段(<br> 换行)构建多行悬停文本;
  • 通过 limits 分段与循环,把同一数据源拆成多条 trace,并用 name 生成图例分组,点击图例即可开关对应人口区间的气泡;
  • update_layout 中把 geo.scope 设为 usa、landcolor 设为浅灰色,只聚焦美国本土区域。

西非埃博拉病例地图:多坐标系叠加(geo + geo2)

第二个经典案例是 2014 年西非埃博拉疫情地图。它展示了更复杂的图对象能力:同一张图中配置两个 Geo 坐标系(geo 与 geo2),用大图展示按月推移的病例气泡,用左下角"插图(inset)"小图叠加 9 月份病例的 go.Choropleth 区域着色:

import plotly.graph_objects as go

import pandas as pd

df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/2014_ebola.csv')
df.head()

colors = ['rgb(239,243,255)','rgb(189,215,231)','rgb(107,174,214)','rgb(33,113,181)']
months = {6:'June',7:'July',8:'Aug',9:'Sept'}

fig = go.Figure()

for i in range(6,10)[::-1]:
    df_month = df.query('Month == %d' %i)
    fig.add_trace(go.Scattergeo(
            lon = df_month['Lon'],
            lat = df_month['Lat'],
            text = df_month['Value'],
            name = months[i],
            marker = dict(
                size = df_month['Value']/50,
                color = colors[i-6],
                line_width = 0
            )))

df_sept = df.query('Month == 9')
fig['data'][0].update(mode='markers+text', textposition='bottom center',
                      text=df_sept['Value'].map('{:.0f}'.format).astype(str)+' '+\
                      df_sept['Country'])

# Inset
fig.add_trace(go.Choropleth(
        locationmode = 'country names',
        locations = df_sept['Country'],
        z = df_sept['Value'],
        text = df_sept['Country'],
        colorscale = [[0,'rgb(0, 0, 0)'],[1,'rgb(0, 0, 0)']],
        autocolorscale = False,
        showscale = False,
        geo = 'geo2'
    ))
fig.add_trace(go.Scattergeo(
        lon = [21.0936],
        lat = [7.1881],
        text = ['Africa'],
        mode = 'text',
        showlegend = False,
        geo = 'geo2'
    ))

fig.update_layout(
    title = go.layout.Title(
        text = 'Ebola cases reported by month in West Africa 2014<br> \
Source: <a href="https://data.hdx.rwlabs.org/dataset/rowca-ebola-cases">\
HDX</a>'),
    geo = go.layout.Geo(
        resolution = 50,
        scope = 'africa',
        showframe = False,
        showcoastlines = True,
        landcolor = "rgb(229, 229, 229)",
        countrycolor = "white" ,
        coastlinecolor = "white",
        projection_type = 'mercator',
        lonaxis_range= [ -15.0, -5.0 ],
        lataxis_range= [ 0.0, 12.0 ],
        domain = dict(x = [ 0, 1 ], y = [ 0, 1 ])
    ),
    geo2 = go.layout.Geo(
        scope = 'africa',
        showframe = False,
        landcolor = "rgb(229, 229, 229)",
        showcountries = False,
        domain = dict(x = [ 0, 0.6 ], y = [ 0, 0.6 ]),
        bgcolor = 'rgba(255, 255, 255, 0.0)',
    ),
    legend_traceorder = 'reversed'
)

fig.show()

这个案例值得拆解的技术点:

  • 按月循环追加 trace:range(6,10)[::-1] 按 6→9 月倒序循环([::-1] 逆序保证绘制时图例顺序为 June、July、Aug、Sept 的视觉期望),每月数据用 df.query('Month == %d' %i) 过滤,病例数 Value/50 作为 size,并按月份取不同色阶颜色;
  • 后处理首条 trace:fig['data'][0].update(mode='markers+text', ...) 把第一条(9 月)trace 改为"标记+文本"模式,在气泡下方居中标注"病例数 国家名";
  • 双坐标系叠加:通过给 trace 传 geo='geo2',将 go.Choropleth(9 月各国病例着色)与一个纯文本 Scattergeo 标签绑定到第二个地图坐标系 geo2,再用 domain 把 geo2 缩放到左下角作为插图;
  • go.layout.Geo 底图配置:resolution=50 指定地图边界分辨率(50 或 110)、scope='africa' 限定非洲、projection_type='mercator' 用墨卡托投影、lonaxis_range/lataxis_range 裁剪经纬度显示范围、showframe=False 隐藏边框、showcoastlines/countrycolor/coastlinecolor 控制海岸线与国界样式;
  • legend_traceorder='reversed' 反转图例顺序,使月份在图例中从旧到新排列。

底图配置速查:go.layout.Geo 常用参数

气泡地图的"底图"由 go.layout.Geo 控制,既可以通过 px.scatter_geo 的 projection/scope/center/fitbounds/basemap_visible 等参数快捷设置,也可以通过 fig.update_layout(geo=dict(...)) 或 fig.update_geos(...) 精细调整。结合上文两个案例,常用配置参数汇总如下:

参数 作用 常用取值
scope 地图显示范围 world、usa、europe、asia、africa、north america、south america
projection_type 投影方式 natural earth、mercator、equirectangular、orthographic、azimuthal equal area 等
resolution 地图边界数据分辨率 50、110
lonaxis_range / lataxis_range 裁剪经纬度显示范围 如 [-15.0, -5.0] / [0.0, 12.0]
domain 坐标系在画布中的布局区域 dict(x=[0, 1], y=[0, 1]),可据此做多坐标系插图
landcolor / countrycolor / coastlinecolor 陆地、国界、海岸线颜色 任意 CSS 颜色,如 rgb(217, 217, 217)、white
showframe / showcoastlines / showcountries 是否显示边框、海岸线、国界 True / False
bgcolor 坐标系背景色,配合插图叠加时常用透明色 如 rgba(255, 255, 255, 0.0)

更完整的底图配置说明可参考仓库中的 map-configuration.md;多坐标系与子图布局还可结合 map-subplots-and-small-multiples.md 阅读。

参考与延伸阅读

以上示例在支持 Jupyter Notebook 渲染器或浏览器环境的 Python 3 中均可直接运行;若在纯脚本环境下,可改用 fig.write_html("bubble_map.html") 导出交互式 HTML 后查看。

登录后查看全文
plotly.py