🎯要点

算法区分不同水循环数据类型：地下水、河水、降水、气温和其他，并使用相应标准化降水指数、标准化地下水指数、标准化河流水位指数和标准化降水蒸散指数。
绘制和计算特定的时间序列比较统计学相关性。
使用相关矩阵可视化集水区和显示空间信息。

stateDiagram-v2
direction LR
 w:水循环
 g:地下水
 r:河水
 p:降水
 t:气温
 m:其他

 sgi:标准化地下水指标
 spi:标准化降水指标
 srsi:标准化河流水位指标
 spet:蒸散量指数

state w {
    g--r--p--t--m
}

g-->sgi
r-->srsi
p-->spi
t-->spet

state join <<join>>
 sgi-->join
 srsi-->join
 spi-->join
 spet-->join
 m-->join
 
 s:时间序列统计学意义
 
 join-->s:相关性矩阵

🍪语言内容分比

pie title 语言分比
 "Python":90
 "R":10
 "C/C++":20

pie title 内容分比
 "算法":90
 "水文学":80
 "水文指标":60
 "统计学度量":40
 "数学":30
 "时间序列":20
 "数据分析、可视化":20

✂️梗概

🍇Python地图表示

Altair 是一个基于 Vega 和 Vega-Lite（来自 JS）的声明式图形可视化库，而 Vega 和 Vega-Lite 又基于 D3.js。它允许将交叉地图与其他类型的图形相关联，如以下示例所示：

import altair as alt
url_geojson = 'mallorca_geoson.json'
data_geojson = alt.Data(url=url_geojson, format=alt.DataFormat(property=' features',type='jjson'))
mallorca = alt.Chart(data_geojson).mark_geoshape(stroke="gray", color="white", strokeWidth=0.5)
#D Data
coord_mask = (pluvio.COORD_X >= 2.2) & (pluvio.COORD_X <= 3.5)&\\\\
                (pluvio.COORD \\\\overline{Y}>=38.\\\\theta)&(pluvio.COORD_
mallorca_pluvio = pluvio.\\\\्रoc[coord_mask, : ]
#Plots
brush = alt.selection_interval(encodings=["longitude", "latitude"], empty=False)
pluviometros = alt.Chärt(mallorca_pluvio) \\\\
    .mark circle(size=50)\\\\
    .encode(
        longitude =' COORD X:Q',
        latitude='COORD \\\\Y:Q',
        tooltip=['NOMBRE:N', 'ALTITUD:Q'],
        color=alt.condition(brush, alt.value("red"), alt.value("lightgray"))
    ) \\\\
    .project("equalEarth") \\\\
    .properties(width=500, height=350) \\\\
    . add params(brush)
bars = alt.Chart(mallorca_pluvio) \\\\
    .mark_bar() \\\\
    .encode(
        x=alt.X("ALTITUD:Q"),bin(extent=[0,700]),
        y=" count (ALTITUD):0",
        color=alt.value("steelblue")
    )

left_map = mallorca + pluviometros
bars_overlay = bars.encode(color=alt.value("red")).transform_filter(brush)
right bars = alt. layer(bars, bars_overlay)
left_map | (bars + right_bars)

为简洁起见，下面仅使用 2013 年的数据为每种车辆类型生成一张图表。

import altair as alt
# Base chart
url_geojson = 'mallorca_geoson.json'
data_geojson = alt. Data(url=url_geojson, format=alt.DataFormat(property='features',type='json'))
mallorca = alt.Chart(data_geojson), mark_geoshape(stroke="gray", strokeWidth=0.2)

data = data. loc[data. year == 2013, :]

options = ["cars", "scooters", "motorbikes", "vans", "trucks"]
mallorca \\\\
    .transform_lookup(
        lookup="properties, neighbourhood",
        from_alt.LookupData(data=data, key="municipality", fields=["municipality"] + vehic)
    ) \\\\
    .encode(
        alt.Color(alt, repeat('row'), type='quantitative'),
        tooltip=["municipality:N", alt.Tooltip(alt.repeat('row'), type='quantitative')]) \\\\
    .project(type="equalEarth") \\\\
    .properties(width=400, height=200) \\\\
    .repeat(row=options) \\\\
    .resolve_scale(color='independent')

Plotly 允许以与 Altair 提供的类似交互的方式表示地图，此外还可以通过 mapbox API 访问 Carto 和 OpenStreet 地图。

import plotly.express as px
fig = px.scatter_mapbox(pluvio,
        lat=pluvio. COORD Y,
        lon=pluvio.COORD_X,
        hover_name="NOMBRE",
        hover data="ALTITUD",
        mapbox_style="carto-positron",
        center={"lat": 39.5, "lon": 2.85},
        zoom=8)
fig.show()

下面的交互式地图与 Dash 集成，包含额外的交互，可让您探索多年来不同车辆的数量。

import json
from dash import Dash, dcc, html, Input, Output
with open('mallorca_geoson.json') as file:
    mallorca_geoson = json.load(file)
app = Dash (__name__)
app.layout = html.Div([
    html.H4('Vehicles per 1000 inhab.'),
    html.P("Select a vehicle:"),
    dcc.RadioItems(
        id='mapbox-mallorca geoson-choropleth-x-vehicle',
        options=["cars", "scooters", "motorbikes", "vans", "trucks"],
        value="cars",
        inline=True
    ),
    dcc.Graph(id="mapbox-mallorca geoson-choropleth-x-graph"),
])
@app.callback(
    Output("mapbox-mallorca_geoson-choropleth-x-graph", "figure"),
    Input("mapbox-mallorca_geoson-choropleth-x-vehicle", "value"))
def display choropleth(vehicle):
    fig = px.choropleth_mapbox(
        data, geojson=mallorca_geoson, color=vehicle,
        color continuous scale="Viridis",
        locatīons="municípality",
        featureidkey="properties.neighbourhood",
        center={"lat": 39.5, "lon": 2.85},
        zoom=7.5,
        animation_frame="year"
    )
    fig.update_layout(
        margin={"r":0,"tt":\\\\theta,"l":0,"b":0},
        mapbox_accesstoken=token
    )
    return fig
if __name___= "__main__":
    app.run_server (debug=True)

Bokeh 是一个用于创建交互式 JS 可视化的 Python 库，它不基于 D3.js。如果 Plotly 与包含 Flask Web 服务器的 Dash 集成，那么 Bokeh 则使用 Tornado Web 服务器，后者在后端使用 WebSockets。WebSockets 是有状态的且异步的。