transbigdata-visualize

TransBigData 可视化指南

安装

pip install transbigdata keplergl matplotlib geopandas

Kepler 交互式可视化

需要安装 KeplerGl: pip install keplergl

1. 点分布可视化 - visualization_data()

import transbigdata as tbd

map = tbd.visualization_data(
    data,
    col=['Lng', 'Lat'],       # 或 ['Lng', 'Lat', 'count'] 带权重
    accuracy=500,              # 聚合精度
    height=500,                # 地图高度
    maptype='point'            # 'point' 或 'heatmap'
)
# 在 Jupyter 中显示
map

2. 轨迹可视化 - visualization_trip()

map = tbd.visualization_trip(
    trajdata,
    col=['Lng', 'Lat', 'VehicleNum', 'Time'],
    height=500
)

3. OD 可视化 - visualization_od()

map = tbd.visualization_od(
    oddata,
    col=['slon', 'slat', 'elon', 'elat'],  # 或加 'count'
    accuracy=500,        # OD 聚合精度
    mincount=0           # 最小流量阈值
)

Matplotlib 静态可视化

4. 加载底图 - plot_map()

import matplotlib.pyplot as plt
import transbigdata as tbd

# 设置 Mapbox token（可选，获取更好的底图）
# tbd.set_mapboxtoken('your_token')
# tbd.set_imgsavepath('./map_cache/')  # 缓存路径

bounds = [113.6, 22.4, 114.8, 22.9]  # 深圳范围

fig, ax = plt.subplots(1, 1, figsize=(12, 10))
tbd.plot_map(plt, bounds, zoom=12, style=4)

# style 选项: 0-12 或自定义 URL

底图样式:

• 0-6: 不同风格的街道图
• 7-12: 卫星图/混合图

5. 添加指北针和比例尺 - plotscale()

tbd.plotscale(
    ax,
    bounds=bounds,
    textsize=10,
    compasssize=1,
    accuracy=2000,      # 比例尺长度（米）
    rect=[0.06, 0.03]   # 位置
)

活动分析可视化

6. 活动时空图 - plot_activity()

绘制个体活动的时空分布。

tbd.plot_activity(
    stay_data,
    col=['stime', 'etime', 'group'],  # 开始时间、结束时间、分组
    figsize=(10, 5)
)

7. 置信椭圆 - ellipse_params() & ellipse_plot()

分析活动空间分布。

# 计算 95% 置信椭圆参数
ellip_params = tbd.ellipse_params(
    data,
    col=['lon', 'lat'],
    confidence=95,
    epsg=None  # 可选投影坐标系
)
# 返回: [中心坐标, 长轴, 短轴, 旋转角, 面积, 扁率]

# 绑定绘制椭圆
tbd.ellipse_plot(ellip_params, ax, edgecolor='red', facecolor='none')