大数据美食——寻找地图上的美味

本文涉及的产品
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
数据可视化DataV,5个大屏 1个月
简介: 上次分享了《教你30分钟创建汽车大屏》后,来咨询的人很多,其中地图可视化的问题最集中,这次我花了点时间,准备了一份美食相关的测试数据,向大家分享《地图上的美食》如何做成的

上次分享了教你30分钟创建汽车大屏后,来咨询的人很多,其中地图可视化的问题最集中,这次我花了点时间,准备了一份美食相关的测试数据,向大家分享《寻找地图上的美味》是如何做成的。

必备产品:DataV数据可视化(如需查看请复制链接至PC端打开)

https://data.aliyun.com/visual/datav 


95a8b250d1c55d98f9fa68affa18c5ec7e0fc10a

很多人看到 DataV 里地图的一堆配置就很头疼,不知道怎么用,能做什么,这里先来教大家“技能加点”。
先从这4个地图组件的区别看起

1dfe2fdb606aeb98467d74737b7abee36c305167

打开数据面板上,第一个地图提供了3种数据接口:点、图标、飞线。

1a800a9f9e75d0e2cff8cd93160e2027a81a771f

其中点和飞线这里先不讲,后面会大讲。图标实际上就是允许把一些图片,比如头像、logo、icon,根据经纬度显示在地图上。

如果我想看麦当劳和肯德基的分布情况,就可以 Logo 当做“点”显示在地图上,你看下面那张图,德克士简直就像番茄炒蛋中的葱花!

1125e6d1d7b975c346d523e5a0f68a156a169878

第二个地图是一个3D的地球,除了点和飞线,多了区域热力图和geojson

这个地图是 DataV 的地图专家开发的一个性能超级好的 3D 带地貌、光照的组件,在去年双十一的时候也有用到。

4f118fb616bf4bdf10c066e1bdcde619c3e0c242

区域热力图实际就是根据行政区域划分的热力图,通常表达以行政区域划分的指标。比如:人口、收入、GDP…… 

热力图的效果就是上图中彩色的部分,颜色越深代表数值越高。


这个组件默认显示的是全国地图,那么如果只想要显示某一个具体的省份怎么办呢?

下图:

fa5b49cca0024924419ee5923605a5579e5b3051

首先我们要知道现在看到的地图是通过 geojson 这个接口来定义的,这个接口详细地定义了地图上的每一个行政区和每一个条线。

所以要想只显示一个省就必须要改变这个 geojson,DataV  提供了一个工具来方便地生成geojson => 传送门 http://datav.aliyun.com/static/tools/atlas

8ae57f1809da9c65629e91ac3882981af6abec40

在页面中点击四川省,地图会缩放到四川省的地图,并把下一级每个市、州画出来。然后再点击左边的 geojson 下载,把下载文件中的内容复制粘贴到 geojson 接口里就可以了。(粘贴进去之后要刷新页面才能看到效果哦)


改好geojson之后,就会看到一个纯色的四川省地图。这时就要将热力图数据对应到新的地图上了。

很多地图接口都使用一个叫 adcode 的东西,这是我国的行政区划代码,其精度到区县一级。大家可以看看自己的身份证号码,比如我的身份证是 510113yyyymmddxxsv  510113 就代表了我是 51 四川省 01 成都市 13 青白江区的人。

在使用 adcode 的时候,我们始终保持6位数字来使用,位数不足就补0。比如要表达成都市,代码就是 510100

所以我通过用这样一句 SQL 就能渲染出上图的效果。

fddf7f216d6a4748b1dc7dd05107c80dcc6083a1

第三个地图数据会多一些,首先他是第二个地图的2D版本,使用了geojson来描绘地图。

其次,比第二个地图增加了轨迹和多边形两个接口。

b850b71b022b0d43dad1ca6227a1708d0a9cb5b1

看示例数据我们就能知道,多边形接口可以在地图上画出多边形圆形矩形三种图形,数据结构也如表达所示。

多边形的接口可以在地图上画出你所关心的区域,如果你关注西湖商圈,那么就可以用他的数据把西湖商圈圈出来。现在暂时没有提供画圈的工具,不过要想找到想要的经纬度,可以去各家地图上面找哦。

[{
  "type": "polygon",
  "id": 1,
  "latlngs": [
    { "lat": 30, "lng": 120 },
    { "lat": 32, "lng": 122 },
    { "lat": 29, "lng": 115 },
    { "lat": 29.5, "lng": 119 },
    { "lat": 30, "lng": 120 }
  ]
},
{
  "type": "circle",
  "id": 2,
  "center": { "lat": 40, "lng": 110 },
  "radius": 1000000
},
{
  "type": "rect",
  "id": 4,
  "latlngs": [
    { "lat": 33, "lng": 112 },
    { "lat": 45, "lng": 120 }
  ]
}]

路径可以表达一些连线或者移动数据,比如可以展示某个人从A店到了B店再到C店的路径……

具体数据格式可以参照组件默认提供的静态数据来了解。


最后一个地图和第二个地图很类似,不过没有了地球,也没有了geojson,但它可以3D旋转。

1401dd3719f5b046f4f640e2e3405768a214f46e


e57d43621e7f2bc44738bd3e76baab33e4e5357a


我的那份杭州餐饮业的数据,区域限定在了杭州市区,所以我只关心街道,不用关心行政区划,这样看来,明显第一个地图组件最合适我。

606f2b5d7607137b60073a8a18e296914728421e

先把地图拖满全屏,如果觉得不方便的话,可以在面板最下面直接输入数据:

ea02b15da2d607af953674573783771ab55a066c

改个配色,一定要有科技范~阿里云进军的是 International market,逼格太高会跟不上!

03830b3f712544c2a11e2e4310c10770567ae24f


先通过前三个配置把初始化的视点控制在杭州市区的区域。

注意不要去拖动经度纬度的那个拖动条。太敏感了……一秒钟去太平洋的节奏。还是在右边的输入框慢慢调吧。

a2fc48da4415ca96e84bb1eb91f2d5e5ff5e6348

最近口味比较怪,随意调一个粉绿色,简直太好用了!

5368f8079c9b08c281400915a310de3690afb95f

ff68cce32aeab0328c840cf41859d15ae7a28beb

好了,样子出来了,现在可以安心地接数据了。

小手一抖,写下查询全杭州店铺的SQL,效果如图。

05c331a4e2aa58678f1672ef97080eb86633c071

细心的小朋友就能发现为什么河对面没有点?

原因是 DataV 在编辑状态的时候自动给每个请求加上了2000行数据的限制。

如果自己加上 limit 就可以突破这个限制。

但是如果数据量太大,为了平衡各个用户的资源,时间超过了3秒的请求会触发超时。

那样只能用 https://yq.aliyun.com/articles/55879 这种方法来自己搭建数据库的代理了。

2fae47e412b6e70abc347ca9daa5315feb8b944c

杭州的餐厅数据还真是不少,如果我想要知道哪里的餐厅多哪里的餐厅少,怎么办呢?

如下图,到面板里找到系列1,把边框粗细设置为0,然后把颜色的透明底降低就好了。这样餐厅越密集,颜色就会越

f82e74fed97a7661a643a063d559ba0dc589177d

点的半径调小,地图放大,就可以看到更清晰的分布了。

cacac4d8a9296f57c7058cbeaf391d5b15775eec

那么如果我想知道哪里的餐厅贵呢?

再来回顾一下我的 SQL

select shopName as name, 
glat as lat, glng as lng,
"ok" as type,
avgPrice as value /* 把均价加入value */
from xxxx
where score > 80
limit 4000

如下图,将数据映射打开,就能根据前面的 value 字段(均价)来显示不同的大小和颜色了。

469182a5d518194ce1c20ba444ad56de6d4e0c58

但我们会发现效果并不明显,原因可能是因为部分店的均价过于高了。

那我就将过高,和过低的均价都排除掉。

如下图,修改一下均价限制就能发现湖滨商圈真的是不仅仅店多,而且都是中等偏贵的,往东中和高架就会稍微好一点。

龙井山上要么便宜要么贵,中档的很少。

而在城西,从教工路以西就非常实惠了。

怎么样?比看商圈报告方便吧。[偷笑]

94bf3b180c325109e1466e546d4813c00a570cbe

作为一个文艺小屌丝,自然还是要关心一下什么地方咖啡馆多?什么地方烧烤多?什么地方酒吧多?[我要看美女]

DataV最多允许画3种类型点(已经踢码农的屁股,让他们赶紧加了)

每种类型的点有个key,这个是要和数据对应上的。

我就设置了3keytype1, type2, type3

e7719eabbecd2207a66b4bafffdc45087fec28f8

轻轻松松把 SQL 改造成这样:

(select shopName as name, glat as lat, glng as lng, avgPrice as value,
        "type1" as type
   from xxxx
  where 类型="咖啡厅")
  union 
(select shopName as name, glat as lat, glng as lng, avgPrice as value,
        "type2" as type
   from xxxx
  where 类型="酒吧")
  union 
(select shopName as name, glat as lat, glng as lng, avgPrice as value,
        "type3" as type
   from xxxx
  where 类型=“烧烤”)

如图:蓝色是烧烤,红色是酒吧,黄色是咖啡厅。

[惊讶face] 果然是西湖北岸泡吧,东岸喝咖啡,遍地撸串……

762f099f86309d7f8686b02eb237673cc7e5f383

再看看菜系的分布,江浙菜、川菜、粤菜分别为:黄、红、蓝

景区几乎全是江浙菜,川菜渗透进了各个区域,粤菜就几乎只有城北才有。滨江是不是还有机会呢。

700bf0e3d7626920f81cb3f385c34bcf61930ba0

最后我们看看什么是飞线,飞线一般用来表达两点之间的关系,比如某个人从A到了B,或者某个AB完成了一次合作……

我并没有这样的数据,我用这句 SQL 模拟了 宴西湖 和 兰桂坊花园餐厅 发生了关系。

select 
  concat(glng, ',', glat) as "from", 
  b.to
from stats as a
left join 
  (select concat(glng, ',', glat) as "to" from stats where 标题 = "宴西湖") as b on 1=1
where 标题 = "兰桂坊花园餐厅"
这样就得到了一条飞线。



前面讲这么多都只是展示,能不能交互呢?


当然可以。

怎么去增加框和图表我就不讲了。

这里我用:

两个标题组件,其中一个设置数据源去查询类目。

两个折线图组件,黄线表示“基线”,绿线表示类目下的统计结果。

一个图片组件、两个 form 组件


不知道刚才你有没有注意到“回调ID”这个参数,他代表“当点击地图这个某个点的时候,给所有组件传入这个参数”

简单来说就是定义了一个参数,那么这个参数从哪里来呢?

如上图,我将“回调ID”定义成了id

select
  ..., 
  someFile as id,
  ..., lat, lng, type
from xxx;
只要在前面的SQL中加上id即可。

那么怎么用呢?

看下图,在SQL中写 :id 即可引用这个参数

但事实上,当你做到这一步的时候,你的页面会是这个样子。


其实这只是因为你还没有点击任何一个“点”,所以id是没有数据的,为了方便开发,你可以在页面的 url 中传入一个默认的 id,


默认情况下,点击一个点的时候会显示一个弹出框,框里显示的是 name 和 info 字段,在前面的 SQL 中我已经将标题命名成了 name 字段,在这里只需要再加入 info 就可以了。

select
  ..., 
  someFile as id,
  标题 as name,
  concat("口味:",口味," 环境:",环境, " 服务:",服务,"<br/>",地址) as info,
  ..., lat, lng, type
from xxx;
那么最终大屏就会变成这样(当然要进预览页面才会有交互,FYI,龙井路上的这家绿茶我非常喜欢)


好了,今天就讲这么多。

大家还想了解什么,给我留言哦。



相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps&nbsp;
目录
相关文章
|
3月前
|
数据可视化 大数据 定位技术
GIS:开源webgl大数据地图类库整理
GIS:开源webgl大数据地图类库整理
|
XML 数据可视化 JavaScript
“大数据时代下的地理信息可视化:ECharts地图和数据面板实践“
“大数据时代下的地理信息可视化:ECharts地图和数据面板实践“
609 1
|
存储 JSON 数据可视化
ChatGPT工作提效之数据可视化大屏组件Echarts的实战方案(大数据量加载、伪3D饼图、地图各省cp中心坐标属性、map3D材质)
ChatGPT工作提效之数据可视化大屏组件Echarts的实战方案(大数据量加载、伪3D饼图、地图各省cp中心坐标属性、map3D材质)
627 0
|
前端开发 数据可视化 大数据
DataV地图组件全新发布,带你玩转地理大数据
DataV平面地图组件全新升级,无级缩放、支持下钻的行政区域热力图、高性能渲染、多合一散点图、线热力图、数据优先渲染...,带你抢先看!
31399 1
|
分布式计算 大数据 新能源
《能源地图》:阿里云数加MaxCompute轻松处理8000亿条气象数据
十三五期间伴随能源互联网的建设,能源大数据及云计算能力长足发展,圈内诸多专家和组织陆续又开始讨论“能源地图”的深化应用, 什么是能源地图: 能源地图 1、反映一定地域范围内能源的发展条件及其水平的地区差异的专题地图。
3329 0