7 所有乘车点的地图 🌍🚖
当我们使用直方图分析Uber数据集时，我们可以确定乘车最繁忙的时间段，但是如果我们想弄清楚城市中的乘车集中区域呢？虽然我们可以使用条形图来展示这些数据，但是这很难理解，除非你对城市的纬度和经度坐标非常熟悉。为了展示乘车集中情况，让我们使用Streamlit的st.map()函数将数据叠加在纽约市的地图上。
首先，在该部分下方添加一个子标题：
st.subheader('Map of all pickups')
接下来，使用st.map()函数来绘制地图：
st.map(data)
保存你的脚本。这个地图是完全交互式的。尝试使用平移和缩放功能来探索一下吧！
在绘制完直方图之后，你确定了最繁忙的乘车时间是下午17:00。让我们重新绘制地图，展示在17:00乘车点的集中情况。
在绘制完直方图之后，确定了最繁忙的乘车时间是下午17:00。让我们重新绘制地图，展示在17:00乘车点的集中情况。
hour_to_filter = 17 filtered_data = data[data[DATE_COLUMN].dt.hour == hour_to_filter] st.subheader(f'{hour_to_filter}:00时的所有乘车点地图') st.map(filtered_data)
当我们绘制地图时，用于过滤结果的时间是硬编码在代码中的，但是如果我们希望读者能够实时动态地过滤数据怎么办呢？使用Streamlit的小部件，你可以实现这个功能。让我们在应用程序中添加一个滑块，使用st.slider()方法。
首先，找到 hour_to_filter 的代码片段，并将其替换为：
hour_to_filter = st.slider('选择小时', 0, 23, 17) # min: 0h, max: 23h, 默认为 17h
这段代码创建了一个滑块，它允许用户通过拖动滑块来选择小时数。滑块的范围是从0到23（表示0点到23点），默认值是17点。
保存你的代码，现在你可以使用滑块实时观察地图的更新了。
滑块只是动态更改应用程序组成部分的一种方式。让我们使用st.checkbox()函数向你的应用程序添加一个复选框。我们将使用这个复选框来在应用程序顶部显示/隐藏原始数据表格。
首先，找到下面的代码段：
st.subheader('Raw data') st.write(data)
将其替换为以下代码：
if st.checkbox('显示原始数据'): st.subheader('原始数据') st.write(data)
这段代码创建了一个复选框，并且在复选框被选中时显示原始数据表格。如果复选框未被选中，则不显示原始数据表格。
保存你的脚本，现在你可以使用复选框来显示或隐藏原始数据表格了。
8 完整代码
import streamlit as st import pandas as pd import numpy as np st.title('Uber在纽约市的搭车数据') # 设置日期/时间列的名称 DATE_COLUMN = 'date/time' # 定义数据集的URL地址 DATA_URL = ('https://s3-us-west-2.amazonaws.com/' 'streamlit-demo-data/uber-raw-data-sep14.csv.gz') @st.cache_data # 定义加载数据的函数 def load_data(nrows): # 从指定URL下载数据，并将其加载到数据帧中 data = pd.read_csv(DATA_URL, nrows=nrows) # 将列名称转换为小写 lowercase = lambda x: str(x).lower() data.rename(lowercase, axis='columns', inplace=True) # 将日期/时间列转换为日期时间类型 data[DATE_COLUMN] = pd.to_datetime(data[DATE_COLUMN]) # 返回加载的数据帧 return data # 创建一个文本元素，告诉读者数据正在加载中。 data_load_state = st.text('正在加载数据...') # 加载10,000行数据到数据帧中。 data = load_data(10000) # 通知读者数据已成功加载。 data_load_state.text("Done! (using st.cache_data)") if st.checkbox('显示原始数据'): st.subheader('原始数据') st.write(data) st.subheader('每小时乘车次数') # 使用NumPy生成一个直方图，按小时统计乘车时间 hist_values = np.histogram( data[DATE_COLUMN].dt.hour, bins=24, range=(0,24))[0] # 通过Streamlit的st.bar_chart()方法绘制直方图 st.bar_chart(hist_values) st.subheader('Map of all pickups') st.map(data) hour_to_filter = st.slider('选择小时', 0, 23, 17) # min: 0h, max: 23h, 默认为 17h filtered_data = data[data[DATE_COLUMN].dt.hour == hour_to_filter] st.subheader(f'{hour_to_filter}:00时的所有乘车点地图') st.map(filtered_data)
至此，创建streamlit的第一个应用的内容介绍完成，你还可以将项目上传至streamlit cloud，具体内容我会在后续的博文中讲解，还请大家三连呀~
