hxxiagroup / csslab Goto Github PK

常遇到这种问题，

• 多个社区（离散属性）需要选定颜色，以后续绘制，需要考虑色系，颜色搭配等等，可能还需要单独调整某些颜色。

• 网络的节点度（连续属性）分布，需要绘制热图，除了需要选定热图的色系，更重要的是确定合理的颜色插值的方式，是线性，还是log，或者其他？

• 数据（连续属性）依照某个依据划分，分为一定顺序分为多个等级（存在序），每个等级的颜色应该怎么确定（连续颜色）。

现有的解决方式：

matplotlib中cmap可以很好的确定离散和线性插值的颜色，但是无法支持其他插值方式，并且要确定某个值的颜色也不容易操作，因此，准备此分配颜色的模块!

目前已经完成：

• 多种插值方式为连续属性分配颜色。
• 方便的修改某个等级的颜色
• 准备接口中。

shp文件是ArcGis中用于描述地理图形的位置或其他属性的文件，通过python中pyshp可以比较容易的操作shp文件，但是无法转化为更加直接，方便查询和使用的csv或者json格式的文件。

对于需要利用Arcgis来进行最终可视化的情况，对于原始的数据，例如geopandas，geojson的数据，需要在json和shp文件来回转换，据我所知，可以通过一些网址进行在线转化，例如mapshaper；mygeodata

如果，在数据处理的同时，能够直接使用方法转化，就更方便了。

还有什么方法可以进行转化呢。

• 这里有实现shp转json: https://gist.github.com/frankrowe/6071443

另一方面，在python中利用folium，geoplotlib等对地理数据的可视化方法，后续整理好也会提供。

• 为项目增加requirements.txt文件，这样就可以一键安装需要的依赖包，同时也为项目统一依赖包。（这可能需要一定的测试，特别对于networkx这个包，原来network.py使用的部分networkx的方法可能出现变更，需要修正）；

• 为项目增加详细的install说明，能够上到pypi更好拉，就可以pip 一键安装了。

目前关于分布的拟合方法，distribution，存在较为严重的问题。

1.目前的方法实际上是对于数据中数据的 频率 的分布的 曲线拟合

2.实际数据的概率密度分布，通常用 概率密度直方图 来很衡量，在R语言中的 density() 方法就是，python对应的有 numpy.histgram() 方法

3.scipy中实际上提供了对各种分布的拟合，scipy.stats 中， 但是scipy将列出的分布都进行了标准化 ，所有的分布通过3个参数来刻画，scipy.stats 具体便准化过程， 所以再得到最优化的参数后，需要根据公式计算分布常用的参数，如 lognorm 的 mu 和 sigma 。

4.而根据ZL师兄留下的代码，R语言中提供了 fitdistrplus 包实现对各种分布的拟合，也是比较方便。
fitdistrplus包

5.接下来：

• 会对原来的对 概率密度直方图的曲线拟合方法进行改进
• 同时增加scipy.stats的提供的分布拟合方法。