作者：俊欣

來源：關于數據分析與可視化

也就在前天，南太平洋島國湯加發生火山噴發，有專門的專家學者分析，這可能是30年來全球規模最大的一次海底火山噴發，它引發的海嘯以及火山灰將對周邊的大氣、洋流、淡水、農業以及民眾健康等都造成不同程度的影響。

今天小編就用Python當中的folium模塊以及其他的可視化庫來對全球的火山情況做一個分析。

準備工作

和以往一樣，我們先導入需要數據分析過程當中需要用到的模塊并且讀取數據集，本次的數據集來自由kaggle網站，主要由美國著名的史密森學會整理所得

import pandas as pd import folium.plugins as plugins import folium

df_volcano = pd.read_csv("volcano.csv")
df_volcano.head()

output

數據集包含了這些個數據

df_volcano.columns 

output

Index(['volcano_number', 'volcano_name', 'primary_volcano_type', 'last_eruption_year', 'country', 'region', 'subregion', 'latitude', 'longitude', 'elevation', 'tectonic_settings', 'evidence_category', 'major_rock_1', 'major_rock_2', 'major_rock_3', 'major_rock_4', 'major_rock_5', 'minor_rock_1', 'minor_rock_2', 'minor_rock_3', 'minor_rock_4', 'minor_rock_5', 'population_within_5_km', 'population_within_10_km', 'population_within_30_km', 'population_within_100_km'],
      dtype='object')

全球火山帶的分布可視化

我們通過調用folium模塊來繪制一下全球各個火山的分布，代碼如下

volcano_map = folium.Map() # 將每一行火山的數據添加進來 for i in range(0, df_volcano.shape[0]):
    volcano = df_volcano.iloc[i]
    folium.Marker([volcano['latitude'], volcano['longitude']], popup=volcano['volcano_name']).add_to(volcano_map)

volcano_map

output

上述代碼的邏輯大致來看就是先實例化一個Map()對象，然后遍歷每一行的數據，主要針對的是數據集當中的經緯度數據，并且在地圖上打上標簽，我們點擊每一個標簽都會自動彈出對應的火山的名稱

當然出來的可視化結果不怎么美觀，我們先通過簡單的直方圖來看一下全球火山的分布情況，代碼如下

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(16, 4))

volcano_country = pd.DataFrame(df_volcano.groupby(['country']).size()).sort_values(0, ascending=True)
volcano_country.columns = ['Count']
volcano_country.tail(10).plot(kind='barh', legend=False, ax=ax1)
ax1.set_title('Number of Volcanoes per Country')
ax1.set_ylabel('Country')
ax1.set_xlabel('Count')

volcano_region = pd.DataFrame(df_volcano.groupby(['region']).size()).sort_values(0, ascending=True)
volcano_region.columns = ['Count']
volcano_region.tail(10).plot(kind='barh', legend=False, ax=ax2)
ax2.set_title('Number of Volcanoes per Region')
ax2.set_ylabel('Region')
ax2.set_xlabel('Count')

plt.tight_layout()
plt.show()

output

可以看到火山主要集中在美國、印度尼西亞以及日本較多，而單從地域來看，南美以及日本、中國臺灣和印度尼西亞等地存在著較多的火山

全球火山帶的分布可視化優化

接下來我們來優化一下之前繪制的全球火山分布的地圖，調用folium模塊當中CircleMarker方法，并且設定好標記的顏色與大小

volcano_map = folium.Map(zoom_start=10)
groups = folium.FeatureGroup('') # 將每一行火山的數據添加進來 for i in range(0, df_volcano.shape[0]):
    volcano = df_volcano.iloc[i]
    groups.add_child(folium.CircleMarker([volcano['latitude'], volcano['longitude']],
                                         popup=volcano['volcano_name'], radius=3, color='blue',
                                         fill=True, fill_color='blue',fill_opacity=0.8))
    
volcano_map.add_child(groups)
volcano_map.add_child(folium.LatLngPopup())

output

地圖可視化實戰

然后我們來看一下這次火山的爆發地點，湯加共和國位于西南太平洋，屬于大洋洲，具體位置是在西經175°和南緯20°左右，

import folium.plugins as plugins import folium m = folium.Map([-21.178986, -175.198242], zoom_start=10, control_scale=True, width='80%') m 

output

第一個參數非常明顯代表的是經緯度，而zoom_start參數代表的是縮放的程度，要是我們需要進一步放大繪制的圖表，可以通過調整這個參數來實現，而width參數代表的則是最后圖表繪制出來的寬度。

在地圖上打上標記

我們也可以在繪制出來的地圖上面打上標記，例如畫個圓圈，代碼如下

m = folium.Map([-21.178986, -175.198242], zoom_start=12, control_scale=True, width='80%') folium.Circle(location = [-21.177986, -175.199242], radius = 1500, color = "purple").add_to(m) m 

output

或者給圈出來的區域標上顏色，代碼如下

m = folium.Map([-21.178986, -175.198242],
               zoom_start=12,
               control_scale=True, width='80%')
folium.Circle(location = [-21.177986, -175.199242], radius = 1500,
              color = "purple", fill = True, fill_color = "red").add_to(m)
m

output

深遠影響

本次湯加火山爆發的VEI強度為5-6級，屬于本世紀以來最強等級，后面連帶引發的海嘯影響了太平洋沿岸地區。太平洋沿岸的智利、日本等國的潮位站監測到30厘米至150厘米的海嘯波，我國潮位站最大海嘯波幅在20厘米以下，短期內太平洋沿岸國際航運或受到影響，需要重點關注美豆到港情況。

而從長期來看，熱帶火山爆發或提高全球極端天氣發生概率，從而影響農作物的生長，對整個農產品的供應造成深遠的影響，而如果火山灰大面積擴散，或進一步影響全球航空業，降低運輸效率，拖累全球供應鏈。