如何使用 Plot 组件绘制地图

简介

本指南解释了如何使用 Gradio 的 gradio.Plot 组件在地图上绘制地理数据。Gradio Plot 组件可以与 Matplotlib、Bokeh 和 Plotly 一起使用。在本指南中，我们将使用 Plotly。Plotly 使开发人员能够轻松地使用其地理数据创建各种地图。请点击此处查看一些示例。

概述

我们将使用纽约市 Airbnb 数据集，该数据集托管在 Kaggle 上，点击此处。我已经将其作为数据集上传到 Hugging Face Hub 上，点击此处以便更轻松地使用和下载。使用此数据，我们将在地图输出上绘制 Airbnb 位置，并允许根据价格和位置进行过滤。以下是我们将构建的演示。 ⚡️

步骤 1 - 加载 CSV 数据 💾

让我们首先从 Hugging Face Hub 加载 Airbnb NYC 数据。

from datasets import load_dataset

dataset = load_dataset("gradio/NYC-Airbnb-Open-Data", split="train")
df = dataset.to_pandas()

def filter_map(min_price, max_price, boroughs):
    new_df = df[(df['neighbourhood_group'].isin(boroughs)) &
            (df['price'] > min_price) & (df['price'] < max_price)]
    names = new_df["name"].tolist()
    prices = new_df["price"].tolist()
    text_list = [(names[i], prices[i]) for i in range(0, len(names))]

在上面的代码中，我们首先将 csv 数据加载到 pandas 数据帧中。让我们首先定义一个函数，该函数将用作 gradio 应用的预测函数。此函数将接受最低价格和最高价格范围，以及要过滤结果地图的行政区列表。我们可以使用传入的值（min_price、max_price 和 boroughs 列表）来过滤数据帧并创建 new_df。接下来，我们将创建每个 Airbnb 的名称和价格的 text_list，以用作地图上的标签。

步骤 2 - 地图图形 🌐

Plotly 使地图操作变得容易。让我们看看下面如何创建地图图形。

import plotly.graph_objects as go

fig = go.Figure(go.Scattermapbox(
            customdata=text_list,
            lat=new_df['latitude'].tolist(),
            lon=new_df['longitude'].tolist(),
            mode='markers',
            marker=go.scattermapbox.Marker(
                size=6
            ),
            hoverinfo="text",
            hovertemplate='<b>Name</b>: %{customdata[0]}<br><b>Price</b>: $%{customdata[1]}'
        ))

fig.update_layout(
    mapbox_style="open-street-map",
    hovermode='closest',
    mapbox=dict(
        bearing=0,
        center=go.layout.mapbox.Center(
            lat=40.67,
            lon=-73.90
        ),
        pitch=0,
        zoom=9
    ),
)

在上面，我们通过传递纬度和经度列表来绘制标记，从而在 mapbox 上创建散点图。我们还传入了名称和价格的自定义数据，以便在我们悬停在每个标记上时显示其他信息。接下来，我们使用 update_layout 来指定其他地图设置，例如缩放和居中。

有关使用 Mapbox 和 Plotly 的散点图的更多信息，请点击此处。

步骤 3 - Gradio 应用 ⚡️

我们将使用两个 gr.Number 组件和一个 gr.CheckboxGroup 来允许我们的应用用户指定价格范围和行政区位置。然后，我们将使用 gr.Plot 组件作为我们之前创建的 Plotly + Mapbox 地图的输出。

with gr.Blocks() as demo:
    with gr.Column():
        with gr.Row():
            min_price = gr.Number(value=250, label="Minimum Price")
            max_price = gr.Number(value=1000, label="Maximum Price")
        boroughs = gr.CheckboxGroup(choices=["Queens", "Brooklyn", "Manhattan", "Bronx", "Staten Island"], value=["Queens", "Brooklyn"], label="Select Boroughs:")
        btn = gr.Button(value="Update Filter")
        map = gr.Plot()
    demo.load(filter_map, [min_price, max_price, boroughs], map)
    btn.click(filter_map, [min_price, max_price, boroughs], map)

我们使用 gr.Column 和 gr.Row 布局这些组件，并且我们还将添加事件触发器，用于在演示首次加载时以及单击我们的“更新过滤器”按钮时触发，以便触发地图使用我们的新过滤器进行更新。

这是完整的演示代码的样子


import gradio as gr
import plotly.graph_objects as go
from datasets import load_dataset

dataset = load_dataset("gradio/NYC-Airbnb-Open-Data", split="train")
df = dataset.to_pandas()

def filter_map(min_price, max_price, boroughs):

    filtered_df = df[(df['neighbourhood_group'].isin(boroughs)) &
          (df['price'] > min_price) & (df['price'] < max_price)]
    names = filtered_df["name"].tolist()
    prices = filtered_df["price"].tolist()
    text_list = [(names[i], prices[i]) for i in range(0, len(names))]
    fig = go.Figure(go.Scattermapbox(
            customdata=text_list,
            lat=filtered_df['latitude'].tolist(),
            lon=filtered_df['longitude'].tolist(),
            mode='markers',
            marker=go.scattermapbox.Marker(
                size=6
            ),
            hoverinfo="text",
            hovertemplate='<b>Name</b>: %{customdata[0]}<br><b>Price</b>: $%{customdata[1]}'
        ))

    fig.update_layout(
        mapbox_style="open-street-map",
        hovermode='closest',
        mapbox=dict(
            bearing=0,
            center=go.layout.mapbox.Center(
                lat=40.67,
                lon=-73.90
            ),
            pitch=0,
            zoom=9
        ),
    )

    return fig

with gr.Blocks() as demo:
    with gr.Column():
        with gr.Row():
            min_price = gr.Number(value=250, label="Minimum Price")
            max_price = gr.Number(value=1000, label="Maximum Price")
        boroughs = gr.CheckboxGroup(choices=["Queens", "Brooklyn", "Manhattan", "Bronx", "Staten Island"], value=["Queens", "Brooklyn"], label="Select Boroughs:")
        btn = gr.Button(value="Update Filter")
        map = gr.Plot()
    demo.load(filter_map, [min_price, max_price, boroughs], map)
    btn.click(filter_map, [min_price, max_price, boroughs], map)

demo.launch()

第四步 - 部署 🤗

如果你运行上面的代码，你的应用将会在本地启动运行。你甚至可以通过传递 share=True 参数给 launch 来获取一个临时的分享链接。

但是如果你想要一个永久的部署方案呢？让我们将我们的 Gradio 应用部署到免费的 HuggingFace Spaces 平台。

如果你之前没有使用过 Spaces，请参考之前的指南这里。

结论 🎉

你已经完成了！这就是构建地图演示所需的所有代码。

这里是指向演示的链接地图演示和完整代码 (在 Hugging Face Spaces 上)