本文将通过绘制中国省级 Choropleth 地图来解释如何使用 plotly 绘制 Choropleth 地图，主要有两种方法：底层 API plotly.graph_objects.Choroplethmapbox 和高层 API plotly.express.choropleth_mapbox，数据是 COVID-19 在某一天的疫情数据。完整代码地址见文末。

Choropleth map 即分级统计图。在整个制图区域的若干个小的区划单元内（行政区划或者其他区划单位），根据各分区资料的数量（相对）指标进行分级，并用相应色级或不同疏密的晕线，反映各区现象的集中程度或发展水平的分布差别。—— Choropleth_百度百科

简单来说，具体到本文，就是在地图上为每个省上色，根据什么来确定上哪个颜色呢？在本文中就是该省的确诊人数，人数越多，颜色越亮。这样得到的地图就是 Choropleth 地图。

主要依赖为：

均可以通过 pip 安装，然后导入：

然后导入数据：

使用 plotly 绘图，其实就是两点：data 和 layout，即数据和布局。其实所有绘图都是这样，只不过在 plotly 里体现得尤为明显，尤其是底层 API。

data 决定绘图所使用的数据，比如绘制股票折线图用的股票历史数据，绘制疫情地图用的疫情数据。layout 决定图的布局，比如一幅折线图的宽高，一幅地图的风格和中心点。plotly 里一幅图是一个 Figure 对象，这个对象就有 data 和 layout 两个参数。

plotly.graph_objects.Choroplethmapbox（以下简称 go.Choroplethmapbox）是 plotly 的底层 API，其全部参数可参考其官方文档。不过这参数实在是太多了，下面我通过例子来介绍一下几个常用的。

先来看代码：

先看下 go.Choroplethmapbox 的参数：

fig.update_layout 的参数同样有很多，主要用来定义布局：

mapbox_style：str 类型，指定 mapbox 风格。可用的 mapbox 风格列表可参见这里。需要注意的是当你使用以下风格之一时，你就需要指定 mapbox_token（关于如何获取 token 详细可参见这里）：

mapbox_zoom：int 类型，指定地图的缩放级别。

mapbox_center：dict 类型，key 为 lat（经度）和 lon（纬度），指定初始时地图的中心点。

最终的效果如图：

plotly.express.choropleth_mapbox（以下简称 px.choropleth_mapbox） 是 plotly 的高层 API，严格来说是 plotly_express 的接口，但是后来这个包被并入 plotly，可以直接用 plotly.express 来引入了，这个包主要就是简化了 plotly 的绘图方法。

详细参数可参考其官方文档。其实大部分参数是异曲同工的，下面我同样使用相同的数据来绘制地图，解释下。

老规矩，先来看代码：

最终的效果如图：

完整代码放在 GitHub 上。

为了阅读体验，本文没有解释更多的参数，但我相信这已经能让你绘制一幅不错的 choropleth 地图了。有时间我会继续写一写如何在 dash 中融入这些地图，并实时更新。

其实本文所讲的是地图是一种 tile map，和这种地图对应的是一种轮廓地图，没有 mapbox 这种底图，只绘制 geojson 文件中定义的轮廓，如下面这幅图：

plotly 也可以绘制这种地图，只需要去掉本文所讲的函数中 mapbox 即可：go.Choropleth 和 px.choropleth，感兴趣可以参考这里的示例。

有任何问题欢迎在 GitHub 上提 issue 或者在评论区留言。