概念驗證:可視化方法（Visualization Methods）

• 說明：Charles Minard 的視覺化由四張圖組合而成

  • 地圖。
  • 城市名稱。
  • 軍隊路線、生存人數。
  • 氣溫圖。

• 補充

  • matplotlib：繪圖上採用圖層概念繪製，在製作圖片時要注意是否會有覆蓋的問題。
  • fig, axes 的作用 在 fig, axes = plt.subplots(nrows=2, figsize=(25,12), gridspec_kw={“height_ratios”: [4, 1]})
    • fig 是整個 figure（圖像）。
    • axes 是 2 個 subplot（子圖層）。
    • axes[0] 是上方較大的地圖圖層。
    • axes[1] 是下方較小的圖層（可能後續要畫其他資訊）。
  • basemap 繪製地圖：basemap 參數說明

• 載入模組、資料。

  from mpl_toolkits.basemap import Basemap
  import matplotlib.pyplot as plt
  import sqlite3
  import pandas as pd
  
  connection = sqlite3.connect("minard_clone/data/minard.db")
  # 城市資料
  city_df = pd.read_sql("""select * from cities;""", con=connection)
  
  # 氣溫資料
  temperature_df = pd.read_sql("""SELECT * FROM temperatures;""", con=connection)
  
  # 軍隊資料
  troop_df = pd.read_sql("""SELECT * FROM troops;""", con=connection)
  connection.close()
  

• 繪製城市圖

  lons = city_df['lonc'].values
  lats = city_df['latc'].values
  city_names = city_df['city'].values
  
  # 創造畫布和軸物件
      # nrows=2：表示有兩個圖層（兩個子圖）。
      # figsize=(25,12)：設定整個圖的大小，確保顯示效果清晰。
      # gridspec_kw={"height_ratios": [4, 1]}：代表第一個圖層的高度是第二個的 4 倍，因此第一個圖層比較大，第二個比較小
  fig, axes = plt.subplots(nrows=2, figsize=(25,12), gridspec_kw={"height_ratios": [4, 1]})
  
  # 插入標題
  axes[0].set_title("Napoleon's disastrous Russian campaign of 1812", loc="left", fontsize=30)
  
  # 建立地圖：
      # projection="lcc": Lambert Conformal.
      # resolution="i": 解析度為中階（intermediate）
      # width=1000000: 地圖寬度為 100 萬公尺（1000 公里）
      # height=400000: 地圖高度為 40 萬公尺（400 公里）
      # lon_0=31, lat_0=55: 地圖的中心經緯度為 (31, 55)
      # ax=axes[0]：指定在圖層0
  m = Basemap(projection="lcc", resolution="i", width=1000000, height=400000, lon_0=31, lat_0=55, ax=axes[0])
  
  # 繪製國家邊界
  m.drawcountries() 
  
  # 繪製河流
  m.drawrivers() 
  
  # 標記經緯度線 (labels使用的是"布林"，設置順序[左、右、上、下])
  m.drawparallels(range(54,58), labels=[1,0,0,0]) # 左邊顯示緯度標籤
  m.drawmeridians(range(23, 56, 2), labels=[0,0,0,1]) # 下方顯示經度標籤
  
  # 映射轉換： 將經緯度轉換為 Basemap 的相對座標
  x_c, y_c = m(lons, lats) 
  
  # 添加城市名稱標籤
  for xi, yi, city_name in zip(x_c, y_c, city_names): 
      axes[0].annotate(text=city_name, xy=(xi, yi), fontsize=10, ha="right", zorder=2)  
      # ha="right" 讓標籤靠右對齊，避免重疊
      # zorder=2 圖層：確保文字位於上層，不會被其他圖層覆蓋。
  

• 繪製軍隊圖

  # 取得軍隊行進路線的資料筆數
  rows = troop_df.shape[0]
  
  # 讀取經度、緯度、存活人數、行進方向
  lons = troop_df["lonp"].values # 軍隊的經度
  lats = troop_df["latp"].values # 軍隊的緯度
  survivals = troop_df["surviv"].values # 軍隊存活人數
  directions = troop_df["direc"].values # 軍隊行進方向
  
  # Basemap 座標轉換：lons, lats 是原始的 GPS 經緯度座標，透過 m(lons, lats) 轉換成 Basemap 的平面地圖座標 (x_t, y
  x_t, y_t = m(lons, lats)
  for i in range(rows - 1):
      # 設定行進方向的顏色
      if directions[i] == "A":
          line_color = "tan"
      else:
          line_color = "black"
  
      # 設定起點與終點的 x, y 座標
      start_stop_lons = (x_t[i], x_t[i + 1])
      start_stop_lats = (y_t[i], y_t[i + 1])
  
      # 設定線條寬度：存活人數越多，線條越粗，以視覺化表達軍隊人數變化。
      line_width = survivals[i]  # 取得存活人數
      # 繪製路線-折線圖
      m.plot(start_stop_lons, start_stop_lats, linewidth=line_width/10000, color=line_color, zorder=1)
      # 設定線條粗細
          # line_width = survivals[i] 代表當下軍隊的存活數量。
          # linewidth=line_width/10000，將數值縮小，使線條寬度對應軍隊數量。
      # `zorder=1` 圖層：將軍隊行進路線放在較低圖層，確保不會覆蓋城市標籤或溫度標記。
  

• 繪製氣溫圖

  # 原始資料採用「列氏」溫度，跟攝氏溫度的轉換公式如下
  temp_celsius = (temperature_df["temp"] * 5/4).astype(int)
  # 經度
  lons = temperature_df["lont"].values
  # temp_celsius（轉換後的攝氏溫度）轉為 "溫度°C 月 日"字串
  annotations = temp_celsius.astype(str).str.cat(temperature_df["date"], sep="°C ")
  # Series.str.cat(others=None, sep='', na_rep=None)
      # others：要合併的資料（可為 DataFrame、Series、list）
      # sep：字串間的分隔符號（預設為 ''，即無分隔符）
      # na_rep：缺失值（NaN）的填充值（預設為 None，即跳過 NaN）
  # 折線圖
  axes[1].plot(lons, temp_celsius, linestyle="dashed", color="black")
      # linestyle：設定線外觀 dashed 為虛線
      # color：設定顏色
  # 插入文字
  for lont, temp_c, annotation in zip(lons, temp_celsius, annotations):
      axes[1].annotate(annotation, xy=(lont - 0.3, temp_c - 7), fontsize=16)
          # 調整文字位置，使標籤稍微往左 (lont -0.3)，往下 (temp_c -7) 避免重疊
  
  # 設定 Y 軸範圍（從 -50°C 到 10°C）
  axes[1].set_ylim(-50, 10)
  # ax.spines 移除邊框
  axes[1].spines["top"].set_visible(False)
  axes[1].spines["right"].set_visible(False)
  axes[1].spines["bottom"].set_visible(False)
  axes[1].spines["left"].set_visible(False)
  # 啟用主要格線，使氣溫變化更清晰
      # which：magor顯示主要格線
      # axis：xy都顯示
  axes[1].grid(True, which="major", axis="both")
  
  # set_xticklabels([]) 讓刻度標籤變空，若是直接 set_xticks([]) 刪除標籤，會倒置 "主要格線" 無法繪製。
  axes[1].set_xticklabels([])
  axes[1].set_yticklabels([])
  # 自動調整子圖之間的間距，避免標題或標籤重疊
  plt.tight_layout()
  

• 儲存

  fig.savefig("minard_clone/minard_clone.png")
  

成品