Kepler.gl 不需要一行代码！玩转酷炫的数据地图

在处理数据的过程中，如何“优雅”的展示这些数据一直是一个重要的技巧。而为基于地理坐标为数据打点更是一个重要的技能。在过去，我们的常见的做法是通过诸如 Stata、R、或者是 Python 这些工具来进行这一步的。而这些方法无一例外，都需要对一定的编程技巧。此次我们介绍的数据可视化工具，可以让你不需要任何编程基础，即可实现数据地图的可视化！

一、简介

Kepler.gl is a powerful open source geospatial analysis tool for large-scale data sets.

Kepler.gl 是一个图形化的数据可视化工具，基于 Uber 的大数据可视化开源项目 deck.gl 创建的 demo app。

Github项目地址：https://github.com/keplergl/kepler.gl/

Kepler支持的数据格式

Kepler.gl 支持 3 种数据格式，分别是： CSV、JSON、GeoJSON 。部分地图种类只支持 GeoJSON 格式的数据。

1. 关于 CSV 文件

CSV 是常见的数据格式。它通过分隔符的形式，以存文本的储存数据。我们常用的 Excel 默认保存的是 xlsx 格式或者 xlsxs 格式，可以通过另存为的方式保存为 CSV 文件。

关于在 Kepler.gl 中使用 CSV 文件，这里还需要说明一下：

Kepler.gl 目前对中文支持并不那么好，所以变量名称最好用英文，不然在显示时会乱码。导致自己都不知道这组数据是哪个变量。
Kepler.gl 的地理信息即经纬度信息需要经度一个组，纬度一个组。并且，Kepler.gl 能够自动识别经纬度信息，不过需要你在给经纬度命名时采用：<name>_lat 和 <name>_lng 或者 <name>_latitude 和 <name>_longitude，或者 <name>_lat and <name>_lon。其中<name>是自选的变量名称。
关于 CSV 文件的更多说明，可参加官方文档的内容：https://github.com/keplergl/kepler.gl/blob/master/docs/user-guides/b-kepler-gl-workflow/a-add-data-to-the-map.md

2. 关于 JSON 文件

JSON 格式是常见的用于数据传输的文件格式。语言描述容易显得太过复杂，我们举一个简单的例子（一看就会的那种）：

一份 JSON 格式文件内的内容是这样的：

{
	"people": [
		{
			"firstName": "王",
			"lastName": "小明"
		},
		{
			"firstName": "陈",
			"lastName": "小红"
		}
	]
}

那么它其实可以分为：

这么看，大概有些人已经猜到了，其实这个数据列成表格就是这样的：

这就是JSON 格式文件所实现的功能。可以简单的理解为将“一个表格的数据，用文字表述”。在一些情况下，你也可用使用 JSON 格式数据。但其实更多情况下，需要使用的是 CSV 或者 GeoJSON，这里介绍了 JSON 那么下文中 GeoJSON 的内容就更容易理解。

2. 关于 GeoJSON 文件

而 GeoJSON 是常见的一种地理信息的文件格式，在原有的 JSON 格式基础上，添加了地理信息相关的内容。如何添加的呢？就是基于大家约定俗成的规范，然后声明地理位置信息。其实 GeoJSON 是 JSON 的一个子集。基本的语法结构上，两者其实是一样的，都是一个 Key 对应一个 Value 。但是不同点在于，GeoJSON 通过特定的 key 来确定特定类型、特点功能的 Value。

为了理解 GeoJSON ，我们来看一个实例：

	"type": "Feature",
	"properties": {
		"adcode": 110000,
		"name": "北京市",
		"center": [
			116.405285,
			39.904989
			],
		"centroid": [
			116.41989,
			40.189913
			],
		"childrenNum": 16,
		"level": "province",
		"subFeatureIndex": 0,
		"acroutes": [
				100000
			],
		"parent": {
			"adcode": 100000
			}
			},

	"geometry": {
		"type": "MultiPolygon",
		"coordinates": [...(篇幅限制，省略)...
							]
				}
}

这是一份记录北京市信息的GeoJSON文件。首先，我们能够看到，最外层是三个Key：

「type」：type确定的是其下 key 的类型；

「properties」：包含的各种「变量」和「值」。例如案例中：“adcode”，表示邮编，北京为110000；“na me”，表示名称，北京市；“center”为地理中心，经纬度坐标需用\[]包裹住，这样才是完整的一组数据。其他信息也是类似的，这里不再赘述；

「geometry」：则是表示几何信息。几何信息有多种类型，“type”标注了这些信息的种类，具体的主要有以下几种：

- Point 即点图。相当于在地图上画一个点。

- Multipoint 即多点图，用于地图打点，可以包含多个点的集合。

- LineString 即线。相当于在地图上画一条线。

- MultiLineString 同理，多线。

- Polygon 多边形。在地图上用一个多边形围住一个范围。

- MultiPolygon 多组多边形。

- GeometryCollection 几何集合。（相当于多层嵌套）

其中type确定的是其下 key 的类型。 “Feature” 表示其对象为“特征对象”。“特征对象”必须包含 “properties”和“geometry”两个类型的成员，两者之间并没有顺序的差异。

更多信息可参考：https://zh.wikipedia.org/wiki/GeoJSON

二、上手使用

说了那么多关于数据格式的内容，终于可以一起上手了。如果没有现成的数据需要分析，那么可以先使用 Kapler.gl 提供的 Sample Data 学习一下这款软件如何操作：

网站很贴心的提供了一些数据集，供大家学习上手。其中有诸如加利福尼亚地震数据、2017年美国失业率数据等内容，这些数据都提供下载。其中部分数据采用的是 GeoJSON 格式的数据，可供大家下载学习（就是想做啥图，就把样例中的 GeoJSON 数据下载下来，参考格式在替换上自己的数据🌚）。

1. 呈现效果

我们选择一了地震数据集来做演示。首先简单介绍一下这个数据：

这个数据集主要包括了时间信息（DataTime）、地理位置信息（Latitude 和 Longitude）、以及其他描述地震的信息（震级、震源深度等）。

所以，这些数据在数据地图中他是如何展示的呢？

Kepler.gl 根据地理位置信息和地震信息标注点的位置和大小颜色。然后更加下方的时间轴范围展示一张图里显示的数量。并且可以根据时间轴“动起来”，效果如下：

看完了效果，我们大致能够了解 Kepler.gl 能够将数据可视化实现到怎么样的程度（其实每一个案例的呈现都非常优秀）。接着让我看看更为具体的编辑界面吧，这才是我们需要学习的内容。

2.工具栏

Kepler.gl 设置项分为4个工具栏，左其分别是 Layers （图层）、Filters （过滤）、Interaction（交互）、Base map （底层地图）。

四者的作用可以概括为：

Layers （图层）：数据展示的图层，位于底层地图上面。就是我们导入的数据后，控制样式的图层。

Filters （过滤器）：用以过滤数据。例如，上图中时间轴就是一个过滤器，用以过滤时间段，显示相同时间段的数据。

Interaction（交互）：即鼠标移动时显示的数据信息。

Base map （底层地图）：就是最底层地图样式。有4种样式可选。

1.1 Layers 的设置

首先来看图层的具体设置。图层的概念与常见的图片编辑软件是一样的，例如你可以在底层添加显示地图颜色的图层，在上层添加显示一个光束的图层。分别展示数据大小、流向等信息。

具体来说：

通过添加按钮可以添加多个图层，上面的图层会遮盖下面的图层。可以通过左边的眼睛按钮选择显示或者隐藏图层。

鼠标移动到图层横条后可以对其进行排序（按住左边几个小方格点阵，拖拽即可）、重命名或者删除等操作。

点击向下的箭头，可以展开一个图层的具体设置。

这里最基本的，选择需要的地图类型（Layer Type / Type）：

一共有9+2（H3和3D图）种。每一种地图的类型对于数据要求也不同。例如 Arc 和 Line 图，就需要有两组经纬度坐标，即起止地的坐标。 Polygon 就要求使用 geojson 格式的文件。数据格式可以参照前文提到的方法，下载 Sample 数据做参考。本文就以最基础的 Point 点图为例，介绍一下具体的设置项，抛砖引玉方便读者入门。

选择了 Point 后，如果没有自动匹配经纬度，那么需要手动选择经纬度变量：