2016年10月22日至25日， “中国古都学研究高峰论坛”在成都举行，正式将成都列为我国“大古都”之一，至此全国便有了“十大古都”。至此我们可以得知，我国历史上的十大古都分别是西安、洛阳、南京、北京、开封、杭州、安阳、郑州、大同、成都这十座城市。古都西安热力图首先我们来看古都西安，西安是十三朝古都，历史上曾又名长安、常安、大兴、京兆、镐京、西京等。西安是我国最具盛名的古都，也是世界四大古都之一，被称为不朽之城。在西安定都的朝代有西周、秦、西汉、前赵、前秦、后秦、西魏、北周、隋、唐、新朝、西晋、东汉一共13个朝代。西安可以说是我国十大古都中定都朝代最多的城市之一。晚上七点左右，我们可以看出西安的城市热力图面积非常大。西安热力图不仅红色区域非常集中，而且蓝色区域面积巨大，可见城市框架非常大。咸阳与西安虽隔渭河相望，但从热力图来看，两座城市几乎融为了一体，不分彼此。古都西安热力图古都洛阳热力图洛阳和西安一样也是十三朝古都，从古至今有夏朝、商朝、西周、东周、东汉、曹魏、西晋、北魏、隋朝、唐朝、后梁、后唐、后晋十三个朝代在此建都。洛阳古称斟鄩、西亳、洛邑、成周、雒阳、东都、神都。若问古今兴废事，请君只看洛阳城。洛阳的文化底蕴并不亚于西安，这两座十三朝古都可以说是我国历史上的双子星古都。时转千年，洛阳已经不再是古都，甚至现在已不是省会城市，比起曾经的辉煌，确实失落了许多。在同一比例尺下，我们可以看到洛阳的热力图面积虽不算大，但也非常集中。洛阳与曾经的老伙计长安相比热力图确实逊色了许多。虽然有所失落，但洛阳毕竟是中西部非省会城市中综合实力最为厉害的城市，未来可期。古都洛阳热力图古都南京热力图南京也是我国历史上著名的古都，有着六朝古都，十朝都会的盛名。其中六朝指的是先后有东吴、东晋、和南朝的宋、齐、梁、陈（史称六朝）。十朝都会是指加上南唐、明、太平天国、中华民国共10个朝代和政权在南京建都立国。南京古称金陵、建康。现今，南京也是我国重要的大都市，是我国十大城市之一，我国经济最为发达的城市之一，实力很强。在同一比例尺下，我们可以看出南京的热力图面积也非常大。古都南京热力图古都北京热力图接下来我们看看首都北京，北京是五个朝代的古都，分别是：辽、金、元、明、清。北京历史悠久，它作为城市的历史可以追溯到3000年前。北京名称先后有蓟城、燕都、燕京、大都、北平、顺天府等等。现在的北京也是我国的首都和一线城市。晚上七点左右，在同一比例尺下，我们可以看出北京的热力图面积巨大，在这十座古都中处于第一的位置。古都北京热力图古都开封热力图开封是我国的八朝古都。先后有夏朝、春秋战国时期魏国、五代后梁、后晋、后汉、后周、辽朝、北宋和金朝等相继在开封定都。现今开封是河南省的地级市，简称汴，古称东京、汴京。开封和洛阳一样，现如今只是个普通地级市，和曾经辉煌的历史相比确实有些失落。可以看出，开封的热力图在十座城市中处于末尾，无论是红色区域还是绿色区域都非常小。古都开封热力图古都杭州热力图杭州是两朝古都，经历了五代十国吴越国和南宋两个朝代，五代时的吴越国，即907年～978年，在杭建都。虽然在杭州定都的朝代不多，但杭州在我国历史上自古以来就是一座非常富饶的城市，上有天堂下有苏杭，杭州从未退出过历史的舞台。晚上在同一比例尺下，可以看出杭州热力图表现非常不错，在十座城市中处于前列的位置。古都杭州热力图古都安阳热力图安阳也是非常厉害的一座古都，安阳是我国的七朝古都，历史上先后有商朝 、曹魏、后赵、冉魏、前燕、东魏、北齐等在安阳建都，素有“七朝古都”之称。晚上同一比例尺下，我们可以看出安阳的热力图虽然与西安南京等城市比不了，但热力图面积还是稍大于开封。古都安阳热力图古都郑州热力图郑州是五朝古都，分别是夏、商、管、郑、韩将郑州作为国都。除此之外，隋、唐、五代、宋、金、元、明、清等朝代都在郑州设州。如今的郑州不仅是河南省的省会城市，还是国家中心城市，发展非常迅速。在同一比例尺下，我们可以看出郑州的热力图面积非常大，不亚于杭州。郑州热力图红色区域连片性非常好，除此之外蓝紫色区域非常广阔。古都郑州热力图古都大同热力图大同古称云中、平城，曾是北魏首都，辽、金陪都。此后以北魏京华平城为中心，大同不仅是晋北蒙南冀西金三角地区的首府和通都大邑，而且成为辽金元诸王朝的西部重镇，称西京二百四十余年。明设代藩于大同，为九边重镇之首。大同虽如今是山西省的一个普通地级市，但从热力图来看非常还是非常不错的，热力图面积感觉和洛阳不相上下，两座城市热力图相比仅在伯仲之间。古都大同热力图古都成都热力图成都是九朝古都，分别是蜀、成家、蜀汉、成汉、谯蜀、前蜀、后蜀、李蜀、大西等王朝的首都。成都的热力图表现非常亮眼，热力图是除北京之外，这九座城市中面积最大的。从热力图来看，感觉成都城区规模已经可以和北京相媲美了。古都成都热力图以上就是我国十大古都的热力图，下面我们将这十座古都的热力图进行汇总。在同一张图片下，可以对十座古都的热力图有一个直观的视觉对比。对比北京的热力图处于10座城市中的第一位，属于第一梯队。成都热力图位于第二位，西安市热力图位于第三位，这两座城市的热力图属于第二梯队。杭州的热力图位于第四位，郑州热力图位于第五位，南京热力图位于第六位，这三座城市的热力图处于第三梯队。大同热力图位于第七位，洛阳热力图位于第八位，这两座城市的热力图属于第四梯队。安阳热力图位于第九位，开封的热力图位于第十位，这两座城市的热力图属于第五梯队。以上就是我国十大古都的热力图表现情况，关于这十座古都的热力图，你还有什么想说的呢？下一篇：南京热力图不敌杭州长沙，在六座城市中处于末位，这是什么原因？

记得早上起床，打开手机看到好多盆友发来的询问关怀“听说北京沙尘暴了，注意安全哦”，比心 ! 随后拉开窗帘，果然是漫天黄沙还伴随着大风，打开朋友圈满屏的银翼杀手、末日的关键字。import akshare as ak air_quality_hist_df = ak.air_quality_hist(city="北京", period="day", start_date="2020-01-01", end_date="2021-03-15") air_quality_hist_df.head() import pandas as pd # 拷贝并进行索引重置 df = air_quality_hist_df[['aqi']].copy() df.reset_index(inplace=True) # 将time字段改为时间格式 df.time = pd.to_datetime(df.time) # 新增年月字段，内容为 x年x月，如2021年3月，为字符串格式 df['年月'] = df.time.apply(lambda x:x.strftime('%Y{y}%m{m}').format(y="年",m="月")) # 新增日期字段，内容为 1-31 df['日期'] = df['time'].dt.day # 做透视处理，将长表转化为宽表 data = pd.pivot(df, values='aqi', index='年月', columns='日期') # 转化后部分月份不存在部分日期默认为nan值，需要转化为数字格式 float（无法转化为int） data = data.astype('float') # 按照 索引年月倒序排序 data.sort_index(ascending=False,inplace=True) data.head() import matplotlib.pyplot as plt import matplotlib.colors as mcolors import seaborn as sns #设置全局默认字体 为 雅黑 plt.rcParams['font.family'] = ['Microsoft YaHei'] # 设置全局轴标签字典大小 plt.rcParams["axes.labelsize"] = 14 # 设置背景 sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']}) # 设置画布长宽 和 dpi plt.figure(figsize=(18,8),dpi=100) # 自定义色卡 cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) # 绘制热力图 ax = sns.heatmap( data, cmap=cmap, vmax=300, annot=True, # 热力图上显示数值 fmt='0.f', # 数值格式 linewidths=0.5,) ax.set_title( label='北京最近15个月空气质量AQI',fontdict = {'fontsize': 16}) # 将x轴刻度放在最上面 ax.xaxis.set_ticks_position('top') 对于plotly来说，plotly.express可以直接将满足条件格式的dataframe数据用px.imshow()绘制，不过试了很久暂时没学会怎么方便的将数值显示在热力图上。找了半天发现plotly提供另外一种方式create_annotated_heatmap，专门用来显示数值。import plotly.express as px # import plotly.graph_objs as go fig = px.imshow(data, color_continuous_scale='Temps', color_continuous_midpoint= 75 , range_color = [0,300], title = '北京最近15个月空气质量AQI', width=1200, height=711, ) fig.update_layout(xaxis=dict(tickmode='linear'), # x轴全部显示 ) fig.show() # 数据分箱操作 data.sort_index(ascending=True,inplace=True) bins = [0,50,100,150,200,300,999] groups = [.1,.2,.3,.4,.5,.6] data1 = data.apply(lambda x: pd.cut(x,bins,labels=groups)) data1.head() import plotly.figure_factory as ff import numpy as np x = list(data.columns) y = list(data.index) z = data1.values.tolist() z_text = data3.fillna('').values.tolist() # data3 为初始未进行格式转化的透视宽表 # 自定义色卡 colorscale=[[0.0, 'rgb(0,153,102)'], [.1, 'rgb(211, 207, 99)'], [.3, 'rgb(255, 153, 51)'], [.4, 'rgb(204, 97, 51)'], [.5, 'rgb(102, 0, 153)'],[1.0, 'rgb(126, 0, 35)']] fig = ff.create_annotated_heatmap(z, x=x, y=y, annotation_text=z_text, colorscale=colorscale, ) fig.update_layout(title ='北京最近15个月空气质量AQI', width=1200, height=711, ) # 将x轴刻度放在最上面 fig.update_xaxes(side="top") fig.show() # Add Periodic Table Data symbol = [['H', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', 'He'], ['Li', 'Be', '', '', '', '', '', '', '', '', '', '', 'B', 'C', 'N', 'O', 'F', 'Ne'], ['Na', 'Mg', '', '', '', '', '', '', '', '', '', '', 'Al', 'Si', 'P', 'S', 'Cl', 'Ar'], ['K', 'Ca', 'Sc', 'Ti', 'V', 'Cr', 'Mn', 'Fe', 'Co', 'Ni', 'Cu', 'Zn', 'Ga', 'Ge', 'As', 'Se', 'Br', 'Kr'], ['Rb ', 'Sr', 'Y', 'Zr', 'Nb', 'Mo', 'Tc', 'Ru', 'Rh', 'Pd', 'Ag', 'Cd', 'In', 'Sn', 'Sb', 'Te', 'I', 'Xe' ], ['Cs', 'Ba', '', 'Hf', 'Ta', 'W', 'Re', 'Os', 'Ir', 'Pt', 'Au', 'Hg', 'Tl', 'Pb', 'Bi', 'Po', 'At', 'Rn' ], ['Fr', 'Ra', '', 'Rf', 'Db', 'Sg', 'Bh', 'Hs', 'Mt', 'Ds', 'Rg', 'Cn', 'Uut', 'Fl', 'Uup', 'Lv', 'Uus', 'Uuo'], ['', '', 'La', 'Ce', 'Pr', 'Nd', 'Pm', 'Sm', 'Eu', 'Gd', 'Tb', 'Dy', 'Ho', 'Er', 'Tm', 'Yb', 'Lu', ''], ['', '', 'Ac', 'Th', 'Pa', 'U', 'Np', 'Pu', 'Am', 'Cm', 'Bk', 'Cf', 'Es', 'Fm', 'Md', 'No', 'Lr', '' ], ['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', ''], ['', 'Alkali Metal', '', '', 'Transition Metal', '', '', 'Actinide', '', '', 'Semimetal', '', '', 'Halogen', '', '', '', ''], ['', 'Alkaline Metal', '', '', 'Lanthanide', '', '', 'Basic Metal', '', '', 'Nonmetal', '', '', 'Noble Gas', '', '', '', '']] element = [['Hydrogen', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', 'Helium'], ['Lithium', 'Beryllium', '', '', '', '', '', '', '', '', '', '', 'Boron', 'Carbon', 'Nitrogen', 'Oxygen', 'Fluorine', 'Neon'], ['Sodium', 'Magnesium', '', '', '', '', '', '', '', '', '', '', 'Aluminium', 'Silicon', 'Phosphorus', 'Sulfur', 'Chlorine', ' Argon'], ['Potassium', ' Calcium', ' Scandium', ' Titanium', ' Vanadium', ' Chromium', 'Manganese', 'Iron', 'Cobalt', 'Nickel', 'Copper', 'Zinc', 'Gallium', 'Germanium', 'Arsenic', 'Selenium', 'Bromine', 'Krypton'], ['Rubidium', 'Strontium', 'Yttrium', 'Zirconium', 'Niobium', 'Molybdenum', 'Technetium', 'Ruthenium', 'Rhodium', 'Palladium', 'Silver', 'Cadmium', 'Indium', 'Tin', 'Antimony', 'Tellurium', 'Iodine', 'Xenon'], [' Cesium', ' Barium', '', 'Hafnium', 'Tantalum', 'Tungsten', 'Rhenium', 'Osmium', 'Iridium', 'Platinum', 'Gold', 'Mercury', 'Thallium', 'Lead', 'Bismuth', 'Polonium', 'Astatine', 'Radon'], [' Francium', ' Radium', '', 'Rutherfordium','Dubnium','Seaborgium','Bohrium','Hassium','Meitnerium','Darmstadtium','Roentgenium','Copernicium','Ununtrium','Ununquadium','Ununpentium','Ununhexium','Ununseptium','Ununoctium'], ['', '', 'Lanthanum', 'Cerium', 'Praseodymium', 'Neodymium', 'Promethium', 'Samarium', 'Europium', 'Gadolinium', 'Terbium', 'Dysprosium', 'Holmium', 'Erbium', 'Thulium', 'Ytterbium', 'Lutetium', ''], ['', '', 'Actinium', 'Thorium', 'Protactinium', 'Uranium', 'Neptunium', 'Plutonium', 'Americium', 'Curium', 'Berkelium', 'Californium', 'Einsteinium','Fermium' ,'Mendelevium', 'Nobelium', 'Lawrencium', '' ], ['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', ''], ['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', ''], ['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '']] atomic_mass = [[ 1.00794, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, 4.002602], [ 6.941, 9.012182, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, 10.811, 12.0107, 14.0067, 15.9994, 18.9984032, 20.1797], [ 22.98976928, 24.3050, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, 26.9815386, 28.0855, 30.973762, 32.065, 35.453, 39.948], [ 39.0983, 40.078, 44.955912, 47.867, 50.9415, 51.9961, 54.938045, 55.845, 58.933195, 58.6934, 63.546, 65.38, 69.723, 72.64, 74.92160, 78.96, 79.904, 83.798], [ 85.4678, 87.62, 88.90585, 91.224, 92.90638, 95.96, 98, 101.07, 102.90550, 106.42, 107.8682, 112.411, 114.818, 118.710, 121.760, 127.60, 126.90447, 131.293], [ 132.9054519, 137.327, .0, 178.49, 180.94788, 183.84, 186.207, 190.23, 192.217, 195.084, 196.966569, 200.59, 204.3833, 207.2, 208.98040, 209, 210, 222], [223, 226, .0, 267, 268, 271, 272, 270, 276, 281, 280, 285, 284, 289, 288, 293, 'unknown', 294], [.0, .0, 138.90547, 140.116, 140.90765, 144.242, 145, 150.36, 151.964, 157.25, 158.92535, 162.500, 164.93032, 167.259, 168.93421, 173.054, 174.9668, .0], [.0, .0, 227, 232.03806, 231.03588, 238.02891, 237, 244, 243, 247, 247, 251, 252, 257, 258, 259, 262, .0], [.0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0], [.0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0], [.0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0]] z = [[.8, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, 1.], [.1, .2, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .7, .8, .8, .8, .9, 1.], [.1, .2, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .6, .7, .8, .8, .9, 1], [.1, .2, .3, .3, .3, .3, .3, .3, .3, .3, .3, .3, .6, .7, .8, .8, .9, 1.], [.1, .2, .3, .3, .3, .3, .3, .3, .3, .3, .3, .3, .6, .6, .7, .7, .9, 1.], [.1, .2, .4, .3, .3, .3, .3, .3, .3, .3, .3, .3, .6, .6, .6, .7, .9, 1.], [.1, .2, .5, .3, .3, .3, .3, .3, .3, .3, .3, .3, .6, .6, .6, .6, .9, 1.], [.0, .0, .4, .4, .4, .4, .4, .4, .4, .4, .4, .4, .4, .4, .4, .4, .4, .0], [.0, .0, .5, .5, .5, .5, .5, .5, .5, .5, .5, .5, .5, .5, .5, .5, .5, .0], [.0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0, .0], [.1, .1, .1, .3, .3, .3, .5, .5, .5, .7, .7, .7, .9, .9, .9, .0, .0, .0], [.2, .2, .2, .4, .4, .4, .6, .6, .6, .8, .8, .8, 1., 1., 1., .0, .0, .0]] # Display element name and atomic mass on hover hover=[] for x in range(len(symbol)): hover.append([i + '
' + 'Atomic Mass: ' + str(j) for i, j in zip(element[x], atomic_mass[x])]) # Invert Matrices symbol = symbol[::-1] hover = hover[::-1] z = z[::-1] # Set Colorscale colorscale=[[0.0, 'rgb(255,255,255)'], [.2, 'rgb(255, 255, 153)'], [.4, 'rgb(153, 255, 204)'], [.6, 'rgb(179, 217, 255)'], [.8, 'rgb(240, 179, 255)'],[1.0, 'rgb(255, 77, 148)']] # Make Annotated Heatmap fig = ff.create_annotated_heatmap(z, annotation_text=symbol, text=hover, colorscale=colorscale, font_colors=['black'], hoverinfo='text') fig.update_layout(title_text='Periodic Table') fig.show()