1. 简介

Kepler.gl相信很多人都听说过，作为Uber几年前开源的交互式地理信息可视化工具，kepler.gl依托WebGL强大的图形渲染能力，可以在浏览器端以多种形式轻松展示大规模数据集。

 更令人兴奋的是Kepler.gl在去年推出了基于Python的接口库keplergl，结合jupyter notebook/jupyter lab的相关拓展插件，使得我们可以通过编写Python程序配合Kepler.gl更灵活地制作各种可视化作品。

而随着近期keplergl的更新，更多的新特性得以同步到其Python生态中，本文就将针对其中的路径动画的制作方法进行介绍。

2.基于keplergl的路径动画

我们要制作的路径动画图主要用于表现特定路径上流的运动，譬如图3的例子来自Kepler.gl官方示例：

而在官方的说明中描述了要绘制路径动画需要输入的数据格式：

这是一个典型的GeoJSON格式LineString要素，特别的是其"coordinates"键对应的值不同于常规的[经度, 纬度]格式，而是代表着[经度, 纬度, 高度, 时间戳]，其中高度非必要，可以设置为0，而时间戳则声明了轨迹动画在该时间点会到达的该点位置，即线要素上连续的点位置+时间戳定义了轨迹动画的运动模式，下面我们分步骤来实现。

3.构造数据与初始化html

这里我们以重庆市渝中区的OSM路网为演示示例数据，首先我们需要利用json模块来读取本地重庆市渝中区_osm路网_道路.geojson数据：

from keplergl import KeplerGl
import json
import time
 
with open('geometry/重庆市渝中区_osm路网_道路.geojson') as g:
  raw_roads = json.load(g)

随便打印出其中包含的某个线要素：

可以看到，这时线要素内部包含的点还是[经度, 纬度]的格式，接下来我们为其虚构上时间戳信息，为了保证整个路网可视化的协调一致，将所有线要素的时间跨度固定在一个小时之内，保证每段路上从头到尾的轨迹动画都保持一致：

start_time = time.mktime(time.strptime('2020-05-29 20:00:00', "%Y-%m-%d %H:%M:%S"))
 
for i in range(raw_roads['features'].__len__()):
    for j in range(raw_roads['features'][i]['geometry']['coordinates'].__len__()):
        
        shift_time = int((j / raw_roads['features'][i]['geometry']['coordinates'].__len__())*3600) # 更新当前对应的时间戳
        
        raw_roads['features'][i]['geometry']['coordinates'][j]             .extend([0, # 高度设置为0
                     int(start_time) + shift_time])

接着再打印其中一个线要素：

可以发现每个点元素都追加上高度0以及对应的时间戳（注意这里的时间戳必须为整数否则之后输入keplergl会报错），接下来的过程就非常简单。

首先确保你已经安装了keplergl以及对应插件，譬如我所使用的jupyter lab，在确保nodejs被安装的前提下，使用jupyter labextension install @
jupyter-widgets/jupyterlab-manager keplergl-jupyter安装拓展插件（jupyter notebook可参考
https://github.com/keplergl/kepler.gl/tree/master/bindings/kepler.gl-jupyter#installation），以及使用pip install keplergl来安装keplergl库，一切准备就绪直接运行如下代码：

from keplergl import KeplerGl
# 生成KeplerGl对象s
map1 = KeplerGl(height=400, 
                data={'flow': raw_roads}) # data以图层名为键，对应的矢量数据为值
map1
map1.save_to_html(file_name='渝中区.html') # 导出到本地可编辑html文件

这一步的目的是初始化已嵌入目标数据的html文件，接下来你就可以关闭jupyter lab，在工作目录下找到已经导出的html文件直接打开，接下来的工作将在浏览器里进行。