Advanced Data Analysis（旧Code Interpreter）で外部ライブラリを利用して地図を描いてみた

コードインタープリタで世界地図を描いてください。

import geopandas as gpd
import matplotlib.pyplot as plt

# Load the world map data
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# Plot the world map
world.plot()

# Display the plot
plt.show()

日本地図を描いてください。

# Filter the world map data to include only Japan
japan = world[world['name'] == 'Japan']

# Plot the map of Japan
japan.plot()

# Display the plot
plt.show()

日本の政令指定都市とその緯度・経度の一覧表を作成してください。

この一覧表を利用して、先程の日本地図に政令指定都市の位置を表示してください。
地図のタイトルやラベルは英語にしてください。

fig, ax = plt.subplots(1, 1)

# Plot the map of Japan
japan.plot(ax=ax, color='white', edgecolor='black')

# Plot the locations of the designated cities
plt.scatter(df['Longitude'], df['Latitude'], color='red')

# Label the cities
for x, y, label in zip(df['Longitude'], df['Latitude'], df['City']):
    plt.text(x, y, label, fontsize=8)

# Set the title and labels
plt.title('Designated Cities in Japan')
plt.xlabel('Longitude')
plt.ylabel('Latitude')

# Display the plot
plt.show()

import zipfile
import os
import sys

# File path
wheel_file_path = '/mnt/data/japanmap-0.3.0-py3-none-any.whl'

# Extract the wheel file
with zipfile.ZipFile(wheel_file_path, 'r') as zip_ref:
    zip_ref.extractall('/mnt/data/japanmap')

# Add the extracted directory to the system path
sys.path.append('/mnt/data/japanmap')

# Check if the path is added successfully
'/mnt/data/japanmap' in sys.path

from japanmap import picture

# Create a color dictionary
colors = {"東京都": "red"}

# Generate the picture
img = picture(colors)

# Create a figure
fig = plt.figure(figsize=(8, 8))

# Remove the axes
ax = plt.Axes(fig, [0., 0., 1., 1.], )
ax.set_axis_off()
fig.add_axes(ax)

# Display the picture
plt.imshow(img)
plt.show()

# Prepare the dictionary for population growth rate
pref_pop_growth_rate = {
    '沖縄県': 0.08,
    '東京都': -0.04,
    '神奈川県': -0.04,
    '埼玉県': -0.10,
    '千葉県': -0.14,
    '滋賀県': -0.29,
    '福岡県': -0.33,
    '大阪府': -0.56,
    '愛知県': -0.59,
    '茨城県': -0.90,
    '宮城県': -0.97,
    '山梨県': -1.03,
    '京都府': -1.07,
    '兵庫県': -1.11,
    '熊本県': -1.18,
    '栃木県': -1.28,
    '石川県': -1.29,
    '群馬県': -1.33,
    '長野県': -1.34,
    '佐賀県': -1.34,
    '奈良県': -1.39,
    '岡山県': -1.39,
    '静岡県': -1.40,
    '広島県': -1.42,
    '三重県': -1.55,
    '大分県': -1.56,
    '北海道': -1.62,
    '鹿児島県': -1.63,
    '宮崎県': -1.66,
    '岐阜県': -1.68,
    '香川県': -1.73,
    '鳥取県': -1.76,
    '富山県': -1.78,
    '福井県': -1.81,
    '島根県': -1.97,
    '和歌山県': -2.10,
    '愛媛県': -2.14,
    '山口県': -2.16,
    '徳島県': -2.19,
    '新潟県': -2.20,
    '長崎県': -2.26,
    '高知県': -2.28,
    '福島県': -2.39,
    '岩手県': -2.48,
    '山形県': -2.53,
    '青森県': -2.71,
    '秋田県': -3.08
}

# Prepare the dictionary for population growth rate to color
growth_rate_to_color = {
    range(0, int(0.5 * 100)): 'red',
    range(-int(0.5 * 100), 0): 'orange',
    range(-int(1.0 * 100), -int(0.5 * 100)): 'yellow',
    range(-int(1.5 * 100), -int(1.0 * 100)): 'green',
    range(-int(2.0 * 100), -int(1.5 * 100)): 'blue',
    range(-int(2.5 * 100), -int(2.0 * 100)): 'navy',
    range(-int(3.0 * 100), -int(2.5 * 100)): 'purple',
    range(int(-3.0 * 100 - 1), -int(3.0 * 100)): 'white',
}

# Prepare the dictionary for prefecture to color
pref_to_color = {}
for pref, growth_rate in pref_pop_growth_rate.items():
    for r, color in growth_rate_to_color.items():
        if int(growth_rate * 100) in r:
            pref_to_color[pref] = color
            break

# Plot the map
pct = picture(pref_to_color)
plt.figure(figsize=(10, 10))
plt.imshow(pct)
plt.axis('off')
plt.show()

# Prepare the dictionary for My Number card diffusion rate
pref_mynumber_rate = {
    '宮崎県': 79.2,
    '鹿児島県': 75.7,
    '佐賀県': 75.0,
    '鳥取県': 74.6,
    '山口県': 74.4,
    '岐阜県': 74.3,
    '広島県': 74.3,
    '愛媛県': 74.0,
    '秋田県': 73.8,
    '富山県': 73.3,
    '福井県': 73.2,
    '山形県': 73.1,
    '石川県': 73.1,
    '島根県': 72.7,
    '静岡県': 72.5,
    '和歌山県': 72.5,
    '滋賀県': 72.3,
    '熊本県': 72.3,
    '大分県': 72.3,
    '奈良県': 72.2,
    '岡山県': 71.6,
    '香川県': 71.4,
    '長崎県': 71.4,
    '新潟県': 70.9,
    '兵庫県': 70.9,
    '福岡県': 70.8,
    '愛知県': 70.6,
    '青森県': 70.3,
    '福島県': 70.3,
    '山梨県': 70.3,
    '宮城県': 70.2,
    '岩手県': 70.1,
    '千葉県': 70.0,
    '栃木県': 69.9,
    '茨城県': 69.7,
    '三重県': 69.4,
    '群馬県': 69.2,
    '北海道': 68.9,
    '神奈川県': 68.8,
    '徳島県': 68.8,
    '大阪府': 68.6,
    '長野県': 68.1,
    '埼玉県': 67.9,
    '京都府': 67.8,
    '高知県': 67.1,
    '東京都': 66.8,
    '沖縄県': 58.0
}

# Prepare the dictionary for diffusion rate to color
diffusion_rate_to_color = {
    range(int(77.5), int(100)): 'red',
    range(int(75.0), int(77.5)): 'orange',
    range(int(72.5), int(75.0)): 'yellow',
    range(int(70.0), int(72.5)): 'green',
    range(int(67.5), int(70.0)): 'blue',
    range(int(65.0), int(67.5)): 'navy',
    range(int(0), int(65.0)): 'purple',
}

# Prepare the dictionary for prefecture to color
pref_to_color = {}
for pref, diffusion_rate in pref_mynumber_rate.items():
    for r, color in diffusion_rate_to_color.items():
        if int(diffusion_rate) in r:
            pref_to_color[pref] = color
            break

# Plot the map
pct = picture(pref_to_color)
plt.figure(figsize=(10, 10))
plt.imshow(pct)
plt.axis('off')
plt.show()

医療の充実度のコロプレスマップを作成してください。
それぞれ人口一人当たりに修正した、一般病院数、一般診療所数、歯科診療所数、医師数を使用してください。

あなたは私に、好きな歴史上の人物の名前を聞きます。 
私が人物の名前を答えたら、その人物に関係のある都道府県を着色し、その人物との関係を説明してください。

あなたは、都道府県を一つ選んで着色し、それがどの都道府県か私に質問してください。
私が都道府県の名前を回答したら、正解のときは「ピンポン」、不正解のときは「ブー」と答え、正解の都道府県の特徴、観光名所、名物について説明してください。

import folium

# 東京ディズニーランドの座標
latitude = 35.632896
longitude = 139.880394

# 地図の初期設定
map = folium.Map(location=[latitude, longitude], zoom_start=15)

# マーカーを追加
folium.Marker([latitude, longitude], popup='Tokyo Disneyland').add_to(map)

# HTMLファイルとして出力
map.save('tokyo_disneyland_map.html')

import pandas as pd
import folium

# Load data from the provided excel file
data = pd.read_excel("/mnt/data/kosyumusenlan.xlsx")

# Check the data
data.head()

# Drop rows with missing values
data_clean = data.dropna()

# Create a map centered around Bunkyo Ward, Tokyo
bunkyo_map = folium.Map(location=[35.7188100, 139.744732], zoom_start=13)

# Add a marker for each location in the cleaned data
for _, row in data_clean.iterrows():
    folium.Marker(location=[row["緯度"], row["経度"]], 
                  popup=row["名称"], 
                  icon=folium.Icon(icon="cloud")).add_to(bunkyo_map)

# Save the map as an html file
bunkyo_map.save("/mnt/data/bunkyo_wifi_map_clean.html")