博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
化妆、护肤、发际线……最爱“面子”的竟是这些城市!
阅读量:4163 次
发布时间:2019-05-26

本文共 931 字,大约阅读时间需要 3 分钟。

如今,大家对自己的颜值也越来越上心,但是不同地区的人们因为地区文化的不同,对颜值的关注程度和侧重点也是不同的。小编从百度指数网站上获取了近一年来与颜值相关的几个关键词的搜索热度,做成了几幅地图,并在文末附上了详细的制图方法,一起来看看吧!

首先来看“化妆”关键词的搜索热度图,北京人民遥遥甩开其它各市排名第一,与排名第二的上海间几乎差了一个珠海。

图片
而在护肤上,北京的优势并不明显,深圳紧随北京后排名第二,几乎和北京是齐平的状态。
图片
说到颜值,除了化妆和护肤两个常规的关注点外,发际线也越来越走入大家的视野,成为“变美三件套”之一。前段时间,“第一批90后已经秃头”的话题刷爆朋友圈,“发际线后移”和“秃头”似乎成了当然年轻人最担心的两件事情。北上广深在经济发展领先的同时,对发际线的焦虑程度也是位于第一梯队,而成都、杭州、武汉和重庆位列第二梯队,并且大有赶上第一梯队之势。
在这里插入图片描述
这里,给大家奉上这样有立体效果的地图在SuperMap iDesktopX中制作的关键步骤:

1 获取数据

从百度指数网站(网址为http://index.baidu.com/v2/index.html#/)获取2019年11月到2020年11月一年期间,三个制图关键词在不同市级行政区的整体日均搜索值,并录入市级行政区面数据的属性表中。

图片
百度指数网站

2 夸大搜索热度值

将每个关键词的搜索热度值夸大500倍,方便后续制作平面立体地图时,立体效果更加明显。

3 制作平面立体地图

使用【地图】选项卡【制图】分组中的【平面立体地图】功能,为政区面数据制作立体效果,“拉伸高度”设置为夸大500倍后的关键词搜索热度值。点击确定后,生成政区面拉伸后的顶面和侧边阴影面数据。

在这里插入图片描述
制作立体效果前后对比

4 制作分段专题图

对拉伸后的顶面数据根据关键词热度值制作分段专题图,并为每一段赋予不同的颜色值,由浅到深表明搜索热度由低到高。

在这里插入图片描述
制作分段专题图

最后,为地图加入完整的国界线、必要的说明文字和图名,地图就做好了。

平面立体地图可以将原来简单显示的平面地图变成有立体感的地图,增加二维数据的层次感,并通过设置顶面和阴影面的风格,增加地图的美观度,常用来给建筑物或者街区制作立体效果。

在这里插入图片描述
建筑物的立体效果

转载地址:http://cppxi.baihongyu.com/

你可能感兴趣的文章
Online Multi-Object Tracking via Structural Constraint Event Aggregation
查看>>
The Solution Path Algotithm for Identity-Aware Multi-Object Tracking
查看>>
Groupwise Tracking of Crowded Similar-Appearance Targets from Low-Continuity Image Sequences
查看>>
CDTS: Collaborative Detection, Tracking, and Segmentation for Online Multiple Object Segmentation
查看>>
Deep Network Flow for Multi-Object Tracking
查看>>
Multiple People Tracking by Lifted Multicut and Person Re-identification
查看>>
Multi-Object Tracking with Quadruplet Convolutional Neural Networks
查看>>
关于多目标跟踪的一点理解
查看>>
Learning by tracking:Siamese CNN for robust target association
查看>>
MUSTer:Multi-Store Tracker:A Cognitive Psychology Inspired Approach to Object Tracking
查看>>
Understanding and Diagnosing Visual Tracking Systems
查看>>
Multiple People Tracking by Lifted Multicut and Person Re-identification
查看>>
Visual Tracking Using Attention-Modulated Disintegration and Integration
查看>>
Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning
查看>>
Multiple Object Tracking with High Performance Detection and Appearance Feature
查看>>
深度学习入门(上)-第一章 必备基础知识点
查看>>
ubuntu unzip解压时提示错误 解决方法
查看>>
sprintf函数的说明
查看>>
BOOST_TYPEOF和BOOST_AUTO 作用
查看>>
随机森林概述
查看>>