烧钱

烧钱 该可视化工具是通过在Jupyter Notebook中使用Python编码实现的。 使用matplotlib，geopandas和世界财富数据创建了世界财富分布的热图。 NASA的全球污染图像叠加在世界财富热图上，以获取视觉效果。 我们面临的主要问题是生成世界财富热图。 要获取几何图案值以生成世界地图，需要深入研究matplotlib生成世界地图和热图的能力。 我们面临的另一个障碍是试图将热图覆盖在NASA的全球污染图上，这需要在计算图的尺寸上进行一些尝试和错误。 我们以编程方式在财富图（2019年每个国家每个成年人的平均财富，以美元为单位）上覆盖了污染图（对流层中二氧化氮的平均值，2014年），以显示每个人都集中在什么地方，以便观众观看通过查看财富和污染的集中程度来得出自己的结论。 该代码是针对“通用活动”地点的SpaceApps 2020挑战开发的。 提交此代码的挑战是“一