最近正好在學(xué)空間數(shù)據(jù)處理，這次更一下用python如何畫出好看的地圖

下面主要是用

• folium

• poltly

• geopandas+matplotlib

三種方式繪制地圖

1.folium

import folium import pandas as pd #輸入上海經(jīng)緯度，尺度 latitude = 31.2 longitude = 121.5 sh_map = folium.Map(location=[latitude, longitude], zoom_start=10) sh_map

默認(rèn)為’OpenStreetMap’風(fēng)格，我們還可以選擇’Stamen Terrain’, 'Stamen Toner’等

sh_map = folium.Map(location=[latitude, longitude], zoom_start=10,tiles='Stamen Toner') sh_map

有了底圖把帶有經(jīng)緯度的數(shù)據(jù)點映射上去，這里用上次上海poi中的火鍋數(shù)據(jù)

把火鍋店數(shù)據(jù)放到地圖上

# 創(chuàng)建特征組 hotpots = folium.map.FeatureGroup() # Loop through the 200 crimes and add each to the incidents feature group for lat, lng, in zip(data.lat, data.lon):hotpots.add_child(folium.CircleMarker([lat, lng],radius=7, # define how big you want the circle markers to becolor='yellow',fill=True,fill_color='red',fill_opacity=0.4))# 把火鍋特征組放到上海地圖上 sh_map =folium.Map(location=[latitude, longitude], zoom_start=10) sh_map.add_child(hotpots)

點太多看不出什么，我們下面只放嘉定區(qū)的數(shù)據(jù)

我們可以繼續(xù)添加火鍋店名字信息并標(biāo)注在上圖

latitudes = list(datas.lat) longitudes = list(datas.lon) labels = list(datas.name) for lat, lng, label in zip(latitudes, longitudes, labels):folium.Marker([lat, lng], popup=label).add_to(sh_map) sh_map

最后我們需要繪制每個區(qū)的火鍋數(shù)量的Choropleth Map，不同顏色代表火鍋數(shù)量
首先讀取上海行政區(qū)geojson文件

統(tǒng)計各個區(qū)火鍋數(shù)量

hots=data.groupby('adname',as_index=False).agg({'name':"count"}) hots.columns=['district','num'] hots

開始繪制Choropleth Map， 下面key_on='feature.properties.name’是因為我們這里下載的上海geojson中name對應(yīng)于行政區(qū)，這個根據(jù)具體數(shù)據(jù)而定

#輸入上海經(jīng)緯度，尺度 latitude = 31.2 longitude = 121.5 map = folium.Map(location=[latitude, longitude], zoom_start=12) folium.Choropleth(geo_data=geo_data,data=hots,columns=['district','num'],key_on='feature.properties.name',#fill_color='red',fill_color='YlOrRd',fill_opacity=0.7,line_opacity=0.2,highlight=True,legend_name='Hotpot Counts in Shanghai' ).add_to(map) map

浦東新區(qū)一馬當(dāng)先，嘉定區(qū)榜上有名

2.poltly

用poltly畫Choropleth Map跟folium很類似，這里直接繼續(xù)用前面處理好的數(shù)據(jù)

import plotly.express as px import plotly.graph_objs as go latitude = 31.2 longitude = 121.5 fig = px.choropleth_mapbox(data_frame=hots,geojson=geo_data,color='num',locations="district",featureidkey="properties.name",mapbox_style="carto-positron",color_continuous_scale='viridis',center={"lat": latitude, "lon": longitude},zoom=7.5, ) fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0}) fig.show()

設(shè)置mapbox_style="carto-darkmatter"換一種風(fēng)格

3.geopandas+matplotlib

先利用geopandas繪制出各行政區(qū)輪廓

import matplotlib.pyplot as plt import matplotlib as mpl # 中文和負(fù)號的正常顯示 mpl.rcParams['font.sans-serif'] = ['Times New Roman'] mpl.rcParams['font.sans-serif'] = [u'SimHei'] mpl.rcParams['axes.unicode_minus'] = False # 裁剪上海shape fig, ax = plt.subplots(figsize=(20, 10)) ax=geo_data.plot(ax=ax,facecolor='grey',edgecolor='white',linestyle='--',alpha=0.8) ax.axis('off') # 移除坐標(biāo)軸

將統(tǒng)計的各個區(qū)的火鍋店數(shù)量與geo_data合并

need_data=pd.merge(geo_data,hots[['district','num']],left_on='name',right_on='district') need_data

此時數(shù)據(jù)已經(jīng)是dataframe，不是需要的geodataframe了，所以需要繼續(xù)轉(zhuǎn)換一下

need_data = gpd.GeoDataFrame(need_data) need_data.geom_type

可以看到這個時候need_data已經(jīng)是geodataframe類型了

fig, ax = plt.subplots(figsize=(20, 10)) need_data.plot('num', cmap='OrRd',ax=ax) ax.axis('off') # 移除坐標(biāo)軸 cmap = mpl.cm.get_cmap('OrRd') norm = mpl.colors.Normalize(min(need_data['num']), max(need_data['num'])) fcb = fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap),ax=ax) ax=geo_data.plot(ax=ax,facecolor='grey',edgecolor='white',linestyle='--',alpha=0.2) ax.set_title('Hotpot Count in Shanghai', fontsize=20)

不熟悉上海的人是看不出來各個區(qū)的，這里可以繼續(xù)加行政區(qū)標(biāo)注

fig, ax = plt.subplots(figsize=(20, 10)) need_data.plot('num', cmap='OrRd',ax=ax) for idx, _ in enumerate(need_data.geometry.representative_point()):# 提取行政區(qū)名稱region = need_data.loc[idx, 'name']ax.text(_.x, _.y, region, ha="center", va="center", size=8) ax.axis('off') # 移除坐標(biāo)軸 cmap = mpl.cm.get_cmap('OrRd') norm = mpl.colors.Normalize(min(need_data['num']), max(need_data['num'])) fcb = fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap),ax=ax) ax=geo_data.plot(ax=ax,facecolor='grey',edgecolor='white',linestyle='--',alpha=0.2) ax.set_title('Hotpot Count in Shanghai', fontsize=20)

本文的notebook及數(shù)據(jù)可公眾號后臺回復(fù)地圖獲得

總結(jié)

以上是生活随笔為你收集整理的用python如何画出好看的地图的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。