Matplotlib绘图基础之地图绘制详解

更新时间：2023年08月15日 09:54:52 作者：databook

如果分析的数据与地域相关，那么，把分析结果结合地图一起展示的话，会让可视化的效果得到极大的提升，下面就来讲讲如何利用Matplotlib一步步通过地图来展示分析结果吧

如何绘制地图，地图是展示数据的基础，如何绘制出需要的地图区域是第一步
数据和地图关联，数据最终要显示在地图上，数据如何与地理坐标关联也是重要的一步
地图上展示数据，也就是要在地图上绘制不同的颜色或者几何形状来表达不同的数据

解决了上面3个难题，就能够结合地图做一些基本的数据展示了。

本篇通过一个基于南京各个区地理信息的分析示例，来演示如何一步步通过地图来展示分析结果。

1. 绘制地图

第一步是绘制地图，其实地图就是一块块不规则的多边形拼接起来的。

在本篇的示例中，各个多边形就是南京的各个区。

绘制多边形不难，难的是如何得到各个多边形的顶点坐标。

好在现在有很多的开放地理信息平台，可以让我们获取到想要的地理信息。

1.1. 获取地理信息

比如，通过阿里的DataV数据可视化平台，可以获取南京各个区的地理范围信息。

在这个平台上，左边选择区域，右边会生成对应范围的地理信息的数据。

地理信息数据是json格式。

1.2. 展示地理信息

为了读取地理信息数据并展示，需要用到一个 GeoPandas 的库。

用 pip 安装很简单：

$ pip install geopandas

geopandas可以直接读取DataV数据可视化平台生成的JSON数据并展示。

import geopandas as gpd
df_geo = gpd.read_file(
    "https://geo.datav.aliyun.com/areas_v3/bound/320100_full.json"
)
df_geo

json文件的HTTP地址DataV数据可视化平台就是在上生成的。

这个文件中的关键字段就是 geometry，其中的内容就是各个区的多边形形状的各个顶点的经纬度坐标。

展示数据：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
fig.set_size_inches(8, 8)
# df_geo就是上面通过geopandas读取的数据
df_geo.plot(
    ax=ax,
    column="name",
    cmap="plasma",
    edgecolor="k",
    legend=True,
    legend_kwds={"loc": "lower left"}
)
plt.show()

其中主要参数的含义：

ax：matplotlib生成的子图，这里就是数据要绘制的位置
column：作为不同区域的名称，这里就是南京各个区的名称
cmap：一组颜色，分别对应不同的区
edgecolor：每个多边形边缘的颜色，这里设置的是黑色
legend：是否显示图例
legend_kwds：设置图例的配置信息，这里只设置了图例的位置

2. 地图和数据关联

首先生成一些测试数据：

# 删除 df_geo 中一些不必要的列
df_geo = df_geo.drop(columns=["childrenNum", "level", "parent", "subFeatureIndex"])
# 南京各个区的名称
area_names = df_geo.loc[:, "name"]
# df_val为测试数据，其中name列是各个区的名称
# value 列是一些随机数，模拟各个区的人口，GDP等数据
df_val = pd.DataFrame({
    "name": area_names.tolist(),
    "value": np.random.randint(10, 10000, len(area_names))
})

测试数据 df_val 模拟其他途径得到的业务数据，

下面要将 df_val 中的指展示到地图上，就要先把 df_val 和 df_geo 结合起来。

# 以 name 列作为结合两个数据集的依据
df = pd.merge(df_geo, df_val, on="name", how="left")
df

这样，我们就得到了同时包含**地理信息（geometry）和业务数据（value）**的数据集了。

3. 地图上展示数据

接下来就是展示数据了，下面演示两种在地图上展示数据的方式。

3.1. 热力图方式

根据 value 值的不同，用渐变色来显示不同区的颜色。

fig, ax = plt.subplots()
fig.set_size_inches(8, 8)
ax.axis("off")
df.plot(
    ax=ax,
    column="value",
    cmap="plasma",
    edgecolor="k",
    legend=True,
    legend_kwds={'label': "value", 'shrink':0.5},
)
for index in df.index:
    x = df.iloc[index].geometry.centroid.x
    y = df.iloc[index].geometry.centroid.y
    name = df.iloc[index]["name"]
    if name in ["建邺区", "鼓楼区", "玄武区", "秦淮区"]:
        ax.text(x, y, name, ha="center", va="center", fontsize=8)
    else:
        ax.text(x, y, name, ha="center", va="center")
plt.show()

其中，"建邺区", "鼓楼区", "玄武区", "秦淮区" 四个区的面积比较小，

所以字体稍微调小了一些。

3.2. 分类展示

把 value值分为3类，每类用不同的形式来表示。

value < 3000
3000 <= value < 5000
value >= 5000

import matplotlib.patches as mpatches
fig, ax = plt.subplots()
fig.set_size_inches(5, 10)
ax.axis("off")
legend_list = []
df[df["value"] < 3000].plot(
    ax=ax,
    color="lightblue",
    edgecolor="k",
    hatch="\\\\",
    legend=False,
)
legend_list.append(
    mpatches.Patch(
        facecolor="lightblue",
        edgecolor="black", hatch="\\\\", label="value<3000"
    )
)
df[(df["value"] >= 3000) & (df["value"] < 5000)].plot(
    ax=ax,
    color="lightgreen",
    edgecolor="k",
    hatch="o",
    legend=False,
)
legend_list.append(
    mpatches.Patch(
        facecolor="lightgreen",
        edgecolor="black", hatch="o", label="3000<=value<5000")
)
df[df["value"] >= 5000].plot(
    ax=ax,
    color="r",
    edgecolor="k",
    hatch="*",
    legend=False,
)
legend_list.append(mpatches.Patch(
    facecolor="r",
    edgecolor="black", hatch="*", label="value>=5000"))
ax.legend(handles = legend_list, 
          loc=(1, 0.5), 
          title="value 等级", 
          fontsize=12)
plt.show()

4. 总结

结合地理信息展示数据，让数据更加的生动，特别是很多数据分析场景本身就和地理信息密切相关。

除了基于地域的各种经济或者人口等等的相关数据，

还有各类气象数据，如能和地理信息结合展示的话，会让人对整体情况一目了然。

文中用到的主要资源：

DataV数据可视化平台：https://datav.aliyun.com/portal/school/atlas/area_selector
GeoPandas：https://github.com/geopandas/geopandas

以上就是Matplotlib绘图基础之地图绘制详解的详细内容，更多关于Matplotlib地图的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

python3环境搭建过程(利用Anaconda+pycharm)完整版
这篇文章主要介绍了python3环境搭建过程(利用Anaconda+pycharm)完整版,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2020-08-08
排序算法之插入排序法解析
这篇文章主要介绍了排序算法之插入排序法解析,插入排序法是一种简单但有效的排序算法，其基本思想是将一个待排序的元素逐个插入到已经排好序的元素序列中，直至所有元素都被插入完成，从而得到一个有序序列,需要的朋友可以参考下
2023-07-07
django haystack实现全文检索的示例代码
这篇文章主要介绍了django haystack实现全文检索的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-06-06
Python实现的根据IP地址计算子网掩码位数功能示例
这篇文章主要介绍了Python实现的根据IP地址计算子网掩码位数功能,涉及Python数值运算相关操作技巧,需要的朋友可以参考下
2018-05-05
Python字符串格式化常用手段及注意事项
这篇文章主要介绍了Python字符串格式化常用手段,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-06-06
解读残差网络(Residual Network),残差连接(skip-connect)
这篇文章主要介绍了残差网络(Residual Network),残差连接(skip-connect),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2023-08-08
python 处理telnet返回的More,以及get想要的那个参数方法
今天小编就为大家分享一篇python 处理telnet返回的More,以及get想要的那个参数方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-02-02
Python异步爬虫多线程与线程池示例详解
这篇文章主要为大家介绍了Python异步爬虫多线程与线程池示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
2021-09-09
Django 重写用户模型的实现
这篇文章主要介绍了Django 重写用户模型的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-07-07
Django小白教程之Django用户注册与登录
这篇文章主要介绍了Django小白教程之Django用户注册与登录的相关资料,需要的朋友可以参考下
2016-04-04