用python如何画出好看的地图

vlambda
2020-08-15

用python如何画出好看的地图

回复关键字资源获取编程资料

我们人类还是喜欢花里胡哨的图。最近正好在学空间数据处理，废话不多说让我们进入主题用python如何画出好看的地图

下面主要是用

folium
poltly
geopandas+matplotlib

三种方式绘制地图

folium

import foliumimport pandas as pd#输入上海经纬度，尺度latitude = 31.2longitude = 121.5sh_map = folium.Map(location=[latitude, longitude], zoom_start=10)sh_map

用python如何画出好看的地图

默认为'OpenStreetMap'风格，我们还可以选择'Stamen Terrain', 'Stamen Toner'等

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

有了底图把带有经纬度的数据点映射上去，这里用上次上海poi中的火锅数据

把火锅店数据放到地图上

# 创建特征组hotpots = folium.map.FeatureGroup()# Loop through the 200 crimes and add each to the incidents feature groupfor 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 be color='yellow', fill=True, fill_color='red', fill_opacity=0.4 ) )
# 把火锅特征组放到上海地图上sh_map =folium.Map(location=[latitude, longitude], zoom_start=10)sh_map.add_child(hotpots)

点太多看不出什么，我们下面只放嘉定区的数据

我们可以继续添加火锅店名字信息并标注在上图

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

最后我们绘制每个区的火锅数量的Choropleth Map，不同颜色代表火锅数量

首先读取上海行政区geojson文件

统计各个区火锅数量

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

开始绘制Choropleth Map,下面key_on='feature.properties.name'是因为我们这里下载的上海geojson中name对应于行政区，这个根据具体数据而定

#输入上海经纬度，尺度latitude = 31.2longitude = 121.5map = 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

浦东新区一马当先，嘉定区榜上有名

poltly

用poltly画Choropleth Map跟folium很类似，这里直接继续用前面处理好的数据

import plotly.express as pximport plotly.graph_objs as golatitude = 31.2longitude = 121.5fig = 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()

设置mapbox_style="carto-darkmatter"换一种风格

•更多用poltly画图的例子见https://plotly.com/python/

geopandas+matplotlib

先利用geopandas绘制出各行政区轮廓

import matplotlib.pyplot as pltimport matplotlib as mpl# 中文和负号的正常显示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shapefig, ax = plt.subplots(figsize=(20, 10))ax=geo_data.plot(ax=ax,facecolor='grey',edgecolor='white',linestyle='--',alpha=0.8)ax.axis('off') # 移除坐标轴

将统计的各个区的火锅店数量与geo_data合并

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

此时数据已经是dataframe，不是geodataframe了，所以需要继续转换一下

need_data = gpd.GeoDataFrame(need_data)need_data.geom_type

可以看到这个时候need_data已经是geodataframe类型了

fig, ax = plt.subplots(figsize=(20, 10))need_data.plot('num', cmap='OrRd',ax=ax)ax.axis('off') # 移除坐标轴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来各个区的，这里可以继续加行政区标注

fig, ax = plt.subplots(figsize=(20, 10))need_data.plot('num', cmap='OrRd',ax=ax)for idx, _ in enumerate(need_data.geometry.representative_point()): # 提取行政区名称 region = need_data.loc[idx, 'name'] ax.text(_.x, _.y, region, ha="center", va="center", size=8)ax.axis('off') # 移除坐标轴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及数据：
https://alltodata.cowtransfer.com/s/68eda7cf53a745