快捷導(dǎo)航

Matplotlib繪圖基礎(chǔ)之地圖繪制詳解

更新時(shí)間：2023年08月15日 09:54:52 作者：databook

如果分析的數(shù)據(jù)與地域相關(guān)，那么，把分析結(jié)果結(jié)合地圖一起展示的話(huà)，會(huì)讓可視化的效果得到極大的提升，下面就來(lái)講講如何利用Matplotlib一步步通過(guò)地圖來(lái)展示分析結(jié)果吧

如何繪制地圖，地圖是展示數(shù)據(jù)的基礎(chǔ)，如何繪制出需要的地圖區(qū)域是第一步
數(shù)據(jù)和地圖關(guān)聯(lián)，數(shù)據(jù)最終要顯示在地圖上，數(shù)據(jù)如何與地理坐標(biāo)關(guān)聯(lián)也是重要的一步
地圖上展示數(shù)據(jù)，也就是要在地圖上繪制不同的顏色或者幾何形狀來(lái)表達(dá)不同的數(shù)據(jù)

解決了上面3個(gè)難題，就能夠結(jié)合地圖做一些基本的數(shù)據(jù)展示了。

本篇通過(guò)一個(gè)基于南京各個(gè)區(qū)地理信息的分析示例，來(lái)演示如何一步步通過(guò)地圖來(lái)展示分析結(jié)果。

1. 繪制地圖

第一步是繪制地圖，其實(shí)地圖就是一塊塊不規(guī)則的多邊形拼接起來(lái)的。

在本篇的示例中，各個(gè)多邊形就是南京的各個(gè)區(qū)。

繪制多邊形不難，難的是如何得到各個(gè)多邊形的頂點(diǎn)坐標(biāo)。

好在現(xiàn)在有很多的開(kāi)放地理信息平臺(tái)，可以讓我們獲取到想要的地理信息。

1.1. 獲取地理信息

比如，通過(guò)阿里的DataV數(shù)據(jù)可視化平臺(tái)，可以獲取南京各個(gè)區(qū)的地理范圍信息。

在這個(gè)平臺(tái)上，左邊選擇區(qū)域，右邊會(huì)生成對(duì)應(yīng)范圍的地理信息的數(shù)據(jù)。

地理信息數(shù)據(jù)是json格式。

1.2. 展示地理信息

為了讀取地理信息數(shù)據(jù)并展示，需要用到一個(gè) GeoPandas 的庫(kù)。

用 pip 安裝很簡(jiǎn)單：

$ pip install geopandas

geopandas可以直接讀取DataV數(shù)據(jù)可視化平臺(tái)生成的JSON數(shù)據(jù)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數(shù)據(jù)可視化平臺(tái)就是在上生成的。

這個(gè)文件中的關(guān)鍵字段就是 geometry，其中的內(nèi)容就是各個(gè)區(qū)的多邊形形狀的各個(gè)頂點(diǎn)的經(jīng)緯度坐標(biāo)。

展示數(shù)據(jù)：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
fig.set_size_inches(8, 8)
# df_geo就是上面通過(guò)geopandas讀取的數(shù)據(jù)
df_geo.plot(
    ax=ax,
    column="name",
    cmap="plasma",
    edgecolor="k",
    legend=True,
    legend_kwds={"loc": "lower left"}
)
plt.show()

其中主要參數(shù)的含義：

ax：matplotlib生成的子圖，這里就是數(shù)據(jù)要繪制的位置
column：作為不同區(qū)域的名稱(chēng)，這里就是南京各個(gè)區(qū)的名稱(chēng)
cmap：一組顏色，分別對(duì)應(yīng)不同的區(qū)
edgecolor：每個(gè)多邊形邊緣的顏色，這里設(shè)置的是黑色
legend：是否顯示圖例
legend_kwds：設(shè)置圖例的配置信息，這里只設(shè)置了圖例的位置

2. 地圖和數(shù)據(jù)關(guān)聯(lián)

首先生成一些測(cè)試數(shù)據(jù)：

# 刪除 df_geo 中一些不必要的列
df_geo = df_geo.drop(columns=["childrenNum", "level", "parent", "subFeatureIndex"])
# 南京各個(gè)區(qū)的名稱(chēng)
area_names = df_geo.loc[:, "name"]
# df_val為測(cè)試數(shù)據(jù)，其中name列是各個(gè)區(qū)的名稱(chēng)
# value 列是一些隨機(jī)數(shù)，模擬各個(gè)區(qū)的人口，GDP等數(shù)據(jù)
df_val = pd.DataFrame({
    "name": area_names.tolist(),
    "value": np.random.randint(10, 10000, len(area_names))
})

測(cè)試數(shù)據(jù) df_val 模擬其他途徑得到的業(yè)務(wù)數(shù)據(jù)，

下面要將 df_val 中的指展示到地圖上，就要先把 df_val 和 df_geo 結(jié)合起來(lái)。

# 以 name 列作為結(jié)合兩個(gè)數(shù)據(jù)集的依據(jù)
df = pd.merge(df_geo, df_val, on="name", how="left")
df

這樣，我們就得到了同時(shí)包含**地理信息（geometry）和業(yè)務(wù)數(shù)據(jù)（value）**的數(shù)據(jù)集了。

3. 地圖上展示數(shù)據(jù)

接下來(lái)就是展示數(shù)據(jù)了，下面演示兩種在地圖上展示數(shù)據(jù)的方式。

3.1. 熱力圖方式

根據(jù) value 值的不同，用漸變色來(lái)顯示不同區(qū)的顏色。

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 ["建鄴區(qū)", "鼓樓區(qū)", "玄武區(qū)", "秦淮區(qū)"]:
        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，"建鄴區(qū)", "鼓樓區(qū)", "玄武區(qū)", "秦淮區(qū)" 四個(gè)區(qū)的面積比較小，

所以字體稍微調(diào)小了一些。

3.2. 分類(lèi)展示

把 value值分為3類(lèi)，每類(lèi)用不同的形式來(lái)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 等級(jí)", 
          fontsize=12)
plt.show()