pip install pandas geopandas matplotlib

import geopandas as gpd
import matplotlib.pyplot as plt
# 讀取地理數(shù)據(jù)，可以使用GeoJSON、Shapefile等格式
data = gpd.read_file('land_use.geojson')
# 確認(rèn)數(shù)據(jù)加載成功，打印前5行
print(data.head())
# 設(shè)置繪圖樣式
fig, ax = plt.subplots(1, 1, figsize=(12, 10))
# 繪制土地利用和覆蓋類型圖
data.plot(column='land_use_type', ax=ax, legend=True, 
          legend_kwds={'label': "Land Use Types", 'orientation': "horizontal"},
          cmap='Set3')
# 添加圖表標(biāo)題
ax.set_title('Land Use and Land Cover Types Map', fontsize=15)
ax.set_xlabel('Longitude', fontsize=12)
ax.set_ylabel('Latitude', fontsize=12)
# 顯示地圖
plt.show()

import geopandas as gpd
import matplotlib.pyplot as plt

data = gpd.read_file('land_use.geojson')

print(data.head())

fig, ax = plt.subplots(1, 1, figsize=(12, 10))

data.plot(column='land_use_type', ax=ax, legend=True, 
          legend_kwds={'label': "Land Use Types", 'orientation': "horizontal"},
          cmap='Set3')

ax.set_title('Land Use and Land Cover Types Map', fontsize=15)
ax.set_xlabel('Longitude', fontsize=12)
ax.set_ylabel('Latitude', fontsize=12)

plt.show()

import pandas as pd
import matplotlib.pyplot as plt
# 示例數(shù)據(jù)集
data = {
    '土地利用類型': ['森林', '農(nóng)田', '城市', '水體', '草地'],
    '面積(平方公里)': [150, 320, 100, 50, 80]
}
df = pd.DataFrame(data)
df['面積比例'] = df['面積(平方公里)'] / df['面積(平方公里)'].sum()
# 繪制餅狀圖
plt.figure(figsize=(8, 6))
plt.pie(df['面積比例'], labels=df['土地利用類型'], autopct='%.1f%%', startangle=140)
plt.title('土地利用類型分布')
plt.axis('equal')  # 使餅圖為圓形
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
# 加載土地覆蓋數(shù)據(jù)
data = pd.read_csv('land_cover_data.csv')
# 統(tǒng)計(jì)不同地表覆蓋類型的數(shù)量
cover_types = data['cover_type'].value_counts()
# 繪制柱狀圖
plt.figure(figsize=(10, 6))
plt.bar(cover_types.index, cover_types.values)
plt.title('Land Cover Distribution')
plt.xlabel('Cover Type')
plt.ylabel('Count')
plt.show()

import plotly.graph_objects as go
# 定義轉(zhuǎn)移矩陣
transfer_matrix_2014_to_2024= [
    [383.69, 3.51, 0.02, 7.19, 4.27, 0.24],
    [8.66, 166.07, 1.44, 63.02, 17.73, 39.24],
    [0, 0.88, 3.73, 0.09, 0.01, 0.23],
    [12.76, 29.42, 1.1, 79.35, 11.97, 25.42],
    [0.27, 3.73, 0.03, 1.64, 1.72, 0.94],
    [2.14, 4.39, 0.05, 11.69, 1.15, 2.75]
]
# 類別名稱
categories = ["林地", "建設(shè)用地", "水域", "耕地", "未利用地", "草地"]
# 創(chuàng)建節(jié)點(diǎn)（起始節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)）
labels = []
labels.extend([f"2014_{category}" for category in categories])
labels.extend([f"2024_{category}" for category in categories])
# 創(chuàng)建 source 和 target
source = []
target = []
value = []
# 2014 到 2024 的轉(zhuǎn)移數(shù)據(jù)
for i in range(len(categories)):
    for j in range(len(categories)):
        if transfer_matrix_2014_to_2024[i][j] > 0:
            source.append(i)  # 從 2014 年的類別
            target.append(len(categories) + j)  # 到 2024 年的類別
            value.append(transfer_matrix_2014_to_2024[i][j])
# 定義顏色
colors = [
    "#228B22",  # 林地 (深綠色)
    "#D2691E",  # 建設(shè)用地 (深橙色)
    "#1E90FF",  # 水域 (亮藍(lán)色)
    "#FFD700",  # 耕地 (金色)
    "#A9A9A9",  # 未利用地 (暗灰色)
    "#8FBC8F"   # 草地 (青綠色)
]
# 為每個(gè)節(jié)點(diǎn)分配顏色（前一半是2014年的，后一半是2024年的，顏色相同）
node_colors = colors * 2
# 創(chuàng)建?；鶊D
fig = go.Figure(data=[go.Sankey(
    node=dict(
        pad=15,  # 節(jié)點(diǎn)之間的間距
        thickness=20,
        line=dict(color="black", width=0.5),
        label=labels,
        color=node_colors
    ),
    link=dict(
        source=source,
        target=target,
        value=value
    ))])
# 設(shè)置布局
fig.update_layout(title_text="2014年至2024年土地利用類型轉(zhuǎn)移?；鶊D", font_size=10)
# 顯示圖表
fig.show()

pip install plotly