[数据分析与可视化] Python绘制数据地图2-GeoPandas地图可视化

原创

已于 2024-09-12 18:00:22 修改 · 2.1k 阅读

于 2024-09-12 17:59:22 首次发布

本文主要介绍GeoPandas结合matplotlib实现地图的基础可视化。GeoPandas是一个Python开源项目，旨在提供丰富而简单的地理空间数据处理接口。GeoPandas扩展了Pandas的数据类型，并使用matplotlib进行绘图。GeoPandas官方仓库地址为：GeoPandas。GeoPandas的官方文档地址为：GeoPandas-doc。关于GeoPandas的使用见

GeoPandas推荐使用Python3.7版本及以上，运行环境最好是linux系统。GeoPandas安装命令如下：

pip install geopandas

如果上述命令安装出问题，则推荐使用conda安装GeoPandas，命令如下：

conda install geopandas

或：

conda install --channel conda-forge geopand

	`# jupyter notebook环境去除warning`
	`import warnings`
	`warnings.filterwarnings("ignore")`

	`# 查看geopandas版本`
	`import geopandas as gpd`

	`gpd.__version__`

'0.10.2'

1 基础绘图

1.1 绘图接口说明

GeoPandas基于matplotlib库封装高级接口用于制作地图，GeoSeries或GeoDataFrame对象都提供了plot函数以进行对象可视化。与GeoSeries对象相比，GeoDataFrame对象提供的plot函数在参数上更为复杂，也更为常用。
GeoDataFrame对象提供的plot函数的常用输入参数如下：

	`def GeoDataFrame.plot(`
	`column: str, np.array, pd.Series (default None), # 用于绘图的列名或数据列`
	`kind: str, # 绘图类型`
	`cmap: str, # matplotlib的颜色图Colormaps`
	`color: str, np.array, pd.Series (default None), # 指定所有绘图对象的统一颜色`
	`ax: matplotlib.pyplot.Artist (default None), # 指定matplotlib的绘图轴`
	`cax: matplotlib.pyplot Artist (default None), # 设置图例的坐标轴`
	`categorical: bool (default False), # 是否按照类别设置对象颜色`
	`legend: bool (default False), # 是否显示图例，如果column或color参数未赋值，则此参数无效`
	`scheme: str (default None), # 用于控制分层设色`
	`k：int (default 5), # scheme的层次数`
	`vmin：None or float (default None), # 图例cmap的最小值`
	`vmax：None or float (default None), # 图例cmap的最大值`
	`markersize：str or float or sequence (default None), # 绘图点的大小`
	`figsize: tuple of integers (default None), # 用于控制matplotlib.figure.Figure`
	`legend_kwds: dict (default None), # matplotlib图例参数`
	`missing_kw: dsdict (default None), # 缺失值区域绘制参数`
	`aspect:‘auto’, ‘equal’, None or float (default ‘auto’), # 设置绘图比例`
	`**style_kwds: dict, # 其他参数，如对象边界色edgecolor, 对象填充色facecolor, 边界宽linewidth,透明度alpha`
	`)->ax: matplotlib axes instance`

GeoSeries对象提供的plot函数的常用输入参数如下：

	`def GeoSeries.plot(`
	`s: Series, # GeoSeries对象`
	`cmap: str (default None),`
	`color: str, np.array, pd.Series, List (default None),`
	`ax: matplotlib.pyplot.Artist (default None),`
	`figsize: pair of floats (default None),`
	`aspect: ‘auto’, ‘equal’, None or float (default ‘auto’),`
	`**style_kwds: dict`
	`)->ax: matplotlib axes instance`

想要更好使用以上参数最好熟悉matplotlib，如有不懂可以查阅matplotlib文档。下面简要介绍GeoPandas中绘图函数的使用。

读取数据集

	`import geopandas as gpd`
	`# 读取自带世界地图数据集`
	`world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))`
	`# 人口，大洲，国名，国家缩写，ISO国家代码，gdp，地理位置数据`
	`world.head()`

	pop_est	continent	name	iso_a3	gdp_md_est	geometry
0	920938	Oceania	Fiji	FJI	8374.0	MULTIPOLYGON (((180.00000 -16.06713, 180.00000...
1	53950935	Africa	Tanzania	TZA	150600.0	POLYGON ((33.90371 -0.95000, 34.07262 -1.05982...
2	603253	Africa	W. Sahara	ESH	906.5	POLYGON ((-8.66559 27.65643, -8.66512 27.58948...
3	35623680	North America	Canada	CAN	1674000.0	MULTIPOLYGON (((-122.84000 49.00000, -122.9742...
4	326625791	North America	United States of America	USA	18560000.0	MULTIPOLYGON (((-122.84000 49.00000, -120.0000...

world.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x7f17b270fe10>

	`# 读取自带世界各大城市数据集`
	`cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))`
	`# 名字，地理位置数据`
	`cities.head()`

	name	geometry
0	Vatican City	POINT (12.45339 41.90328)
1	San Marino	POINT (12.44177 43.93610)
2	Vaduz	POINT (9.51667 47.13372)
3	Luxembourg	POINT (6.13000 49.61166)
4	Palikir	POINT (158.14997 6.91664)

分区统计图

GeoPandas可以轻松创建分区统计图（每个形状的颜色基于关联变量值的地图）。只需在plot函数中将参数column设置为要用于指定颜色的列。

	`# 去除南极地区`
	`world = world[(world.pop_est>0) & (world.name!="Antarctica")]`
	`# 计算人均gpd`
	`world['gdp_per_cap'] = world.gdp_md_est / world.pop_est`
	`# 绘图`
	`world.plot(column='gdp_per_cap')`

<matplotlib.axes._subplots.AxesSubplot at 0x7f17b241f390>

png

图例设置

legend=True即可展示图例。

	`import matplotlib.pyplot as plt`

	`fig, ax = plt.subplots(1, 1)`
	`# 根据人口绘图数绘制`
	`world.plot(column='pop_est', ax=ax, legend=True)`

<matplotlib.axes._subplots.AxesSubplot at 0x7f17b23585d0>

png

但是我们会发现绘图区域和图例区域不对齐，我们通过mpl_toolkits设置图例轴，并通过cax参数直接控制plot函数的图例绘制。

	`from mpl_toolkits.axes_grid1 import make_axes_locatable`

	`fig, ax = plt.subplots(1, 1)`

	`divider = make_axes_locatable(ax)`

	`# 设置图例，right表示位置，size=5%表示图例宽度，pad表示图例离图片间距`
	`cax = divider.append_axes("right", size="5%", pad=0.2)`

	`world.plot(column='pop_est', ax=ax, legend=True, cax=cax)`

<matplotlib.axes._subplots.AxesSubplot at 0x7f17b21de650>

png

此外我们可以通过legend_kwds设置图例信息和方向，就像matplotlib那样。

	`import matplotlib.pyplot as plt`

	`fig, ax = plt.subplots(1, 1)`

	`world.plot(column='pop_est',`
	`ax=ax,`
	`legend=True,`
	`legend_kwds={'label': "Population by Country and Area",`
	`'orientation': "horizontal"})`