国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看

打開APP
userphoto
未登錄

開通VIP,暢享免費(fèi)電子書等14項(xiàng)超值服

開通VIP
常用的6種繪制地圖的方法
今天來(lái)講一講在日常工作生活中我常用的幾種繪制地圖的方法,下面我將介紹下面這些可視化庫(kù)的地圖繪制方法,當(dāng)然繪制漂亮的可視化地圖還有很多優(yōu)秀的類庫(kù),沒(méi)有辦法一一列舉

pyecharts、plotly、folium、bokeh、basemap、geopandas、cartopy

Boken

首先我們先介紹 Boken 繪制地圖的方法

Bokeh 支持創(chuàng)建基本地圖可視化和基于處理地理數(shù)據(jù)的地圖可視化

畫一張世界地圖

from bokeh.plotting import figure, show
from bokeh.tile_providers import CARTODBPOSITRON, get_provider
from bokeh.io import output_notebook


output_notebook()
tile_provider = get_provider(CARTODBPOSITRON)

p = figure(x_range=(-2000000, 6000000), y_range=(-1000000, 7000000),
           x_axis_type='mercator', y_axis_type='mercator')
p.add_tile(tile_provider)

show(p)

再畫一張中國(guó)地圖看看

from bokeh.plotting import curdoc, figure
from bokeh.models import GeoJSONDataSource
from bokeh.io import show

# 讀入中國(guó)地圖數(shù)據(jù)并傳給GeoJSONDataSource
with open('china.json', encoding='utf8') as f:
    geo_source = GeoJSONDataSource(geojson=f.read())
# 設(shè)置一張畫布
p = figure(width=500, height=500)
# 使用patches函數(shù)以及geo_source繪制地圖
p.patches(xs='xs', ys='ys', source=geo_source)
show(p)

我們通過(guò) GEO 地理數(shù)據(jù)來(lái)繪制地圖同樣非常方便,但是地圖看起來(lái)有一些單調(diào),我們把不同的省份繪制成不同的顏色來(lái)看看

with open('china.json', encoding='utf8') as f:
    data = json.loads(f.read())
# 判斷是不是  北京地區(qū)數(shù)據(jù)
def isBeijing(district):
    if 'beijing' in district['properties']['woe-name'].lower():
        return True
    return False
# data['features'] = list(filter(isInLondon, data['features']))
# 過(guò)濾數(shù)據(jù)
# 為每一個(gè)地區(qū)增加一個(gè)color屬性
for i in range(len(data['features'])):
    data['features'][i]['properties']['color'] = ['red', 'blue', 'yellow', 'orange', 'gray', 'purple'][i % 6]
    data['features'][i]['properties']['number'] = random.randint(0, 20_000)
geo_source = GeoJSONDataSource(geojson=json.dumps(data))
p = figure(width=500, height=500, tooltips='@name, number: @number')
p.patches(xs='xs', ys='ys', fill_alpha=0.7,
        line_color='white',
        line_width=0.5,
        color='color',   # 增加顏色屬性,這里的'color'對(duì)應(yīng)每個(gè)地區(qū)的color屬性
        source=geo_source)
p.axis.axis_label = None
p.axis.visible = False
p.grid.grid_line_color = None

show(p)

可以看到已經(jīng)有內(nèi)味了,唯一美中不足的就是南海的十三段線沒(méi)有展示出來(lái)

geopandas

GeoPandas 是基于 Pandas 的地圖可視化工具,其數(shù)據(jù)結(jié)構(gòu)完全繼承自 Pandas,對(duì)于熟悉潘大師的同學(xué)來(lái)說(shuō)還是非常友好的

還是先畫一張世界地圖

import pandas as pd
import geopandas
import matplotlib.pyplot as plt
%matplotlib inline

world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
world.plot()
plt.show()

這也是 geopandas 官網(wǎng)上的經(jīng)典圖片,可以看到非常簡(jiǎn)單,除去 import 代碼,僅僅三行,就完成了地圖的繪制

下面我們繼續(xù)繪制中國(guó)地圖,這次我們加上九段線信息

china_nine = geopandas.read_file(r'geojson/九段線GS(2019)1719號(hào).geojson')
china = geopandas.read_file('china-new.json')
fig, ax = plt.subplots(figsize=(12, 8),dpi=80)
ax = china.plot(ax=ax, column='number')
ax = china_nine.plot(ax=ax)
plt.show()

我們復(fù)用了前面處理的 china.json 數(shù)據(jù),里面的 number 字段是隨機(jī)生成的測(cè)試數(shù)據(jù),效果與 Bokeh 不相上下

plotly

接下來(lái)我們介紹 plotly,這也是一個(gè)非常好用的 Python 可視化工具,如果要繪制地圖信息,我們需要安裝如下依賴

!pip install geopandas==0.3.0
!pip install pyshp==1.2.10
!pip install shapely==1.6.3

接下來(lái)我們先繪制一個(gè)世界地圖

import plotly.graph_objects as go

fig = go.Figure(go.Scattermapbox(
    mode = 'markers+lines',
    lon = [10, 20, 30],
    lat = [10, 20,30],
    marker = {'size': 10}))

fig.add_trace(go.Scattermapbox(
    mode = 'markers+lines',
    lon = [-50, -60,40],
    lat = [30, 10, -20],
    marker = {'size': 10}))

fig.update_layout(
    margin ={'l':0,'t':0,'b':0,'r':0},
    mapbox = {
        'center': {'lon': 113.65000, 'lat': 34.76667},
        'style': 'stamen-terrain',
        'center': {'lon': -20, 'lat': -20},
        'zoom': 1})

fig.show()

這里我們使用底層 API plotly.graph_objects.Choroplethmapbox 來(lái)繪制

下面我們繼續(xù)繪制中國(guó)地圖,使用一個(gè)高級(jí) API plotly.express.choropleth_mapbox

import pandas as pd
import plotly.express as px
import numpy as np
import json

with open(r'china_province.geojson', encoding='utf8') as f:
    provinces_map = json.load(f)

df = pd.read_csv(r'data.csv')
df.確診 = df.確診.map(np.log)

fig = px.choropleth_mapbox(
    df,
    geojson=provinces_map,
    color='確診',
    locations='地區(qū)',
    featureidkey='properties.NL_NAME_1',
    mapbox_style='carto-darkmatter',
    color_continuous_scale='viridis',
    center={'lat': 37.110573, 'lon': 106.493924},
    zoom=3,
)
fig.show()

可以看出繪制出的交互式地圖還是非常漂亮的,不過(guò)渲染速度有些感人,這個(gè)就看個(gè)人的需求了,如果你對(duì)渲染速度有要求,那么 Ployly 可能不是最好的選擇~

Cartopy/Basemap

之所以把這兩個(gè)庫(kù)放到一起,是因?yàn)樗麄兌际腔?Matplotlib 之上的,而隨著 Python2 的不再維護(hù),Basemap 也被 Matplotlib 放棄,Cartopy 隨之轉(zhuǎn)正,下面我們主要介紹 Cartopy 工具

Cartopy 利用了強(qiáng)大的 PROJ.4、NumPy 和 Shapely 庫(kù),并在 Matplotlib 之上構(gòu)建了一個(gè)編程接口,用于創(chuàng)建發(fā)布高質(zhì)量的地圖

先來(lái)繪制一個(gè)世界地圖

%matplotlib inline
import cartopy.crs as ccrs
import matplotlib.pyplot as plt

ax = plt.axes(projection=ccrs.PlateCarree())
ax.coastlines()

plt.show()

這是一個(gè) cartopy 繪制的非常經(jīng)典且常見的世界地圖,形式比較簡(jiǎn)單,下面我們?cè)鰪?qiáng)該地圖

import datetime
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
from cartopy.feature.nightshade import Nightshade


fig = plt.figure(figsize=(10, 5))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())

date = datetime.datetime(2021, 12, 2, 21)

ax.set_title(f'Night time shading for {date}')
ax.stock_img()
ax.add_feature(Nightshade(date, alpha=0.2))
plt.show()

我們通過(guò)上面的代碼,繪制了當(dāng)前時(shí)間世界晝夜圖,還是很強(qiáng)的

下面我們繼續(xù)繪制中國(guó)地圖

import cartopy.io.shapereader as shpreader
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import cartopy.io.shapereader as shapereader
import matplotlib.ticker as mticker
#從文件中加載中國(guó)區(qū)域shp
shpfile = shapereader.Reader(r'ne_10m_admin_0_countries_chn\ne_10m_admin_0_countries_chn.shp')
# 設(shè)置 figure 大小
fig = plt.figure(figsize=[8, 5.5])
# 設(shè)置投影方式并繪制主圖
ax = plt.axes(projection=ccrs.PlateCarree(central_longitude=180))
ax.add_geometries(
        shpfile.geometries(),
        ccrs.PlateCarree())
ax.set_extent([70, 140, 0, 55],crs=ccrs.PlateCarree())
plt.show()

使用 cartopy 繪制地圖最大的特點(diǎn)就是靈活度高,那么相對(duì)應(yīng)的代價(jià)就是編寫代碼也會(huì)更難一些,比如如果想要給不同省份填充不同顏色,我們需要編寫的代碼就有點(diǎn)多

import matplotlib.patches as mpatches
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import shapely.geometry as sgeom

import cartopy.crs as ccrs
import cartopy.io.shapereader as shpreader

font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc', size=14) 

def sample_data():
#    lons = [110, 115, 120, 122, 124 ]
    lons = [124, 122, 120, 115, 110 ]
    lats = [33, 32, 28, 30, 28 ]
    return lons, lats

#ax = plt.axes([0, 0, 1, 1], projection=ccrs.LambertConformal())
ax = plt.axes(projection=ccrs.PlateCarree())


ax.set_extent([70, 140, 0, 55],crs=ccrs.Geodetic())

shapename = 'admin_1_states_provinces'
states_shp = shpreader.natural_earth(resolution='10m', category='cultural', name=shapename)


lons, lats = sample_data()

# to get the effect of having just the states without a map 'background'
# turn off the outline and background patches
ax.background_patch.set_visible(False)
ax.outline_patch.set_visible(False)

plt.title(u'China Province Level', fontproperties=font)

# turn the lons and lats into a shapely LineString
track = sgeom.LineString(zip(lons, lats))

track_buffer = track.buffer(1)

for state in shpreader.Reader(states_shp).geometries():
    # pick a default color for the land with a black outline,
    # this will change if the storm intersects with our track
    facecolor = [0.9375, 0.9375, 0.859375]
    edgecolor = 'black'

    if state.intersects(track):
        facecolor = 'red'
    elif state.intersects(track_buffer):
        facecolor = '#FF7E00'

    ax.add_geometries([state], ccrs.PlateCarree(),
                      facecolor=facecolor, edgecolor=edgecolor)


# make two proxy artists to add to a legend
direct_hit = mpatches.Rectangle((0, 0), 1, 1, facecolor='red')
within_2_deg = mpatches.Rectangle((0, 0), 1, 1, facecolor='#FF7E00')
labels = [u'省份level1',
          '省份level2']
plt.legend([direct_hit, within_2_deg], labels,
           loc='lower left', bbox_to_anchor=(0.025, -0.1), fancybox=True, prop=font)
ax.figure.set_size_inches(14, 9)
plt.show()

folium

folium 是建立在 Python 生態(tài)系統(tǒng)的數(shù)據(jù)應(yīng)用能力和 Leaflet.js 庫(kù)的映射能力之上的高級(jí)地圖繪制工具,通過(guò) Python 操作數(shù)據(jù),然后在 Leaflet 地圖中可視化,可以靈活的自定義繪制區(qū)域,并且展現(xiàn)形式更加多樣化

首先是三行代碼繪制世界地圖

import folium


# define the world map
world_map = folium.Map()
# display world map
world_map

接下來(lái)繪制中國(guó)地圖

# 繪制邊界
import json

df = pd.read_csv(r'plotly-choropleth-mapbox-demo-master/data.csv')
# read china border 
with open(r'plotly-choropleth-mapbox-demo-master/china_province.geojson', encoding='utf8') as f:
    china = json.load(f)

chn_map = folium.Map(location=[40, 100], zoom_start=4)


folium.Choropleth(
    geo_data=china,
    name='choropleth',
    data=df,
    columns=['地區(qū)', '確診'],
    key_on='properties.NL_NAME_1',
    fill_color='YlGn',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='新冠確診',
).add_to(chn_map)

folium.LayerControl().add_to(chn_map)

chn_map

作為專業(yè)地圖工具,不僅渲染速度快,自定義程度也是非常高的,值得使用嘗試

PyEcharts

最后我們介紹 PyEcharts,這款國(guó)產(chǎn)的精良可視化工具 

繪制世界地圖

from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker


c = (
    Map()
    .add('測(cè)試數(shù)據(jù)', [list(z) for z in zip(Faker.country, Faker.values())], 'world')
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='Map-世界地圖'),
        visualmap_opts=opts.VisualMapOpts(max_=200),
    )
)
c.render_notebook()

通過(guò) Pyecharts 繪制地圖的一個(gè)好處就是不需要處理 GEO 文件,我們直接出入國(guó)家名稱,就可以自動(dòng)匹配到地圖上,非常方便

再繪制中國(guó)地圖

c = (
    Map()
    .add('測(cè)試數(shù)據(jù)', [list(z) for z in zip(Faker.provinces, Faker.values())], 'china')
    .set_global_opts(
        title_opts=opts.TitleOpts(title='Map-VisualMap(中國(guó))'),
        visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True),
    )
)
c.render_notebook()

我們只需要把參數(shù)替換成 ”china“ 就可方便的繪制中國(guó)地圖,真的很給力,當(dāng)然對(duì)于 Pyecharts 還有很多種玩法,就不一一介紹了

綜合上面的示例,我們可以看出, Pyecharts 繪制地圖最為簡(jiǎn)單,非常適合新手學(xué)習(xí)使用;而 folium 和 cartopy 則勝在自由度上,它們作為專業(yè)的地圖工具,留給了使用者無(wú)限可能;至于 Plotly Bokeh 則屬于更高級(jí)的可視化工具,它們勝在畫質(zhì)更加優(yōu)美,API 調(diào)用也更加完善

今天我們介紹了幾種比較常用的繪制地圖的類庫(kù),每一個(gè)工具都有其優(yōu)缺點(diǎn),我們只需要在選擇的時(shí)候,明確目標(biāo),用心探索就好!

好了,今天就分享到這里,給個(gè)“在看”再走吧!

需要完整代碼和相關(guān)數(shù)據(jù)的同學(xué),一鍵三連后,微信私聊獲取~

參考:https://gitee.com/kevinqqnj/cartopy_trial/blob/master/cartopy_province.py
https://zhuanlan.zhihu.com/p/112324234

本站僅提供存儲(chǔ)服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊舉報(bào)。
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
matplotlib cartopy geopandas,實(shí)現(xiàn)專業(yè)地圖可視化!
Python最強(qiáng)地理可視化庫(kù)Cartopy安裝教學(xué)
移動(dòng)的臺(tái)風(fēng):論matplotlib和cartopy配合的地圖動(dòng)畫漫游
11個(gè)S級(jí)工具,滿足「地理空間數(shù)據(jù)可視化」的一切幻想
Python白化南海小地圖(文末附數(shù)據(jù)和完整代碼)
python繪制三維圖
更多類似文章 >>
生活服務(wù)
分享 收藏 導(dǎo)長(zhǎng)圖 關(guān)注 下載文章
綁定賬號(hào)成功
后續(xù)可登錄賬號(hào)暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點(diǎn)擊這里聯(lián)系客服!

聯(lián)系客服