Python-geoplot 空间核密度估计图绘制

DataCharm

发布于 2021-02-22 12:08:25

2.6K0

发布于 2021-02-22 12:08:25

由于对空间数据可视化的喜欢，可能本公众号的推文也以此类图较多，当然也受到小伙伴的喜欢。在R语言ggplot2以及其拓展包能够较为简单的实现各类空间可视化作品的绘制，在寻找Python进行空间绘制包的同时，也发现如geopandas、geoplot等优秀包，今天的推文就简单使用geoplot库绘制空间核密度估计图，涉及的知识点如下：

geoplot库pointplot()函数绘制空间点图
geoplot库kdeplot()函数绘制空间核密度估计图

所使用的数据为全国PM2.5站点数据和中国地图文件。

pointplot()绘制空间点图

geoplot库就相当于seaborn 对matplotlib一样，实现了较多绘图函数的封装，使你可以使用较少的代码绘制较精美的图表，更多详细内容，大家可以直接去官网进行查看：Geoplot官网我们只介绍本推文需要的绘图函数，首先，我们绘制空间散点图，数据预览如下：

再使用geopandas包对相关处理，具体代码如下：

scattergdf = gpd.GeoDataFrame(
    scatter, geometry=gpd.points_from_xy(scatter.经度, scatter.纬度),
    crs="EPSG:4326")

这样就可以把数处理成geoplot 绘图所需的数据格式了，绘图代码具体如下：

plt.rcParams['font.family'] = ["Times New Roman"]

fig,ax = plt.subplots(figsize=(8,5),dpi=200)
proj = projection=gcrs.AlbersEqualArea(central_latitude=40, central_longitude=104)
ax = plt.subplot(projection=proj,frameon=False)
gplt.pointplot(
    scattergdf, projection=proj,
    s=4,
    hue="PM2.5",
    cmap='Spectral_r',
    edgecolor='black', linewidth=0.2,
    legend=True,
    ax=ax,
)
gplt.polyplot(china_main, linewidth=.3,ax=ax)
gplt.polyplot(china_nine, linewidth=.3,ax=ax)
plt.title("Geoplot Test",fontsize = 20)

plt.text(.88,.02,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 5,fontweight="bold")

代码较为简单，我们直接给出可视化结果，如下：

kdeplot()绘制空间核密度估计图

由于geoplot的高度封装，我们直接使用kdeplot()函数进行绘制，具体代码如下：

fig,ax = plt.subplots(figsize=(8,5),dpi=200)
proj = projection=gcrs.AlbersEqualArea(central_latitude=40, central_longitude=104)
ax = plt.subplot(projection=proj)
gplt.kdeplot(
    scattergdf,
    cmap = "Spectral_r",
    clip = china_main.geometry,
    projection=proj,
    levels=12, 
    thresh=.0005,
    shade=True,
    ax=ax,
)
gplt.polyplot(china_main, zorder=1,facecolor="none",linewidth=.3,ax=ax)
plt.title("Geoplot Test2",fontsize = 18)

plt.text(.85,.25,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 5,fontweight="bold")

就完成了空间核密度估计的可视化绘制，所涉及的绘图函数相对简单，大家看看官网教程就可以快速掌握。

总结

Python-geoplot库对一些空间图表可以较为迅速的绘制出结果，可以说是相对简单，但到实践过程中，也发现一些问题(完全自己绘制过程中的感悟啊，可能存在个人原因啊)：

由于高度封装，相对某些绘图元素(图例等)定制化设置可能较难。
官网文档介绍较少，对刚开始学习的小伙伴可能不是很友好。
安装较为麻烦(除非能够科学上网，否则即使安装成功，也会存在小问题)

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2020-11-26，如有侵权请联系 cloudcommunity@tencent.com 删除

python

本文分享自 DataCharm 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

python

登录后参与评论

0 条评论

热度